基于模糊信息粒与SVM的道路交通状态波动分析

doi:10.3969/j.issn.1674-0696.2017.07.14

重庆交通大学学报（自然科学版） ›› 2017, Vol. 36 ›› Issue (7): 83-89.DOI: 10.3969/j.issn.1674-0696.2017.07.14

基于模糊信息粒与SVM的道路交通状态波动分析

陆百川1,2,李晓璐1,郭桂林1,黄梨力1

(1. 重庆交通大学交通运输学院，重庆 400074； 2. 重庆交通大学重庆山地城市交通系统与安全实验室，重庆 400074)

收稿日期:2016-05-02 修回日期:2016-09-07 出版日期:2017-07-31 发布日期:2017-07-31
作者简介:陆百川（1961—），男，江苏南通人，教授，博士生导师，主要从事交通信息工程及控制方面的研究。E-mail：baichuan@cqjtu.edu.cn。通信作者：李晓璐（1992—），女，新疆乌鲁木齐人，硕士研究生，主要从事交通信息工程及控制方面的研究。

Fluctuation Analysis on Road Traffic State Based on Fuzzy Information Granulation and Support Vector Machine

LU Baichuan1, 2, LI Xiaolu1, GUO Guilin1, HUANG Lili1

(1. School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074, P. R. China; 2. Key Lab of Traffic System & Safety in Mountain Cities, Chongqing Jiaotong University, Chongqing 400074, P. R. China)

Received:2016-05-02 Revised:2016-09-07 Online:2017-07-31 Published:2017-07-31

摘要/Abstract

摘要： 为分析道路交通状态波动范围，提出了一种基于模糊信息粒化与支持向量机组合预测的建模方法。分析了道路交通状态波动特点和交通参数选择原则，以模糊理论和时间序列预测为基础，通过模糊信息粒以15 min时间窗将样本数据模糊化，得到Low、R、Up这3组时间序列；并利用支持向量机模型分别对其进行预测，获得道路交通状态的波动范围与变化趋势。实例分析时，在验证数据采集路段属性相近的前提下，用该组合模型对早、晚高峰和平峰等3个时段的交通波动状态进行验证，验证结果有较高精度，能有效预测交通状态波动情况。

关键词: 交通工程, 交通状态, 波动范围, 模糊信息粒化, 支持向量机

Abstract: In order to analyze the range of traffic state fluctuation, a combined modeling method of forecasting the range of traffic state fluctuation based on fuzzy information granulation and support vector machine was put forward. The fluctuation characteristics of road traffic state and the selection principles of traffic parameters were analyzed on the basis of fuzzy theory and time series prediction. The sample data were fuzzed by 15 min time window through the fuzzy information granules, and three sets of time series, including Low, R and Up, were obtained. The support vector machine was used to forecast each set of time series, and the traffic state fluctuation range and variation tendency were obtained. In case studies, in the premise of verification data acquisition segment with similar attributes, the proposed model was used to analyze the fluctuation of traffic state in morning, evening peak periods and peace period, whose results were of high accuracy and could effectively predict the fluctuation of traffic state.

Key words: traffic engineering, traffic state, fluctuation range, fuzzy information granulation, support vector machine

中图分类号:

U491.1+23

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.

LU Baichuan1, 2, LI Xiaolu1, GUO Guilin1, HUANG Lili1. Fluctuation Analysis on Road Traffic State Based on Fuzzy Information Granulation and Support Vector Machine[J]. Journal of Chongqing Jiaotong University(Natural Science), 2017, 36(7): 83-89.

