期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
多源数据融合驱动的城市快速路交通状态划分 被引量:4
1
作者 谷远利 杜恒 陆文琦 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第3期213-220,231,共9页
为提升交通状态划分效果,本文提出一种基于负激励项的改进模糊C均值聚类(BNITFCM)交通状态划分模型。该模型在原有FCM(Fuzzy C-Means)模型基础上考虑了交通流样本点权重以及交通流参数权重对聚类效果的影响,并引入隶属度负激励项、交通... 为提升交通状态划分效果,本文提出一种基于负激励项的改进模糊C均值聚类(BNITFCM)交通状态划分模型。该模型在原有FCM(Fuzzy C-Means)模型基础上考虑了交通流样本点权重以及交通流参数权重对聚类效果的影响,并引入隶属度负激励项、交通流权重负激励项、交通流样本点权重负激励项使聚类结果呈现类内高耦合、类间低耦合的特性。在此基础上,对样本点进行加权处理,用加权欧氏距离描述样本点之间的关系。通过拉格朗日乘子法得出模型的迭代公式并通过该迭代公式对模型进行求解。针对大多交通状态划分方法参数特征维度低的问题,本文以经过多源数据融合获得的速度、速度标准差、流量、密度和道路满载度构建高维特征输入。以数值仿真实验检验了BNIT-FCM模型在分类准确性方面的表现,结果表明,BNIT-FCM模型较FCM模型和改进模糊隶属度FCM模型(IFMD-FCM)的ARI(Adjusted Rand Index)分别提升了4.17%和3.56%。以深圳市北环大道卡口和浮动车数据的交通流为研究对象,实验结果表明,BNIT-FCM模型对比FCM模型以及IFMD-FCM模型的轮廓系数分别提升了4.12%和4.07%;同时,BNIT-FCM模型采用多源融合数据的速度及其标准差比单独采用卡口数据和单独采用浮动车数据的速度及其标准差的轮廓系数分别提升了29.67%和54.13%。 展开更多
关键词 城市交通 交通状态划分 改进FCM聚类模型 多源数据 多维特征
在线阅读 下载PDF
交通状态划分的参数权重聚类方法研究 被引量:15
2
作者 张亮亮 贾元华 +1 位作者 牛忠海 廖成 《交通运输系统工程与信息》 EI CSCD 北大核心 2014年第6期147-151,共5页
由于交通流量、速度、占有率或密度等参数在交通状态划分中作用不同,本文提出了基于参数权重聚类的交通状态划分方法.根据交通参数数据的相似性,应用基于加权欧氏距离的相似性度量方法构建了交通参数评价函数,并用梯度下降法极小化评价... 由于交通流量、速度、占有率或密度等参数在交通状态划分中作用不同,本文提出了基于参数权重聚类的交通状态划分方法.根据交通参数数据的相似性,应用基于加权欧氏距离的相似性度量方法构建了交通参数评价函数,并用梯度下降法极小化评价函数对交通参数权重进行求解.将交通参数权重应用于模糊C均值聚类算法(FCM),得到基于参数权重的FCM道路交通状态划分方法.应用提出的模型对选取的实际交通参数数据进行交通状态划分,并与基于欧式距离的FCM状态划分结果对比.研究结果表明,本文提出的方法提高了交通状态划分精度,更接近交通实际运行状况. 展开更多
关键词 城市交通 交通状态划分 参数权重 模糊C均值聚类
在线阅读 下载PDF
基于统计特性的城市快速路交通流状态划分 被引量:42
3
作者 关伟 何蜀燕 《交通运输系统工程与信息》 EI CSCD 2007年第5期42-50,共9页
目前交通流理论研究的主要对象为高速公路,与其相比,城市快速路交通流则具有明显不同的特点.交通科学是一门说证科学,在实证数据的基础上,首先对城市快速路交通流速度概率分布进行了研究,分析了在不同密度条件下速度概率分布的特性.在... 目前交通流理论研究的主要对象为高速公路,与其相比,城市快速路交通流则具有明显不同的特点.交通科学是一门说证科学,在实证数据的基础上,首先对城市快速路交通流速度概率分布进行了研究,分析了在不同密度条件下速度概率分布的特性.在此基础上,在流—密平面中将交通流划分为自由流、谐动流、同步流和堵塞4个稳态相位,并具体讨论了各个相位的性质,定量标定了每个相位的区域范围. 展开更多
关键词 城市快速路 交通流理论 交通状态划分 统计分析
在线阅读 下载PDF
基于多源轨迹数据的城市交通状态精细划分与识别 被引量:18
4
作者 邬群勇 胡振华 张红 《交通运输系统工程与信息》 EI CSCD 北大核心 2020年第1期83-90,共8页
针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确... 针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持. 展开更多
关键词 城市交通 交通状态精细划分 聚类分析 多源数据 交通状态演化分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部