基于模糊聚类的城市快速路交通流状态划分

doi:10.3969 /j.issn.1674-0696.2013.04.25

重庆交通大学学报（自然科学版） ›› 2013, Vol. 32 ›› Issue (4): 652-655.DOI: 10.3969 /j.issn.1674-0696.2013.04.25

基于模糊聚类的城市快速路交通流状态划分

殷俊杰，丁宏飞，薄雾，钟媚

西南交通大学交通运输与物流学院，四川成都 610031

收稿日期:2012-05-22 修回日期:2013-04-27 出版日期:2013-08-15 发布日期:2014-10-27
作者简介:殷俊杰(1988—),男,四川成都人,硕士研究生,主要从事智能交通及交通工程方面的研究。E-mail:420164881@qq.com。
基金资助:
四川省科技支撑计划项目( 2011FZ0050)

Classification of Urban Expressway Traffic Flow Situation Based on Fuzzy Clustering

Yin Junjie，Ding Hongfei，Bo Wu，Zhong Mei

School of Traffic ＆ Transportation，Southwest Jiaotong University，Chengdu 610031，Sichuan，China

Received:2012-05-22 Revised:2013-04-27 Online:2013-08-15 Published:2014-10-27

摘要/Abstract

摘要： 针对城市快速路交通流状态分类的问题，提出了一种改进的模糊 C 均值( FCM) 算法。结合层次聚类算法和FCM 聚类算法，运用层次聚类算法得到最佳聚类数和初始聚类中心，并通过Ｒelief F 特征加权对影响交通状态的不同特征指标赋予相应的权值，最终用 FCM 算法再次聚类得出交通流状态的分类结果。以 VISSIM 为工具，对该方法进行了模拟。对比分析结果显示，所提出的方法能够提高城市快速路交通流状态分类的效果。

关键词: 交通状态, 模糊聚类, 层次聚类, 特征加权, Ｒelief F 算法

Abstract: In order to solve the problem of urban expressway traffic flow situation judgment，an improved algorithm which uses fuzzy C-means clustering method is proposed． Based on the combination of FCM algorithm and hierarchical clustering algorithm，the hierarchical clustering algorithm is firstly used to get the number of cluster type and initial cluster centers; then Ｒelief F algorithm is used to calculate the weights of the chose features，which affects the division of the traffic conditions;at last FCM is used to perform the cluster to obtain the division results of traffic conditions． A simulation is performed by software VISSIM to confirm the proposed methodology． Through the comparative analysis，it is obtained that the propose method can improve the classification results of urban expressway traffic flow situation．

Key words: traffic conditions, fuzzy cluster, hierarchical clustering, feature weight, Ｒelief F algorithm

中图分类号:

U491.1

殷俊杰，丁宏飞，薄雾，钟媚. 基于模糊聚类的城市快速路交通流状态划分[J]. 重庆交通大学学报（自然科学版）, 2013, 32(4): 652-655.

Yin Junjie，Ding Hongfei，Bo Wu，Zhong Mei. Classification of Urban Expressway Traffic Flow Situation Based on Fuzzy Clustering[J]. Journal of Chongqing Jiaotong University(Natural Science), 2013, 32(4): 652-655.

