基于模糊聚類分析的高速公路狀態識別研究

何亞龍

摘 要：高速公路交通狀態的識別具有一定的主觀性和模糊性，本文綜合考慮對交通流影響較大的三個因素（流量、速度、占有率（由于密度不好直接測取，所以用占有率代替））的基礎上，提出了基于模糊聚類分析的高速公路交通狀態識別算法。首先對所有的高速公路交通數據進行聚類分析，判別其所屬的交通類別；再用實測數據進行高速公路狀態識別，結果表明該方法能夠有效的對高速公路交通狀態進行識別，具有一定的實際意義。

關鍵詞：模糊聚類分析；交通流數據；交通狀態識別

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

0 引言

隨著近些年高速公路擁擠程度的不斷加劇，利用可靠的交通控制技術緩解交通擁堵已成共識[1]。高速公路獲取了大量的檢測數據，但是目前還缺乏可靠的數據挖掘算法來合理利用這些數據，導致這些數據存在閑置浪費的現象，因此，開發關于高速公路交通狀態信息提取識別的算法是非常有必要的。

國內外的學者對高速公路交通狀態的研究已經取得了很多成果，但是，到目前為止，對于高速公路交通狀態的研究都是把高速公路交通擁擠歸到交通異常事件里，也就是說目前采用的方法多數都是基于交通異常事件檢測原理來研究高速公路交通擁擠的[2]。而高速公路交通狀態的判別本身具有模糊性，傳統的基于交通異常事件的檢測方法已經無法滿足現代交通狀態識別的需求。鑒于此，在交通狀態分類中，利用模糊聚類的方法對高速公路交通流進行分類是比較合理的[3]。

本文將在綜合考慮對道路交通流影響最大的三個參數的基礎上，提出高速公路基本路段的交通狀態識別算法。下面利用某高速公路的實測數據進行了狀態識別實驗，并對算法識別的結果進行分析。

1 高速公路交通狀態識別算法及算例分析

1.1 數據準備

由于本文所采用的FCM模糊聚類算法是對局部數據進行最小尋優算法，因此，本文需要對所測路段進行所有狀態的數據搜集，其中包括了暢通狀態，擁擠狀態和中間的狀態數據[4]。

本文將采用某高速公路基本路段的監測數據，檢測時間是2016年6月7日至2016年6月14日，所檢測的數據里包含有正常工作日6天和節假日2天。所檢測的原始數據包括交通量、速度和占有率。并且為了方便計算數據，采用了車流量比較多的時間段（7：00～20：00）之間的數據進行實驗，總共檢測得到1332個檢測數據，其中檢測的時間間隔是3分鐘。本次實驗將交通狀態分為暢通、平穩和擁擠三個基本狀態。

1.2 交通流數據模糊聚類分析

根據前7d所檢測到的數據通過FCM模糊聚類分析分別得出表示暢通、平穩、擁擠的3種分類的聚類中心：[30.375 80.543 249.320] ，[56.738 15.998 29.897]，[37.978 540.879 19.689] ，其中每個聚類中心的3個數分別表示交通流量、占有率和時間平均速度。

由前7d的數據中隨機抽取5個樣本進行分析，如表1所示，并且對表中的數據進行和結果進行分析。

注：U1、U2、U3分別為暢通、平穩、擁堵3類別的隸屬度。

1.3 交通狀態決策判別

為了識別新測交通數據所反映的交通狀態：根據得到的聚類中心，將第8d所測得的數據作為實測數據進行最小歐式距離原則進行模糊判別，并且隨機抽取5組數據，其中平峰數據3個，高峰數據2個，分別計算到3個聚類中心的歐氏距離，判別結果見表2：

注：D1、D2、D3分別為檢測數據到暢通、平穩、擁堵3類別聚類中心的歐氏距離。

1.4 實驗結果分析

從表1和表2進一步分析可以看出：

（1）運用模糊聚類分析法對高速公路基本路段的交通狀態進行識別是有效的，可以看出在三個參數中，時間平均速度對高速公路交通流的分類影響最大，其次是占有率，交通量的影響最小。

（2）當高速公路的交通流速度較高時（大于70km/h），其交通狀態屬于暢通類別；而當高速公路的交通流速度很低時（小于20km/h），其交通狀態屬于擁擠類別；介于中間的速度范圍時，則需要綜合考慮速度、流量和占有率三個因素進行綜合識別[5]。

（3）單獨用其中的一個或者兩個參數對高速公路交通狀態進行模糊聚類分析是難以判別的，因為同一高速公路交通流量對應的交通狀態有很多中，不確定性比較大。

表2中出現了兩個擁擠狀態判別和三個暢通狀態判別，其中兩個擁擠狀態對應的時間分別為07：28和17：29，這兩個時間點剛好是早高峰和晚高峰的時間點，可見，本文提出的模糊聚類分析法對高速公路交通狀態的識別方法符合實際情況。

2 結束語

本文針對高速公路交通狀態的識別具有模糊性這一特點，提出了運用模糊聚類分析和判別的數學算法來對高速公路基本路段的交通狀態進行分類和狀態識別。首先利用歷史數據得到聚類中心，再根據算得的聚類中心進行基于最小歐式距離原則的交通狀態的判別，最終實現目標路段高速公路交通狀態識別的目的。

通過該算法進行的實驗結果表明，采用模糊聚類和判別分析高速公路基本路段的交通狀態是可行的，能夠有效的反映高速公路的擁堵程度。

參考文獻：

[1]姜桂艷.道路交通狀態判別技術與應用[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]陳德望.基于模糊聚類的快速路交通流狀況分類[J].交通運輸系統工程與信息，2005，5（01）：62-67

[4]于秀林，任雪松.多元統計分析[M].北京：中國統計出版社，1999

[5]皮曉亮，王正，韓皓.基于環形線圈檢測器采集信息的交通狀態分類方法應用研究[J].公路交通科技，2006，23（04）：115-119.

[6]勞云騰，楊曉光，云關萍等.交通狀態檢測方法的評價研究[J].交通與計算機，2006，24（06）：74-77.