论文部分内容阅读
在城市交通路网中,交叉口是道路关联的重要节点,其运行状态相当重要,交叉口的拥堵情况极易传播到路段上,严重时甚至会波及整个路网,因此,对交叉口交通状态判别方法进行研究,能够为交通管理与控制提供决策依据,那么便能很大程度上的改善目前交叉口交通拥堵的情况,提高交叉口的通行效率。
本文以城市信号交叉口为研究对象,在综述国内外相关研究现状以及信号交叉口基础理论的基础上,对交通流参数特性进行分析,提出了基于GA-FCM算法的信号交叉口交通状态聚类划分方法,建立了基于GRNN算法的交叉口交通状态判别模型。具体工作如下:
①在信号交叉口理论研究方面,概括了交叉口的交通参数以及常用的状态评价指标,分析了交叉口交通状态的影响因素,将饱和度、平均延误、平均排队长度作为信号交叉口交通状态特征参数,通过对比不同采集时间间隔的流量图,确定交通流参数的采集时间间隔为5分钟,然后通过视频拍摄和人工提取的方式获取相关参数,将实测数据与排队论结合详细的分析了交叉口交通流的相似特性,以及信号交叉口的阻滞作用和排队现象,阐述了各特征参数对交通状态的表征作用。
②在交叉口交通状态聚类划分方面,本文采用模糊C均值聚类的方法对交通流参数所表现的状态进行划分,交通状态分类数通过聚类有效性函数确定,将交叉口交通状态分成了畅通流、稳定流、拥挤流、拥堵流四类,针对模糊C均值聚类算法存在的初始聚类中心太过随机,容易收敛到局部极值的问题,采用遗传算法进行优化,通过实例论证,本文所提出的-算法比传统算法收敛速度更快,稳定性更好。
③在交叉口交通状态判别方面,提出了基于GRNN的交叉口交通状态判别模型,为提高模型的判别准确性,使用交叉验证确定GRNN最佳光滑因子。通过实例论证,本文提出的基于GRNN的交通状态判别方法准确率到了94.82%,和BP网络相比,准确率提升了6.88%,证明本文提出的基于GRNN的交叉口交通状态判别方法是可行的。
本文以城市信号交叉口为研究对象,在综述国内外相关研究现状以及信号交叉口基础理论的基础上,对交通流参数特性进行分析,提出了基于GA-FCM算法的信号交叉口交通状态聚类划分方法,建立了基于GRNN算法的交叉口交通状态判别模型。具体工作如下:
①在信号交叉口理论研究方面,概括了交叉口的交通参数以及常用的状态评价指标,分析了交叉口交通状态的影响因素,将饱和度、平均延误、平均排队长度作为信号交叉口交通状态特征参数,通过对比不同采集时间间隔的流量图,确定交通流参数的采集时间间隔为5分钟,然后通过视频拍摄和人工提取的方式获取相关参数,将实测数据与排队论结合详细的分析了交叉口交通流的相似特性,以及信号交叉口的阻滞作用和排队现象,阐述了各特征参数对交通状态的表征作用。
②在交叉口交通状态聚类划分方面,本文采用模糊C均值聚类的方法对交通流参数所表现的状态进行划分,交通状态分类数通过聚类有效性函数确定,将交叉口交通状态分成了畅通流、稳定流、拥挤流、拥堵流四类,针对模糊C均值聚类算法存在的初始聚类中心太过随机,容易收敛到局部极值的问题,采用遗传算法进行优化,通过实例论证,本文所提出的-算法比传统算法收敛速度更快,稳定性更好。
③在交叉口交通状态判别方面,提出了基于GRNN的交叉口交通状态判别模型,为提高模型的判别准确性,使用交叉验证确定GRNN最佳光滑因子。通过实例论证,本文提出的基于GRNN的交通状态判别方法准确率到了94.82%,和BP网络相比,准确率提升了6.88%,证明本文提出的基于GRNN的交叉口交通状态判别方法是可行的。