[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

本發明公開了一種基于機器學習的城市快速路交通狀態識別方法，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：S3:對選取的聚類中心進行實數值編碼；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，采用先聚類后分類的策略，構建了結合遺傳算法的模糊聚類交通狀態劃分模型，先對大量數據進行聚類預處理后，再使用SVM進行交通狀態分類，使之更容易找到分類邊界，提高數據處理效率和分類準確度。

技術領域

本發明涉及本發明屬于交通信息融合技術領域，特別是涉及一種基于機器學習的城市快速路交通狀態識別方法

背景技術

城市道路交通狀態識別是現代智能交通系統的重要組成部分，可以有效解決城市中交通擁堵的問題。實現交通狀態識別對智能交通系統的發展意義重大。不僅可以讓交通部門了解具體的道路交通形勢，對交通擁堵的地段采取措施，還可以通過智能交通系統將每個路段的交通情況及時反饋給人們，為人們出行路徑的選擇提供參考。同時識別路段交通狀態還能夠分析交通情況在時空上所發生的變化，指導城市規劃部門路網的建設工作，促使城市路網的完善。

現有的方案中單純使用聚類或者分類，數據量大且參數維度高，如果不對參數進行預處理就容易造成運算量大、程序運行時間長或分類結果不精準等問題，故需要提供一種新的技術方案以解決上述問題。

發明內容

為了克服上述現有技術的不足，本發明提供了一種基于機器學習的城市快速路交通狀態識別方法。

本發明所采用的技術方案是：1、一種基于機器學習的城市快速路交通狀態識別方法，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。

進一步的，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。

進一步的，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；