参考文献

［1］刘晓玲，贾鹏，邬珊华，等．基于多维时空参数的道路短期交通状态预测［J］．交通运输系统工程与信息，2011，11(4)：140-146．
LIU Xiaoling, JIA Peng, WU Shanhua, et al. Short-term traffic flow forecasting based on multi-dimensional parameters ［J］. Journal of Transportation Systems
Engineering and Information Technology, 2011, 11(4): 140-146.
［2］董宏辉，贾利民，孙晓亮，等．基于最大熵模型的城市快速路交通状态预测方法研究［J］．交通运输系统工程与信息，2010，10(2)：112-116．
DONG Honghui, JIA Limin, SUN Xiaoliang, et al. Traffic state forecasting towards urban freeway based on the maximum entropy model ［J］. Journal of Transportation
Systems Engineering and Information Technology, 2010, 10(2): 112-116.
［3］刘擎超，陆建，陈淑燕．基于能力区域的交通状态预测方法［J］．物理学报，2014，63(14)：94-101．
LIU Qingchao, LU Jian, CHEN Shuyan. Traffic state prediction based on competence region ［J］. Acta Physica Sinica, 2014, 63(14): 94-101.
［4］钱民，唐克生．基于定性动态概率网络的交通状态预测及改进［J］．云南大学学报(自然科学版)，2012，34(2)：165-168．
QIAN Min, TANG Kesheng. Traffic state prediction and improvement based on qualitative dynamic probabilistic networks ［J］. Journal of Yunnan University (Natural
Sciences Edition), 2012, 34(2): 165-168.
［5］康海贵，莫仁杰，李明伟，等．基于云遗传算法优选的SVR交通量预测模型［J］．武汉理工大学学报(交通科学与工程版)，2013，37(2)：225-229．
KANG Haigui, MO Renjie, LI Mingwei. Urban traffic flow forecasting base on CCLGA algorithm optimizes parameters of SVR ［J］. Journal of Wuhan University of
Technology
(Transportation Science & Engineering), 2013, 37(2): 225-229.
［6］ ZADEH L A. Towards a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic ［J］. Fuzzy Sets and System, 1997, 90(2):
111-127.
［7］ PEDRYCY W. Granular Computing: An Introduction［M］.Dodrecht: Kluwer Academic Publishers, 2003.
［8］彭勇，陈俞强．基于信息粒化的SVM时序回归预测［J］．计算机系统应用，2013，22(5)：163-167．
PENG Yong, CHEN Yuqiang. Time series regression and prediction based on information granulation and SVM ［J］. Computer Systems & Applications, 2013, 22(5): 163-
167.
［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．
HUANG Yanguo, XU Lunhui, KUANG Xianyan. Urban road traffic state identification based on fuzzy C-mean clustering ［J］. Journal of Chongqing Jiaotong University
(Natural Science), 2015, 34(2): 102-107.
［10］史峰，王辉，胡斐，等．MATLAB智能算法30个案例分析［M］．北京：北京航空航天大学出版社，2011．
SHI Feng, WANG Hui, HU Fei, et al. 30 Intelligent Algorithm Case Analysis Based on MATLAB ［M］. Beijing: Beihang University Press, 2011.
［11］田保慧，郭彬．基于时空特征分析的短时交通流预测模型［J］．重庆交通大学学报(自然科学版)，2016，35(3)：105-109．
TIAN Baohui, GUO Bin. A short-term traffic flow prediction model based on spatio-temporal characteristics analysis ［J］. Journal of Chongqing Jiaotong University

编辑推荐

Metrics

阅读次数

全文

467

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	467

来源	本网站	其他网站

次数	189	278
比例	40%	60%

摘要

228

最新录用	在线预览	正式出版

0	0	228

来源	本网站	其他网站

次数	76	152
比例	33%	67%

[1]	唐继强1, 2，钟鑫伟2，刘健1，李天瑞3. 基于时间序列季节分类模型的轨道交通客流短期预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 31-38.
[2]	戚春华，王笑男，朱守林，李航天. 基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 53-60.
[3]	邓天民1，朱杰2，朱凯家1，屈治华3. 基于iForest+Biscting K-means的驾驶风格辨识方法研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 1-6.
[4]	许茂增,张莉. 基于双射软决策理论的路段拥堵影响力识别[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 7-11.
[5]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[6]	张诚1，汪成银1，陈志伟2，张正向3，张子磊3. 基于空间流量度的城市路网关键节点挖掘方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 28-35.
[7]	王永岗，张衡，彭志鹏，周琬琦. 基于结构方程模型的出租车事故影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 36-42.
[8]	朱顺应，李维吉，林小媛，肖文彬，王红. 特色小镇游客车辆无复检管控点布设研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 52-58.
[9]	潘兵宏1,2，胡炜1，任卉1,单慧敏1. 基于TruckSim仿真下弯道货车侧滑速度模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 38-45.
[10]	吴文静，孙刃超，宗芳，贾洪飞. 居民低碳通勤出行的主观态度识别及影响分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 53-58.
[11]	李军，邓育新. 基于非负矩阵分解的出租车时空行为聚类分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 59-65.
[12]	余曼,赵炜华,吴玲,李郁菡. 基于K-均值聚类和支持向量机的电动汽车行驶工况研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 129-139.
[13]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[14]	史天亮，王文光. 信息观和粒子群算法在城市交通拥堵中的研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 19-25.
[15]	贺玉龙1,2，刘磊1,2，迟佳欣1,2. 高速公路车辆换道行为风险研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 26-33.

基于模糊信息粒与SVM的道路交通状态波动分析

Fluctuation Analysis on Road Traffic State Based on Fuzzy Information Granulation and Support Vector Machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics