發(fā)布時(shí)間：2024-10-05 05:07

　　城市道路交通流量的持續(xù)增長(zhǎng)導(dǎo)致交通運(yùn)行狀況逐步惡化,繼而出現(xiàn)了越來(lái)越頻繁的交通擁堵現(xiàn)象。如何準(zhǔn)確、實(shí)時(shí)地識(shí)別交通狀況已成為一項(xiàng)重要的研究課題。交通管理人員借助實(shí)時(shí)、有效的交通狀態(tài)判別技術(shù)能夠充分掌握城市道路的運(yùn)行狀況,通過(guò)相關(guān)平臺(tái)將當(dāng)前交通狀況及時(shí)地發(fā)布出來(lái),就能夠在很大程度上避免交通擁堵現(xiàn)象,從而實(shí)現(xiàn)對(duì)交通的實(shí)時(shí)誘導(dǎo),并提高整個(gè)道路交通網(wǎng)絡(luò)的效率。本文首先研究了常用的交通流參數(shù)特點(diǎn),選取平均交通量、時(shí)間平均速度和時(shí)間占有率作為判別城市道路交通狀態(tài)的參數(shù);通過(guò)對(duì)不同時(shí)間間隔下城市道路流量隨時(shí)間變化圖像的對(duì)比,選擇了5分鐘時(shí)間間隔來(lái)區(qū)分交通狀態(tài)。接著,本文介紹了模糊C均值聚類(lèi)算法(FCM)原理,并提出了用聚類(lèi)有效性函數(shù)來(lái)確定模糊C均值聚類(lèi)算法中最優(yōu)分類(lèi)數(shù)目的取值;接著針對(duì)FCM算法在選擇初始聚類(lèi)中心時(shí)具有隨機(jī)性,導(dǎo)致結(jié)果很容易陷入局部最優(yōu)解、使得算法穩(wěn)定性較差這一問(wèn)題,本文對(duì)傳統(tǒng)的模糊C-均值聚類(lèi)算法(FCM)進(jìn)行優(yōu)化,提出了基于遺傳模擬退火算法(SAGA)改進(jìn)FCM聚類(lèi)算法的城市道路交通狀態(tài)分類(lèi)算法。通過(guò)實(shí)例驗(yàn)證,結(jié)果表明本文提出的SAGA-FCM算法不僅能夠有效地克服FCM算法在初始聚...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1速度-密度直線關(guān)系圖

圖2.1速度-密度直線關(guān)系圖可知，A點(diǎn)是理想狀態(tài)下的自由流速度f(wàn)V，直線A與其相交。這是因?yàn)橹辽儆幸惠v車(chē)以速度在行駛.1也可推算交通量,以點(diǎn)C為例，速度為mV,密度為圖上矩形陰影的面積。lds提出的速度-密度模型只適用于交通流密度適中時(shí)結(jié)果偏差會(huì)很大。度大時(shí)用....

圖2.2交通量-密度關(guān)系圖

吉林大學(xué)碩士學(xué)位論文其它符號(hào)意義同上。型適用于車(chē)流密度很大時(shí)，但模型的缺點(diǎn)是當(dāng)jKK時(shí)通量-密度的關(guān)系式（2.10）和Greenshields提出的公式（2.12）我們可以2(1)()ffjjKKQKVKVVKKK········....

圖2.3交通量-速度關(guān)系圖

圖2.3交通量-速度關(guān)系圖，當(dāng)車(chē)流密度和流量均較小時(shí)，車(chē)速可以達(dá)當(dāng)交通流量隨著車(chē)流密度的增大而增大時(shí)，時(shí)，流量達(dá)到圖中的最大值（C點(diǎn)）；車(chē)流到達(dá)到最大密度jK，此時(shí)的交通流量和速度參數(shù)確定理者、交通研究者、交通規(guī)劃者、交通出行流表征參數(shù)的情況如下[15]：表1.1交....

圖3.5不同聚類(lèi)數(shù)目下的模糊相關(guān)度

圖3.5不同聚類(lèi)數(shù)目下的模糊相關(guān)度上圖3.5可以看出，當(dāng)聚類(lèi)數(shù)目c=3時(shí)，模糊相關(guān)度R(U;c3.6可知，對(duì)于本文實(shí)驗(yàn)數(shù)據(jù)的最佳分類(lèi)數(shù)目應(yīng)取c=3，即本文將城市道路交通狀態(tài)分為三個(gè)類(lèi)別。參考中華人民共布的道路交通信息發(fā)布規(guī)范（GA/T9942017....

本文編號(hào)：4007571