[發明專利]基于AFCM-L2的城市道路交通狀態判別方法及系統有效
| 申請號： | 201910024063.3 | 申請日： | 2019-01-10 |
| 公開（公告）號： | CN109697851B | 公開（公告）日： | 2022-01-18 |
| 發明（設計）人： | 吳紫恒;王兵;周芳;劉磊 | 申請（專利權）人： | 安徽工業大學 |
| 主分類號： | G08G1/01 | 分類號： | G08G1/01;G06K9/62 |
| 代理公司： | 北京思創大成知識產權代理有限公司 11614 | 代理人： | 高爽 |
| 地址： | 243099 *** | 國省代碼： | 安徽;34 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 afcm l2 城市 道路交通 狀態 判別 方法 系統 | ||
1.一種基于AFCM-L2的城市道路交通狀態判別方法，其特征在于，包括：
步驟1：獲取交通流歷史參數數據；
步驟2：根據預設分類數量c對交通狀態進行分類，運行模糊聚類算法AFCM-L2對所述交通流歷史參數數據進行交通狀態聚類處理，確定多個最優交通狀態模糊聚類中心；
步驟3：根據所述多個最優交通狀態模糊聚類中心，通過隸屬度將所述交通流歷史參數數據劃分為c個交通狀態數據集；
步驟4：獲取實時交通流參數數據，計算所述實時交通流參數數據與多個最優交通狀態模糊聚類中心的距離，以所述距離最小的最優交通狀態模糊聚類中心所屬于的交通狀態數據集為所述實時交通流參數數據的狀態判別信息；
其中，步驟2中所述模糊聚類算法AFCM-L2包括：
步驟201：設定初始交通狀態模糊聚類中心的集合V(0)＝[v1,v2,v3,v4]T，預設分類數量c＝4，循環截止誤差ε＝1e-5，初始循環次數t＝1，最大循環次數T；
步驟202：針對第t次循環，建立目標函數，計算使所述目標函數最小的隸屬度uik與樣本權值wk，進而計算交通狀態模糊聚類中心vi，獲得第t次迭代的交通狀態模糊聚類中心的集合；
步驟203：判斷||V(t)-V(t-1)||≤ε是否成立，其中，V(t)為第t次迭代的交通狀態模糊聚類中心的集合，V(t-1)為第t-1次迭代的交通狀態模糊聚類中心的集合，成立則循環終止，確定V(t)為最優交通狀態模糊聚類中心，不成立則進入步驟204；
步驟204：判斷t≥T是否成立，成立則循環終止，確定V(t)為最優交通狀態模糊聚類中心，不成立則循環次數t加1，重復步驟202-204；
其中，所述目標函數為：
其中，X為交通流歷史參數數據的集合，n為X中的數據個數，V為交通狀態模糊聚類中心的集合，V＝[v1 v2...vc]T，U為隸屬度矩陣，uik為交通流歷史參數數據xk隸屬于類別i的程度，wk為樣本權值，λ、β為正則化系數，d(xk,vi)為交通流歷史參數數據xk與交通狀態模糊聚類中心vi之間的距離，d(xk,vi)＝||xk-vi||2，1≤i≤c，1≤k≤n；
其中，通過公式(2)計算所述隸屬度uik：
其中，通過公式(3)計算樣本權值wk：
其中，通過公式(4)計算交通狀態模糊聚類中心vi：
2.根據權利要求1所述的一種基于AFCM-L2的城市道路交通狀態判別方法，其特征在于，所述交通流歷史參數數據包括：交通流量、速度、時間占有率。
3.根據權利要求1所述的一種基于AFCM-L2的城市道路交通狀態判別方法，其特征在于，所述預設分類數量為4。
4.根據權利要求3所述的一種基于AFCM-L2的城市道路交通狀態判別方法，其特征在于，所述交通狀態包括暢通、平穩、擁堵、堵塞。
5.一種基于AFCM-L2的城市道路交通狀態判別系統，其特征在于，該系統包括：
存儲器，存儲有計算機可執行指令；
處理器，所述處理器運行所述存儲器中的計算機可執行指令，執行以下步驟：
步驟1：獲取交通流歷史參數數據；
步驟2：根據預設分類數量c對交通狀態進行分類，運行模糊聚類算法AFCM-L2對所述交通流歷史參數數據進行交通狀態聚類處理，確定多個最優交通狀態模糊聚類中心；
步驟3：根據所述多個最優交通狀態模糊聚類中心，通過隸屬度將所述交通流歷史參數數據劃分為c個交通狀態數據集；
步驟4：獲取實時交通流參數數據，計算所述實時交通流參數數據與多個最優交通狀態模糊聚類中心的距離，以所述距離最小的最優交通狀態模糊聚類中心所屬于的交通狀態數據集為所述實時交通流參數數據的狀態判別信息；
其中，步驟2中所述模糊聚類算法AFCM-L2包括：
步驟201：設定初始交通狀態模糊聚類中心的集合V(0)＝[v1,v2,v3,v4]T，預設分類數量c＝4，循環截止誤差ε＝1e-5，初始循環次數t＝1，最大循環次數T；
步驟202：針對第t次循環，建立目標函數，計算使所述目標函數最小的隸屬度uik與樣本權值wk，進而計算交通狀態模糊聚類中心vi，獲得第t次迭代的交通狀態模糊聚類中心的集合；
步驟203：判斷||V(t)-V(t-1)||≤ε是否成立，其中，V(t)為第t次迭代的交通狀態模糊聚類中心的集合，V(t-1)為第t-1次迭代的交通狀態模糊聚類中心的集合，成立則循環終止，確定V(t)為最優交通狀態模糊聚類中心，不成立則進入步驟204；
步驟204：判斷t≥T是否成立，成立則循環終止，確定V(t)為最優交通狀態模糊聚類中心，不成立則循環次數t加1，重復步驟202-204；
其中，所述目標函數為：
其中，X為交通流歷史參數數據的集合，n為X中的數據個數，V為交通狀態模糊聚類中心的集合，V＝[v1 v2...vc]T，U為隸屬度矩陣，uik為交通流歷史參數數據xk隸屬于類別i的程度，wk為樣本權值，λ、β為正則化系數，d(xk,vi)為交通流歷史參數數據xk與交通狀態模糊聚類中心vi之間的距離，d(xk,vi)＝||xk-vi||2，1≤i≤c，1≤k≤n；
其中，通過公式(2)計算所述隸屬度uik：
其中，通過公式(3)計算樣本權值wk：
其中，通過公式(4)計算交通狀態模糊聚類中心vi：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于安徽工業大學，未經安徽工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910024063.3/1.html，轉載請聲明來源鉆瓜專利網。