参考文献

[1] 石征华，侯忠生．城市快速路拥挤度判别方法研究[J]．交通与计算机，2006， 24( 5) : 20-23．
Shi Zhenghua，Hou Zhongsheng． Urban highway congestion degree evaluation method [J]． Computer and Communications，2006，24( 5) : 20-23．
[2] 郝媛，徐天东，孙立军．基于模糊的城市快速路交通流状态判别[J]．公路工程， 2008，33( 2) : 94-99．
Hao Yuan，Xu Tiandong，Sun Lijun． Fuzzy logics based traffic state identification on urban expressway [J]． Highway Engineering，2008，33( 2) : 94-99．
[3] 陈德望．基于模糊聚类的快速路交通流状况分类[J]．交通运输系统工程与信息，2005，5( 1) : 62-67．
Chen Dewang． Classification of traffic flow situation of urban freeways based on fuzzy clustering [J]． Journal of Transportation Systems Engineering and Information Technology，2005，5 ( 1) : 62-67．
[4] 王璇，翁小雄．基于模糊C 均值聚类的快速路交通流相态划分[J]．交通信息与安全， 2009，27( 1) : 149-152．
Wang Xuan，Weng Xiaoxiong． Classification of three-phase traffic flow of urban expressway based on fuzzy C-means clustering[J]．Journal of Transport Information and Safety，2009，27 ( 1) : 149-152．
[5] 王江锋，高峰．一种用于快速路交通状态识别的模糊逻辑方法[C]/ /第一届同济交通论坛-城市交通系统设计学术会议论文集．上海: 同济大学， 2004: 63-69．
Wang Jiangfeng，Gao Feng． A fuzzy logic method applied in the identification of expressway traffic state[C]/ /Tongji Transport Forum-Conference Proceedings of Urban Transportation Systems Design． Shanghai: Tongji University，2004: 63-69．
[6] 张晓亮，张可，刘浩，等．基于FCM-粗糙集的城市快速路交通状态判别[J]．系统工程， 2010，28( 8) : 75-80．
Zhang Xiaoliang，Zhang Ke，Liu Hao，et al． Identification of urban expressway traffic state based on FCM-Ｒough sets [J]． Systems Engineering，2010，28( 8) : 75-80．
[7] Bezdek J C． Pattern Ｒecognition with Fuzzy Objective Function Algorithms[M]． New York: Plenum Press，1981．
[8] 张姣玲．利用FCM 求解最佳聚类数的算法[J]．计算机工程与应用， 2008，44( 22) : 65-67．
Zhang Jiaoling． FCM-based algorithms for determining optimal number of clusters [J]． Computer Engineering and Applications，2008，44( 22) : 65-67．
[9] 窦慧丽，王国华．基于模糊聚类和判别分析的交通状态提取算法[J]．交通信息与安全， 2010， 28( 2) : 13-15．
Dou Huili，Wang Guohua． Algorithm of traffic state extraction based on fuzzy clustering and discriminant analysis [J]． Journal of Transport Information and Safety，2010，28( 2) : 13-15．
[10] Johnson S C，Hierarchical clustering schemes [J]． Psychometrika，1967，32( 3) : 241-243．
[11] Kira K，Ｒendell L A． A practical approach to feature selection[C]/ / Proceedings of the 9th International Workshop on Machine Leaning． San Francisco，C A: Morgan Kaufmann，1992: 249-256．
[12] Kononenko I． Estimation attributes: analysis and extensions of ＲEL IEF [C]/ /European Conference on Machine Learning． Catania:Springer Verlag，1994: 171-182．

基于模糊聚类的城市快速路交通流状态划分

Classification of Urban Expressway Traffic Flow Situation Based on Fuzzy Clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

[1]	李巧茹1,2，郝恩强1，陈亮1,2，范忠国1，杨文伟1. 遗传算法优化支持向量机的城市交通状态识别[J]. 重庆交通大学学报（自然科学版）, 2020, 39(08): 1-5.
[2]	黎新华1，李俊辉1，黎景壮2. 基于改进DTW_AGNES的网约车需求量时间序列聚类研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(08): 13-19.
[3]	陆百川1,2,李晓璐1,郭桂林1,黄梨力1. 基于模糊信息粒与SVM的道路交通状态波动分析[J]. 重庆交通大学学报（自然科学版）, 2017, 36(7): 83-89.
[4]	黄艳国1，宋二猛1，钟建新2. 城市区域路网交通状态分析与评价方法[J]. 重庆交通大学学报（自然科学版）, 2017, 36(12): 91-96.
[5]	陈兆盟，刘小明，吴文祥，唐少虎. 结合信号控制的交通状态及其真实性判别方法[J]. 重庆交通大学学报（自然科学版）, 2016, 35(6): 95-100.
[6]	邱小平,马丽娜. 基于模糊推理的车辆换道分析研究[J]. 重庆交通大学学报（自然科学版）, 2016, 35(4): 121-126.
[7]	梁承姬，嘉熲煚，徐德洪，鲁渤. 两种模型在内陆无水港选址中的综合应用[J]. 重庆交通大学学报（自然科学版）, 2016, 35(1): 177-183.
[8]	任其亮，王世能，王坤，詹家凤，曾柯. 城市路口交通状态判别方法研究[J]. 重庆交通大学学报（自然科学版）, 2015, 34(6): 111-115.
[9]	黄艳国,许伦辉,邝先验. 基于模糊C均值聚类的城市道路交通状态判别[J]. 重庆交通大学学报（自然科学版）, 2015, 34(2): 102-107.
[10]	陈红, 章渺, 王龙飞, 赵禹乔. 高等级公路路段交通状态融合识别模型[J]. 重庆交通大学学报（自然科学版）, 2010, 29(5): 772-775.
[11]	李彬, 何宁, 韦昌. 大城市客运交通方式的综合分析模型与应用[J]. 重庆交通大学学报（自然科学版）, 1997, 16(2): 65-70.