申请/专利权人：北京工业大学

申请日：2022-03-31

公开（公告）日：2024-04-05

公开（公告）号：CN114783179B

主分类号：G08G1/01

分类号：G08G1/01;G08G1/08;G06F18/232

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明公开了基于状态矢量的拥堵聚类判别方法，一种基于灰色关联和欧式距离相结合的等级聚类方法来综合评价路段交通拥堵状态。通过对出租车GPS轨迹点数据进行矢量提取来获得车辆的状态矢量序列，进而计算得到各个路段T时间段的交通流速度、车流量和路段状态矢量数量，利用上面三个交通流参数来综合评估每个路段的交通拥堵等级。

主权项：1.基于状态矢量的拥堵聚类判别方法，其特征在于：该方法包括以下步骤：步骤一：收集出租车GPS轨迹数据集和路段交通状态数据集，出租车GPS轨迹数据集的字段包括出租车位置坐标、时间、瞬时速度信息，路段交通状态数据集的字段包括路段名称、交通拥堵等级、路段位置范围信息；步骤二：利用三阶贝赛尔曲线提取到车辆的状态矢量序列；根据状态矢量序列信息计算得到各个路段T时间段的交通流速度、车流量和路段状态矢量数量，交通流速度为道路上车辆的平均速度；车流量为单位时间内通过某一路段的车辆数量；路段上监控车辆的状态矢量数量反映路段交通拥堵状况；路段交通越拥堵，路段状态矢量越多；步骤三：由于单一的指标不足以来描述交通拥堵状态，利用交通流速度、车流量和路段状态矢量数量这三个交通参数，提出一种基于灰色关联和欧式距离相结合的等级聚类方法来综合评估交通拥堵状态；1定义比较序列X＝{Xi|Xi＝Xi1,Xi2,Xi3}，i∈N；Xi表示第i个路段对象，每个对象有三个属性：交通流速度、车流量、路段状态矢量数量；参考序列Y＝{Yi|Yi＝Yi1,Yi2,Yi3}，将交通流属性信息作为参考序列；2从比较序列中提取一组最优序列作为最优参考序列；根据三个交通流指数的特点，最优参考序列定义为X0＝{X01,X02,X03}；由于交通流速度的值越大，道路交通越畅通；因此X01定义如下：X0j＝maxXiji∈N,j＝11由于车流量越小，道路交通越畅通；因此X02定义如下：X0j＝minXiji∈N,j＝22由于路段状态矢量数量值越小，道路交通越畅通；因此X03定义如下：X0j＝minXiji∈N,j＝333由于不同交通流参数单位不同，根据不同交通流参数的特点将范围缩小为0,1；交通流速度归一化处理如下： 车流量和路段状态矢量个数归一化处理如下： 归一化得到p+1个矩阵，将p+1个矩阵命名为：A0,A1,...,Ap； 4分别计算最优参考序列X0和比较序列集Xi的灰色关联度和欧式距离；同样，当Xi为参考序列，Xj为比较序列，可以计算Xi和Xj的灰色关联度γij和欧式距离dij；灰色关联度计算公式为： 欧式距离计算公式为： 5根据灰色关联度计算得到灰色关联相似矩阵G，其中矩阵元素gij＝γij+γji2；将欧式距离矩阵每一行元素进行归一化，欧式距离值越大，说明在位置上间隔越远，相似度越低，根据这一特点对欧式距离进行归一化； 6基于灰色关联相似矩阵和欧式距离矩阵构造了一种新的相对贴近度sij，得到贴近度矩阵S，基于最优参考序列得到的贴近度矩阵为S0；贴近度计算公式为：sij＝α*gij+β*dij11步骤四：根据贴近度构造了最大相似树；基于S0获得Xi和Xj的贴近度，进一步构造带有贴近度的最大相似树；步骤五：建立决策表系统，计算各个聚类成员的信息熵；信息熵权重Ich,D计算公式为：Ic,D＝HD-HD|{c}12 其中，i＝1,2,...k，k为聚类数；RCi表示聚类成员c的第i个聚类，|RCi|表示第i个聚类结果中路段的数量，|X|＝n；信息熵权重Ic,D表示集群成员c对于决策结果D的重要程度；步骤六：计算聚类成员的相对权重，设Eh＝Ich,D，则每个集群成员的相对权重为： 步骤七：根据相对权重计算每个路段对象Xi在每个聚类等级j中出现的概率选择概率最大的聚类等级LevelXi； 步骤八：最终的聚类结果C＝{C1,C2,...,Ck}，Ck包括所有路段对象中拥堵等级为k的路段；Ck＝{Xi|LevelXi＝k,Xi∈X}20聚类等级对应道路交通拥堵程度等级，k＝1表示道路交通拥堵状态为畅通；步骤九：构造能同时反映出类内距离和类间距离的准则函数，获取到类的隶属度等级；隶属度函数描述如下：SXY表示路段对象X与路段对象Y的贴近度，C的类内紧凑度为SwC为： C的类间分离度为SBC为： 因此，隶属度函数为：VSC＝SwCk+SBCk23道路交通拥堵最优聚类结果从数值上反映为隶属度函数取得最大值。

全文数据：

权利要求：

百度查询： 北京工业大学 基于状态矢量的拥堵聚类判别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD