[发明专利]一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法

说明书

本发明公开了一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法，包括如下步骤：1)通过RFID电子车牌数据获取交通流评价参数，包括标准车当量数和平均速度；2)将步骤1)获得的标准车当量数和平均速度作为聚类操作的两个维度，进行聚类操作，获得最佳聚类数目和聚类结果；3)将聚类中心按照纵坐标投影点的取值由大到小排序，对于纵坐标投影点的取值相同的聚类中心点，将其向横坐标进行投影并按照横坐标投影点的取值由小到大进行排序，排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势。本发明利用标准车当量数代替交通量作为GEFCM聚类算法的维度，可以更好的反映交通拥堵状态，并且相对于传统的模糊C均值算法，运用GEFCM会避免因样本类容量的不同对最终聚类结果的影响，提高聚类的准确性；并解决了聚类中心和具体交通拥堵状态之间匹配的问题。

技术领域

本发明涉及交通数据处理技术领域，具体涉及一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法。

背景技术

RFID技术即射频识别(Radio Frequency Identification)技术，其工作原理通过利用无线射频方式进行非接触式双向通信的识别技术，以实现自我识别的功能。RFID技术具有高保密性、读写距离远、可识别如汽车等高速运动的物体、非接触式双向通信等优点，并且能在恶劣的环境下工作。通过将RFID技术与通信技术、互联网技术等相结合，目前大范围应用于物联网、智能交通和商品的防伪等领域。

随着社会经济的发展，我国的机动车保有量不断上升，加之人们出行越加频繁，这势必会对道路交通带来一定的压力，从而造成交通拥堵的情况，所以对于交通的合理控制和诱导是缓解交通拥堵的关键所在，其中，交通拥堵状态的获取是交通控制和诱导的基础，因此准确判别交通拥堵状态在交通领域显得至关重要。

目前城市道路交通拥堵状态判别主要以自动判别技术为主，随着交通领域的技术理论不断发展和完善，诸如模糊理论、神经网络、跨学科理论等技术被越来越多的运用在交通拥堵判别的研究当中。交通拥堵状态判别以交通流评价参数的合理选取为基础，基于不同类型的样本数据，交通流评价参数选取的种类、难易程度及准确率都会有差异。本发明基于RFID电子车牌数据，由于RFID技术在交通领域的优势体现在车辆识别技术快、车辆识别不受天气条件影响、车辆识别信息全面等方面，所以RFID电子车牌数据相对于其他交通流数据更适合作为交通拥堵判别的基础数据。现有的交通拥堵状态判别技术往往是基于各种交通流参数的定量分析，但不同道路的交通拥堵状态会有很大差异，即使在同一时间点也会不一样，因此需要有一种更加普适的方法来判别交通拥堵状态。

发明内容

有鉴于此，本发明提供一种更普适的基于RFID电子车牌数据的交通拥堵状态判别方法。

本发明的目的是通过以下技术方案来实现的：一种基于RFID数据的城市路段行程时间预测方法，包括以下步骤：

1)通过RFID电子车牌数据获取交通流评价参数，包括标准车当量数和平均速度；

2)将步骤1)获得的标准车当量数和平均速度作为聚类操作的两个维度，进行聚类操作，获得最佳聚类数目和聚类结果；

3)以平均速度作为纵坐标，标准车当量数作为横坐标，将聚类中心按照纵坐标投影点的取值由大到小排序，对于纵坐标投影点的取值相同的聚类中心点，将其向横坐标进行投影并按照横坐标投影点的取值由小到大进行排序，排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势，然后按照最左状态连续匹配原则匹配聚类中心的交通拥堵状态。

进一步，所述步骤1)具体包括如下步骤：

11)由RFID采集点采集RFID电子车牌数据，获得一个时间段内所有车辆的交通量和大型车辆的交通量，根据以下公式计算该时间段内的标准车当量数：

pcu＝n+n₂；