本文關(guān)鍵詞：基于進(jìn)化計(jì)算的交叉口交通流聚類優(yōu)化關(guān)鍵技術(shù)研究　出處：《南京郵電大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 進(jìn)化計(jì)算 遺傳算法 粒子群算法 交叉口交通流 聚類優(yōu)化

【摘要】：交叉口交通路段是當(dāng)前交通擁堵和事故發(fā)生的聚集地,聚類分析常常用于對(duì)這些交通路段進(jìn)行規(guī)劃和分類,但目前實(shí)際采用的聚類算法通常存在對(duì)聚類邊界點(diǎn)的識(shí)別不夠準(zhǔn)確、對(duì)初始聚類中心的選取具有隨機(jī)性等問(wèn)題。為此,本文利用進(jìn)化計(jì)算來(lái)優(yōu)化形成交叉口交通流聚類方案,解決上述問(wèn)題,以提高交叉口交通流聚類分析性能。本文建立面向交叉口交通流聚類的進(jìn)化計(jì)算模型,在此基礎(chǔ)上,選取遺傳算法和粒子群算法分別對(duì)交叉口交通流K-means聚類和密度聚類進(jìn)行優(yōu)化,主要研究工作如下:(1)提出一種基于遺傳算法的交叉口交通流K-means聚類優(yōu)化算法,對(duì)數(shù)據(jù)復(fù)雜的交叉口交通流進(jìn)行聚類。該算法首先將隨機(jī)選取出來(lái)的初始聚類中心作為第一代種群進(jìn)行遺傳操作,將初始種群進(jìn)行二進(jìn)制編碼;然后在初始種群中選擇染色體進(jìn)行交叉、變異操作,由改進(jìn)的交叉算子進(jìn)行下一代種群的選取;最后根據(jù)交叉口交通流聚類特征給出評(píng)價(jià)函數(shù),通過(guò)該評(píng)價(jià)函數(shù)選擇最優(yōu)解。實(shí)驗(yàn)表明,該算法能夠快速地對(duì)交叉口交通流進(jìn)行聚類,有效降低初始聚類選取時(shí)所產(chǎn)生的不必要損耗,提高交叉口交通流聚類的精確度。(2)提出一種基于粒子群算法的交叉口交通流密度聚類優(yōu)化算法,解決交叉口大數(shù)據(jù)量交通流聚類問(wèn)題,首先結(jié)合改進(jìn)的局部異常因子(LOF)算法將差別較大的交叉口進(jìn)行排除;然后根據(jù)初始參數(shù)和MinPts進(jìn)行核心對(duì)象的篩選,將核心對(duì)象的核心距離由高到低進(jìn)行排序,選取初始聚類中心;最后根據(jù)粒子群算法對(duì)初始數(shù)據(jù)進(jìn)行編碼,采用粒子群算法的速度和位置公式來(lái)更新種群。實(shí)驗(yàn)表明,該算法能夠?qū)徊婵诖髷?shù)據(jù)量的交通流進(jìn)行聚類,降低初始交叉口交通流聚類中心選取的錯(cuò)誤率,更好地對(duì)差異性較大的交叉口進(jìn)行識(shí)別。
[Abstract]:Intersection traffic section is the gathering place of traffic congestion and accident at present. Cluster analysis is often used to plan and classify these traffic sections. However, the existing clustering algorithms usually have some problems, such as the identification of the clustering boundary points is not accurate enough, and the selection of the initial clustering center is random. In order to improve the performance of intersection traffic flow clustering analysis, this paper uses evolutionary computation to optimize the traffic flow clustering scheme of intersection to solve the above problems. In this paper, an evolutionary computing model for intersection traffic flow clustering is established. On this basis, genetic algorithm and particle swarm optimization algorithm are selected to optimize K-means clustering and density clustering of traffic flow at intersection. The main research work is as follows: (1) A K-means clustering algorithm for intersection traffic flow based on genetic algorithm is proposed. Firstly, the initial cluster center selected by random is used as the first generation population for genetic operation, and the initial population is coded by binary. Then the chromosomes are selected for crossover and mutation operation in the initial population, and the next generation population is selected by the improved crossover operator. Finally, the evaluation function is given according to the intersection traffic flow clustering characteristics, and the optimal solution is selected by the evaluation function. The experiment shows that the algorithm can cluster the intersection traffic flow quickly. In order to improve the accuracy of intersection traffic flow clustering, an optimization algorithm for intersection traffic flow density clustering based on particle swarm optimization (PSO) is proposed. In order to solve the problem of traffic flow clustering with large amount of data at intersections, the improved local anomaly factor (LOF) algorithm is used to eliminate the intersections with large differences. Then the core objects are filtered according to the initial parameters and MinPts, the core distance of the core objects is sorted from high to low, and the initial clustering center is selected. Finally, the initial data is coded according to particle swarm optimization algorithm, and the speed and position formula of particle swarm optimization algorithm is used to update the population. The experiment shows that the algorithm can cluster the traffic flow with large amount of data at intersection. The error rate of selecting the traffic flow clustering center at the initial intersection is reduced, and the intersection with greater difference is better identified.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U491;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐偉民,熊烈強(qiáng);與車輛跟馳理論統(tǒng)一的一維交通流動(dòng)力模型研究[J];武漢工業(yè)學(xué)院學(xué)報(bào);2001年04期

2 徐偉民,熊烈強(qiáng);與車輛跟馳理論統(tǒng)一的一維交通流動(dòng)力模型研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2002年01期

