[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

公開了一種基于AFCM?L2的城市道路交通狀態判別方法及系統。該方法可以包括：步驟1：獲取交通流歷史參數數據；步驟2：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：通過隸屬度將交通流歷史參數數據劃分為c個交通狀態數據集；步驟4：以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實時交通流參數數據的狀態判別信息。本發明通過交通狀態模糊聚類中心，對實時交通流參數數據的交通狀態進行判別估計，確定實時交通流參數數據的交通狀態，增強交通狀態聚類效果的準確性和穩定性，為城市道路交通管理者和使用者提供最佳的交通管控措施和出行計劃。

技術領域

本發明涉及智能交通系統領域，更具體地，涉及一種基于AFCM-L2的城市道路交通狀態判別方法及系統。

背景技術

城市道路交通狀態實時判別是城市道路智能交通系統合理管控的基礎。城市道路交通狀態很難用確切的數字來進行量化，是一個主觀性很強的感官量，人們往往使用“擁堵”、“暢通”等不確定的、模糊的語言描述交通狀態。因為模糊理論在主觀事物模糊邏輯描述方面具有非常大的優勢，因此模糊聚類算法被廣泛應用于交通狀態判別且取得了良好的效果。然而，進行交通擁堵狀態自動識別時，由于傳統模糊聚類算法一視同仁地對待每個數據點、對離群點敏感、易陷入局部最優。因此，有必要開發一種基于AFCM-L2的城市道路交通狀態判別方法及系統。

公開于本發明背景技術部分的信息僅僅旨在加深對本發明的一般背景技術的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域技術人員所公知的現有技術。

發明內容

本發明提出了一種基于AFCM-L2的城市道路交通狀態判別方法及系統，其能夠通過交通狀態模糊聚類中心，對實時交通流參數數據的交通狀態進行判別估計，確定實時交通流參數數據的交通狀態，增強交通狀態聚類效果的準確性和穩定性，為城市道路交通管理者和使用者提供最佳的交通管控措施和出行計劃。

根據本發明的一方面，提出了一種基于AFCM-L2的城市道路交通狀態判別方法。所述方法可以包括：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。

優選地，所述交通流歷史參數數據包括：交通流量、速度、時間占有率。

優選地，所述預設分類數量為4。

優選地，所述交通狀態包括暢通、平穩、擁堵、堵塞。