[发明专利]一种高速公路交通状态判别方法及系统

权利要求书

1.一种高速公路交通状态判别方法，其特征在于，包括：

获取高速公路交通流运行状态的历史参数数据；

根据所述历史参数数据及预设分类数量，采用模糊聚类算法建立交通流参数模糊聚类中心模型；

根据所述交通流参数模糊聚类中心模型，确定所述预设分类数量的交通状态聚类中心；

获取高速公路交通流运行状态的实时参数数据；

根据所述实时参数数据和所述交通状态聚类中心，利用最小距离分类法获得距离所述实时参数数据最小的交通状态聚类中心；

根据距离所述实时参数数据最小的所述交通状态聚类中心，确定所述实时参数数据所属的交通状态聚类为距离所述实时参数数据最小的所述交通状态聚类中心所在的交通状态聚类。

2.根据权利要求1所述的一种高速公路交通状态判别方法，其特征在于，所述高速公路交通流运行状态的历史参数数据，包括：第一流量，第一时间平均速度，第一时间占有率；所述高速公路交通流运行状态的实时参数数据，包括：第二流量，第二时间平均速度，第二时间占有率。

3.根据权利要求1所述的一种高速公路交通状态判别方法，其特征在于，包括：

获取高速公路交通流运行状态的历史参数数据；

根据所述历史参数数据及预设四个分类，采用模糊聚类算法建立交通流参数模糊聚类中心模型；

根据所述交通流参数模糊聚类中心模型，确定四个交通状态聚类中心；所述四个交通状态聚类中心包括畅通聚类中心，平稳聚类中心，拥挤聚类中心，阻塞聚类中心；

获取高速公路交通流运行状态的实时参数数据；

根据所述实时参数数据和所述四个交通状态聚类中心，利用最小距离分类法获得距离所述实时参数数据最小的交通状态聚类中心；

根据距离所述实时参数数据最小的所述交通状态聚类中心，确定所述实时参数数据所属的交通状态聚类为距离所述实时参数数据最小的所述交通状态聚类中心所在的交通状态聚类。

4.根据权利要求3所述的一种高速公路交通状态判别方法，其特征在于，所述采用模糊聚类算法建立交通流参数模糊聚类中心模型，是指采用FCM算法建立交通流参数模糊聚类中心模型，具体包括：

初始化参数，定义V⁽⁰⁾＝{v₁,v₂,v₃,v₄}，ε＞0，t＝1，T_max，其中V⁽⁰⁾为交通流参数模糊聚类中心，v₁为畅通聚类中心，v₂为平稳聚类中心，v₃为拥挤聚类中心，v₄为阻塞聚类中心，ε为循环截止误差，t为循环次数，T_max为最大循环次数；

利用公式计算隶属度矩阵；其中u_ij为隶属矩阵，c为预设分类数量，c＝4，m∈[1,∞),1≤i≤4,1≤j≤n；u_ij∈[0,1],(d_ij)²＝||x_j-v_i||²，d_ij表示样本点x_j与聚类中心v_i的欧氏距离；

利用公式计算聚类中心；

判断||V^(t)-V^(t-1)||≤ε是否成立，其中V^(t)为第t次迭代获得的聚类中心矩阵，V^(t-1)为第t-1次迭代得到的聚类中心矩阵，ε为收敛截止误差，上式成立循环终止，确定V^(t)为最优聚类中心矩阵；不成立执行下一步骤；

判断t是否大于或等于T_max，成立循环终止，确定V^(t)为最优聚类中心矩阵；不成立执行下一步骤；

循环次数t加1，执行步骤利用公式计算隶属度矩阵。