3 馮蔚東,陳劍,賀國(guó)光,劉豹;交通流中的分形研究[J];高技術(shù)通訊;2003年06期

4 俞潔,楊成斌;交通流理論發(fā)展分析[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

5 楊瑞,李洋,呂文超;城市干路交通流實(shí)施混沌智能控制方法的研究[J];林業(yè)機(jī)械與木工設(shè)備;2004年10期

6 李松;賀國(guó)光;張杰;;基于交通流灰色關(guān)聯(lián)熵的交通流無(wú)序轉(zhuǎn)化研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2010年01期

7 馮蔚東,賀國(guó)光,劉豹;交通流理論評(píng)述[J];系統(tǒng)工程學(xué)報(bào);1998年03期

8 袁振洲,李巍屹;加強(qiáng)動(dòng)態(tài)交通流分配理論與方法研究的論述[J];科技導(dǎo)報(bào);2000年09期

9 張鵬,劉儒勛;交通流問(wèn)題的有限元分析和模擬(Ⅰ)[J];計(jì)算物理;2001年04期

10 王曉原,雋志才,賈洪飛,樸基男;交通流突變分析的變點(diǎn)統(tǒng)計(jì)方法研究[J];中國(guó)公路學(xué)報(bào);2002年04期

相關(guān)會(huì)議論文 前10條

1 張鵬;戴世強(qiáng);劉儒勛;;多等級(jí)交通流中的非線性波及其數(shù)值模擬[A];第十七屆全國(guó)水動(dòng)力學(xué)研討會(huì)暨第六屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議文集[C];2003年

2 戴世強(qiáng);;交通流研究與技術(shù)科學(xué)思想[A];祝賀鄭哲敏先生八十華誕應(yīng)用力學(xué)報(bào)告會(huì)——應(yīng)用力學(xué)進(jìn)展論文集[C];2004年

3 王立鋒;李正熙;;基于車輛跟馳理論的交通流動(dòng)力學(xué)模型與數(shù)值仿真[A];2005年全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2005年

4 王立鋒;李正熙;;基于車輛跟馳理論的交通流動(dòng)力學(xué)模型與數(shù)值仿真[A];2005全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（二）[C];2005年

5 陳建陽(yáng);孫立軍;楊東援;;交通流及其復(fù)雜性研究[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（下冊(cè)）[C];1999年

6 于建玲;關(guān)積珍;劉靜;李軍;王貞君;;交通流的多重分形性質(zhì)與交通擁堵關(guān)系的研究[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

7 鄺華;張國(guó)新;;城市路網(wǎng)四向交通流的時(shí)空斑圖動(dòng)力學(xué)研究[A];第七屆全國(guó)青年計(jì)算物理學(xué)術(shù)會(huì)議論文集[C];2013年

8 李軍;朱雪良;關(guān)積珍;;快速路交通流檢測(cè)器干擾問(wèn)題[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

9 范炳全;李寶強(qiáng);馬春林;童道琴;;高架道路交通流的控制方法[A];西部開(kāi)發(fā)與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第12屆年會(huì)論文集[C];2002年

10 趙慧;于雷;耿彥斌;;國(guó)內(nèi)外實(shí)時(shí)交通流數(shù)據(jù)質(zhì)量控制比較與分析[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（上冊(cè)）[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 張勇;交通流的非線性分析、預(yù)測(cè)和控制[D];北京交通大學(xué);2011年

2 康義容;考慮CPS傳輸可靠性的車車協(xié)同穩(wěn)定性分析[D];重慶大學(xué);2015年

3 鄭偉范;基于相互作用勢(shì)的交通流隨機(jī)行為研究[D];西南交通大學(xué);2016年

4 周旦;城市基本路段混合非機(jī)動(dòng)車交通流特性研究[D];浙江大學(xué);2016年

5 曾瑩;交通流Aw-Rascle模型相關(guān)問(wèn)題的研究[D];上海大學(xué);2014年

6 高坤;從基本圖方法到三相交通流理論[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

7 彭光含;交通流復(fù)雜耦合動(dòng)態(tài)特性模擬研究[D];重慶大學(xué);2009年

8 曹寶貴;交通流復(fù)雜動(dòng)態(tài)特性與交通擁堵問(wèn)題研究[D];吉林大學(xué);2010年

9 李星毅;基于相似性的交通流分析方法[D];北京交通大學(xué);2010年

10 張莉;城市主干道交通流的分形理論與系統(tǒng)模擬[D];東北林業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 萬(wàn)興義;交通流混沌研究初步[D];天津大學(xué);2003年

2 趙培豐;非常規(guī)道路的機(jī)動(dòng)車碳排放數(shù)值模擬分析[D];山東大學(xué);2015年

3 徐曉丹;城市隧道出入口交通流擁擠問(wèn)題研究[D];南京林業(yè)大學(xué);2015年

4 楊江波;基于HMM的短時(shí)交通狀態(tài)預(yù)測(cè)研究[D];太原理工大學(xué);2013年

5 姜茹嫣;基于元胞自動(dòng)機(jī)的信號(hào)交叉口交通流的研究[D];重慶交通大學(xué);2015年

6 張錦龍;高速公路特殊路段交通流仿真研究[D];蘭州交通大學(xué);2015年

7 陸靜曄;基于代理的交通流建模研究[D];南京郵電大學(xué);2015年

8 周悅;基于預(yù)測(cè)控制的道路交通生態(tài)控制方法研究[D];浙江工業(yè)大學(xué);2015年

9 李梅;存在擁堵路段的道路網(wǎng)交通流分配模型及其應(yīng)用研究[D];北京交通大學(xué);2016年

10 肖霞;雙車道交通流動(dòng)力學(xué)模型研究[D];長(zhǎng)沙理工大學(xué);2013年

，

本文編號(hào)：1383222