[發明專利]一種基于機器學習的城市快速路交通狀態識別方法

在審

• 申請號: 202011422439.5
• 申請日: 2020-12-08
• 公開（公告）號: CN112560915A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 張麗巖;馬健;劉曉鋒;王崢
• 申請（專利權）人: 蘇州科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/12;G08G1/01
• 代理公司: 蘇州尚為知識產權代理事務所(普通合伙) 32483
• 代理人: 李鳳嬌

1.一種基于機器學習的城市快速路交通狀態識別方法，其特征在于：包括以下步驟：

S1:獲取影響高速公路交通狀態的流量、速度、占有率參數數據；

S2:將一組含有速度、流量、占有率的交通流參數在空間坐標軸上表示出來，并隨機選取若干個點作為初始聚類中心，并將數據集劃分成4類，隨機選取4個點為四類的初始聚類中心：

式中：每行代表一個聚類中心，

S3:對選取的聚類中心進行實數值編碼，染色體表現形式為：S₁V₁O₁S₂V₂O₂S₃V₃O₃S₄V₄O₄；

S4:根據設定的種群規模大小生成若干條上述染色體，對每一條染色體進行適應度評價，且適應度函數為：

模糊C均值聚類法(FCM)目標函數值越小，個體適應度值越大，越適合作為父體，保留較高適應度的個體進行交叉、變異，解碼得到新一代的聚類中心矩陣，再帶入FCM的聚類中心迭代公式進行計算，得到第三代聚類中心矩陣；

S5；循環以上操作直至平均適應度之差小于某閾值或達到最大迭代次數，輸出最優聚類中心以及隸屬度矩陣；

S6:根據每個樣本隸屬于每一類交通狀態的程度判斷每個樣本點屬于何種交通狀態，將數據集劃分為四類，分別對應順暢、平穩、擁擠、阻塞四種交通狀態。

S7:交通狀態識別決策。

2.根據權利要求1所述的一種基于機器學習的城市快速路交通狀態識別方法，其特征在于，所述交通狀態識別決策為：通過并行遺傳模糊聚類和SVM的算法進行識別決策。

3.根據權利要求2所述的一種基于機器學習的城市快速路交通狀態識別方法，其特征在于所述并行遺傳模糊聚類和SVM的算法進行識別決策的流程為：

S301:選取初始聚類中心；

S302實數編碼；

S303計算個體適應度；

S304判斷是否達到終止條件；如果達到，執行S309步驟，否則，執行305步驟；

S305選擇、交叉、變異產生新種群；

S306解碼；

S307使用模糊C均值聚類法迭代公式計算新聚類中心；

S308重復執行步驟S302至步驟S308；

S309最優個體解碼；

S310根據模糊C均值聚類法迭代公式計算(U,V)；

S311根據隸屬度矩陣確定每個樣本點屬于何種類別；

S312得到四類交通狀態數據集；

S313劃分訓練集和測試集；

S314使用訓練集測試SVM模型；

S315得到支持向量機參數使用網格搜索法、遺傳算法、粒子群算法優化；

S316對測試集進行測試并進行結果分析,得出交通狀態。