[發明專利]一種基于聚類分析和馬爾科夫模型的交通狀態預測方法

在審

• 申請號: 201910241335.5
• 申請日: 2019-03-28
• 公開（公告）號: CN110085026A
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 安澤萍;朱弘戈;張艷;賀靜;裴月玲
• 申請（專利權）人: 中國公路工程咨詢集團有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發明涉及一種基于聚類分析和馬爾科夫模型的交通狀態預測方法。選擇交通量和交通占有率作為城市交叉口交通狀態的評價指標；根據交通控制中心采集的大量交通流數據，采用K均值聚類的方法對交通量和交通占有率進行聚類分析；采用熵值法和層次分析法相結合的方法確定交通量和交通占有率的權重集；根據線性分析法確定交通量和交通占有率的隸屬度函數，并得到其隸屬度矩陣；計算模糊綜合評價矩陣，根據最大隸屬度原則評價現有交通狀態；根據現有交通狀態，基于馬爾科夫模型預測未來交通狀態。本發明適用于實際案例，提高了預測精度。

技術領域

本發明設計智能交通技術領域，尤其涉及基于聚類分析和馬爾科夫模型的交通狀態預測方法

背景技術

隨著經濟和科技的不斷發展，人們對出行的交通信息要求越來越高，如出行前就知道目前道路的交通狀態，以便能選擇最有效的交通路線和出行方式，所以，交通控制與誘導系統成為智能交通系統研究的熱門核心課題，而實現交通控制與誘導系統的關鍵問題是實時準確的交通狀態預測，即如何有效的利用實時交通數據預測交通狀況。關于基于交通參數評價交通狀態，較為廣泛的是將交通量，速度，交通流密度，車頭時距，車頭間距，交通占有率等多個交通參數作為評價指標或者基于這些參數計算暢通率，負裕度，停車時間比例等來作為評價指標，進而評價交通狀態。但評價指標選取復雜或需要對檢測器數據進行處理，計算量較大。

因此，現有技術還有待于改進和發展。

發明內容

鑒于現有技術的不足，本發明目的在于提供基于聚類分析和馬爾科夫模型的交通狀態預測的方法，旨在解決評價指標選取復雜或需要對檢測器數據進行處理，計算量較大的問題。

本發明的技術方案如下：

一種基于聚類分析和馬爾科夫模型的交通狀態預測方法，其中，方法包括步驟：

選擇交通量和交通占有率作為城市交叉口交通狀態的評價指標；

根據交通控制中心采集的大量交通流數據，采用K均值聚類的方法對交通量和交通占有率進行聚類分析；

采用熵值法和層次分析法相結合的方法確定交通量和交通占有率的權重集；

根據線性分析法確定交通量和交通占有率的隸屬度函數，并得到其隸屬度矩陣；

計算模糊綜合評價矩陣，根據最大隸屬度原則評價現有交通狀態；

根據現有交通狀態，基于馬爾科夫模型預測未來交通狀態；

所述的基于聚類分析和馬爾科夫模型交通狀態預測方法，其中，研究內容：

選擇交通量和交通占有率作為評價指標；

依據路口的交通流特性以及擁堵強度，將路口交通流狀態劃分為3類:自由交通流，平峰期交通流，擁擠交通流。

k均值聚類步驟

設置聚類數k,求解每個聚類的質心

計算每個樣本到k個質心中的各個距離，選取離質心最近距離的樣本，將該樣本聚類到此質心中

重新計算每個聚類中所有樣本的均值，將其作為新的聚類的質心

若質心不變，則過程結束。若質心改變，則重復k均值聚類步驟，直到質心收斂。

權重的確定方法有主觀賦權法和客觀賦權法，這兩種方法各有好壞。因而采用主客觀賦權相結合的方法來確定權重，確保權重值計算的精準度。

將熵權法和層次分析法求得的權重進行加權平均求解組合權重，計算公式如下：

W＝αW₁+(1-α)W₂