[發(fā)明專利]一種基于MFD+譜聚類+SVM的路網(wǎng)交通狀態(tài)判別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910161798.0
• 申請(qǐng)日: 2019-03-04
• 公開（公告）號(hào): CN110210509A
• 公開（公告）日: 2019-09-06
• 發(fā)明（設(shè)計(jì)）人: 林曉輝;黃良;曹成濤;黎新華
• 申請(qǐng)（專利權(quán)）人: 廣東交通職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G08G1/01
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 林麗明

1.一種基于MFD+譜聚類+SVM的路網(wǎng)交通狀態(tài)判別方法，其特征在于，

具體步驟如下：

(1)首先利用譜聚類算法對(duì)路網(wǎng)MFD進(jìn)行交通狀態(tài)等級(jí)劃分；

(2)然后使用劃分好的路網(wǎng)MFD參數(shù)訓(xùn)練SVM多分類器，并給出基于混淆矩陣的模型分類結(jié)果精度評(píng)價(jià)方法；

(3)最后搭建車聯(lián)網(wǎng)仿真平臺(tái)，選取BP神經(jīng)網(wǎng)絡(luò)分類器作為比較分類器，進(jìn)行實(shí)證分析。

2.根據(jù)權(quán)利要求1所述的基于MFD+譜聚類+SVM的路網(wǎng)交通狀態(tài)判別方法，其特征在于，在步驟(1)中，利用譜聚類算法對(duì)路網(wǎng)MFD進(jìn)行交通狀態(tài)等級(jí)劃分，具體步驟如下：

(1)定義樣本數(shù)據(jù)集X＝{x_i|i＝1,2,…,n}，確定聚類數(shù)目K，其中x_i為路網(wǎng)MFD上的第i個(gè)散點(diǎn)，x_i＝{路網(wǎng)MFD加權(quán)交通密度x_i1，路網(wǎng)加權(quán)交通流量x_i2}，K＝4(即順暢、穩(wěn)定、擁擠、擁堵四個(gè)等級(jí))；

(2)樣本數(shù)據(jù)歸一化處理，其公式如下：

式中，x_jmax，x_jmin——第j個(gè)特征向量的最大值和最小值；

x_ij——第j個(gè)特征向量的第i個(gè)元素的初始值；

x′_ij——第j個(gè)特征向量的第i個(gè)元素歸一化處理的標(biāo)準(zhǔn)值；

(3)計(jì)算相似矩陣A，其公式如下：

式中，||x_i-x_j||——樣本x_i和樣本x_j的歐氏距離；

σ——樣本的標(biāo)準(zhǔn)差，本算法中取值0.9；

(4)計(jì)算拉普拉斯矩陣L，其公式如下：

L＝D^-1/2AD^-1/2 (3)

式中，D為相似矩陣A的對(duì)角化矩陣，其滿足條件：

(5)計(jì)算拉普拉斯矩陣L的前K個(gè)最大特征值(λ₁,λ₂,…,λ_k)以及相應(yīng)特征向量(u₁,u₂,…,u_k)，將特征向量按特征值大小進(jìn)行降序排列，構(gòu)造矩陣U，U＝{u₁,u₂,…,u_k}∈R^n×k；

(6)將矩陣U的行向量進(jìn)行歸一化處理，得到矩陣Y，其公式如下

(7)將Y矩陣中的每一行向量y_ij∈R^k(i＝1,2,…,n)當(dāng)做一點(diǎn)，利用Kmeans算法對(duì)y_i進(jìn)行聚類，得到K個(gè)聚類C₁,C₂,…,C_k；

(8)輸出結(jié)果：聚類A₁,A₂,…,A_k,A_i＝{j|y_j∈C_i}。

3.根據(jù)權(quán)利要求1所述的基于MFD+譜聚類+SVM的路網(wǎng)交通狀態(tài)判別方法，其特征在于，在步驟(1)中，路網(wǎng)MFD的估測(cè)方法公式為：

式中，T——數(shù)據(jù)統(tǒng)計(jì)間隔時(shí)間(s)；

r——路網(wǎng)中路段總數(shù)；

n——數(shù)據(jù)統(tǒng)計(jì)間隔時(shí)間T內(nèi)所有車輛數(shù)(veh)；

l_i——路段i的長(zhǎng)度(km)；

t_j——數(shù)據(jù)統(tǒng)計(jì)間隔時(shí)間T內(nèi)第j輛車的行駛時(shí)間(s)；

d_j——數(shù)據(jù)統(tǒng)計(jì)間隔時(shí)間T內(nèi)第j輛車的行駛距離(m)。

4.根據(jù)權(quán)利要求1所述的基于MFD+譜聚類+SVM的路網(wǎng)交通狀態(tài)判別方法，其特征在于，在步驟(1)中，SVM多分類器的構(gòu)造過程包括直接法和間接法；

直接法為直接在同一個(gè)最優(yōu)化問題中合并求解多個(gè)分類面的參數(shù)，從而對(duì)多個(gè)類別實(shí)現(xiàn)“一次性”分類；

間接法為構(gòu)造由多個(gè)SVM二分類器組合而成的SVM多分類器。