基于模糊聚类分析的高速公路状态识别研究

何亚龙

摘 要：高速公路交通状态的识别具有一定的主观性和模糊性，本文综合考虑对交通流影响较大的三个因素（流量、速度、占有率（由于密度不好直接测取，所以用占有率代替））的基础上，提出了基于模糊聚类分析的高速公路交通状态识别算法。首先对所有的高速公路交通数据进行聚类分析，判别其所属的交通类别；再用实测数据进行高速公路状态识别，结果表明该方法能够有效的对高速公路交通状态进行识别，具有一定的实际意义。

关键词：模糊聚类分析；交通流数据；交通状态识别

DOI：10.16640/j.cnki.37-1222/t.2018.06.188

0 引言

随着近些年高速公路拥挤程度的不断加剧，利用可靠的交通控制技术缓解交通拥堵已成共识[1]。高速公路获取了大量的检测数据，但是目前还缺乏可靠的数据挖掘算法来合理利用这些数据，导致这些数据存在闲置浪费的现象，因此，开发关于高速公路交通状态信息提取识别的算法是非常有必要的。

国内外的学者对高速公路交通状态的研究已经取得了很多成果，但是，到目前为止，对于高速公路交通状态的研究都是把高速公路交通拥挤归到交通异常事件里，也就是说目前采用的方法多数都是基于交通异常事件检测原理来研究高速公路交通拥挤的[2]。而高速公路交通状态的判别本身具有模糊性，传统的基于交通异常事件的检测方法已经无法满足现代交通状态识别的需求。鉴于此，在交通状态分类中，利用模糊聚类的方法对高速公路交通流进行分类是比较合理的[3]。

本文将在综合考虑对道路交通流影响最大的三个参数的基础上，提出高速公路基本路段的交通状态识别算法。下面利用某高速公路的实测数据进行了状态识别实验，并对算法识别的结果进行分析。

1 高速公路交通状态识别算法及算例分析

1.1 数据准备

由于本文所采用的FCM模糊聚类算法是对局部数据进行最小寻优算法，因此，本文需要对所测路段进行所有状态的数据搜集，其中包括了畅通状态，拥挤状态和中间的状态数据[4]。

本文将采用某高速公路基本路段的监测数据，检测时间是2016年6月7日至2016年6月14日，所检测的数据里包含有正常工作日6天和节假日2天。所检测的原始数据包括交通量、速度和占有率。并且为了方便计算数据，采用了车流量比较多的时间段（7：00～20：00）之间的数据进行实验，总共检测得到1332个检测数据，其中检测的时间间隔是3分钟。本次实验将交通状态分为畅通、平稳和拥挤三个基本状态。

1.2 交通流數据模糊聚类分析

根据前7d所检测到的数据通过FCM模糊聚类分析分别得出表示畅通、平稳、拥挤的3种分类的聚类中心：[30.375 80.543 249.320] ，[56.738 15.998 29.897]，[37.978 540.879 19.689] ，其中每个聚类中心的3个数分别表示交通流量、占有率和时间平均速度。

由前7d的数据中随机抽取5个样本进行分析，如表1所示，并且对表中的数据进行和结果进行分析。

注：U1、U2、U3分别为畅通、平稳、拥堵3类别的隶属度。

1.3 交通状态决策判别

为了识别新测交通数据所反映的交通状态：根据得到的聚类中心，将第8d所测得的数据作为实测数据进行最小欧式距离原则进行模糊判别，并且随机抽取5组数据，其中平峰数据3个，高峰数据2个，分别计算到3个聚类中心的欧氏距离，判别结果见表2：

注：D1、D2、D3分别为检测数据到畅通、平稳、拥堵3类别聚类中心的欧氏距离。

1.4 实验结果分析

从表1和表2进一步分析可以看出：

（1）运用模糊聚类分析法对高速公路基本路段的交通状态进行识别是有效的，可以看出在三个参数中，时间平均速度对高速公路交通流的分类影响最大，其次是占有率，交通量的影响最小。

（2）当高速公路的交通流速度较高时（大于70km/h），其交通状态属于畅通类别；而当高速公路的交通流速度很低时（小于20km/h），其交通状态属于拥挤类别；介于中间的速度范围时，则需要综合考虑速度、流量和占有率三个因素进行综合识别[5]。

（3）单独用其中的一个或者两个参数对高速公路交通状态进行模糊聚类分析是难以判别的，因为同一高速公路交通流量对应的交通状态有很多中，不确定性比较大。

表2中出现了两个拥挤状态判别和三个畅通状态判别，其中两个拥挤状态对应的时间分别为07：28和17：29，这两个时间点刚好是早高峰和晚高峰的时间点，可见，本文提出的模糊聚类分析法对高速公路交通状态的识别方法符合实际情况。

2 结束语

本文针对高速公路交通状态的识别具有模糊性这一特点，提出了运用模糊聚类分析和判别的数学算法来对高速公路基本路段的交通状态进行分类和状态识别。首先利用历史数据得到聚类中心，再根据算得的聚类中心进行基于最小欧式距离原则的交通状态的判别，最终实现目标路段高速公路交通状态识别的目的。

通过该算法进行的实验结果表明，采用模糊聚类和判别分析高速公路基本路段的交通状态是可行的，能够有效的反映高速公路的拥堵程度。

参考文献：

[1]姜桂艳.道路交通状态判别技术与应用[M].北京：人民交通出版

社，2004.

[2]Coifman B.Identifying the onset of congestion rapidly with existing traffic detectors I JI.Transportalion Research，2003，37（03）：

277-291.

[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（01）：62-67

[4]于秀林，任雪松.多元统计分析[M].北京：中国统计出版社，1999

[5]皮晓亮，王正，韩皓.基于环形线圈检测器采集信息的交通状态分类方法应用研究[J].公路交通科技，2006，23（04）：115-119.

[6]劳云腾，杨晓光，云关萍等.交通状态检测方法的评价研究[J].交通与计算机，2006，24（06）：74-77.