基于FCM山地城市快速路交通状态判别方法研究

被引:19
作者
蔡晓禹
蔡明
机构
[1] 重庆交通大学山地城市交通系统与安全重庆市重点实验室
关键词
交通工程; 交通状态判别; 模糊C均值聚类; 山地城市快速路; 交通流;
D O I
暂无
中图分类号
U491 [交通工程与交通管理];
学科分类号
082301 [道路与铁道工程];
摘要
为及时判别山地城市快速路交通状态,便于智能化管理,针对山地城市与平原城市快速路交通特征的差异性以及交通流的变化特性,将交通状态划分为4类,提出了一种基于模糊C均值聚类(FCM)判别山地城市快速路交通状态的算法。该算法基于速度、流量、时间占有率不同组合作为判别参数分4种情形进行聚类分析,并以重庆市为例,利用MATLAB模糊逻辑工具箱分析出采集数据的聚类中心,对不同参数组合下的各样本交通状态进行判断,并且结合视频录像验证各参数组合情形判别各状态的准确度,验证了算法判别的可行性。结果分析表明,速度对山地城市快速路状态判断影响最大,其次是流量,以速度、流量为参数的FCM算法能较好地判别山地城市快速路交通状态,精度达到85%以上。
引用
收藏
页码:229 / 234
页数:6
相关论文
共 12 条
[1]
基于模糊c均值的城市道路交通状态判别研究 [D]. 
顾超然 .
北京交通大学,
2012
[2]
基于模糊C均值聚类的城市道路交通状态判别 [J].
黄艳国 ;
许伦辉 ;
邝先验 .
重庆交通大学学报(自然科学版), 2015, 34 (02) :102-107
[3]
基于熵理论的城市主-支路交汇处交通状态判别 [J].
刘雪 ;
杨开 ;
赵鑫 ;
杨兆升 .
长春师范大学学报, 2015, 34 (02) :20-24
[4]
基于模糊理论的交通状态快速识别与跃迁转变方法 [J].
郭义荣 ;
张晓栋 ;
董宝田 ;
吴蕾 .
中南大学学报(自然科学版), 2013, 44(S1) (自然科学版) :1-5
[5]
基于FCM城市区域道路交通状态时空分层判别方法 [J].
董红召 ;
马帅 ;
郭明飞 .
计算机应用研究, 2012, 29 (04) :1263-1266
[6]
基于BP神经网络的道路交通状态判别方法研究 [J].
巫威眺 ;
靳文舟 ;
林培群 .
交通信息与安全, 2011, (04) :71-74+79
[7]
基于代价敏感神经网络的交通状态判别 [J].
聂佩林 ;
陈晓翔 ;
佘锡伟 ;
戴秀斌 .
公路交通科技(应用技术版), 2011, 7 (03) :220-223
[8]
基于FCM-粗糙集的城市快速路交通状态判别 [J].
张晓亮 ;
张可 ;
刘浩 ;
李静 ;
陈希 .
系统工程 , 2010, (08) :75-80
[9]
基于模糊聚类和判别分析的交通状态提取算法 [J].
窦慧丽 ;
王国华 .
交通信息与安全, 2010, 28 (02) :13-15
[10]
基于模糊的城市快速路交通流状态判别 [J].
郝媛 ;
徐天东 ;
孙立军 .
公路工程, 2008, (02) :94-99