【摘要】：由于經(jīng)濟的快速發(fā)展,高速公路需求迅速擴大,高速公路的管理面臨著越來越擁堵的車流和大量的實測數(shù)據(jù)資源被浪費的問題,管理層得不到可靠、及時、有效的數(shù)據(jù)支持以及乘客無法及時了解高速公路交通狀態(tài),在一定程度上阻礙了高速公路的發(fā)展。為了滿足與日俱增的高速公路交通需求和經(jīng)濟快速發(fā)展的需求,高速公路的管理需要進一步實現(xiàn)智能化,對高速公路路段的交通狀態(tài)有更加精準的掌控,這首先需要一種對高速公路交通狀態(tài)進行可靠、及時有效的主動檢測方法。影響高速公路交通狀態(tài)的因素有很多,包括人、車、路、外部環(huán)境等因素,基于模糊聚類分析的高速公路交通狀態(tài)識別綜合考慮了以上諸多因素對交通數(shù)據(jù)進行識別,具有良好的交通狀態(tài)辨識能力。另外,由于不同地域的高速公路路段通行能力不同,設(shè)置固定的交通擁擠閥值很難準確描述不同高速公路交通狀態(tài),而基于模糊聚類分析算法的交通狀態(tài)識別方法是對不同高速公路交通狀態(tài)進行分類,具有良好的適應(yīng)性。文中對此方法進行深入的探討。目前針對高速公路的主動檢測設(shè)備有很多,本文根據(jù)多種檢測設(shè)備所得數(shù)據(jù)進行綜合考慮,采用適用性比較強的三種數(shù)據(jù)進行算法識別,然后利用模糊聚類分析方法對目標路段歷史數(shù)據(jù)進行交通狀態(tài)類別的分類得到聚類中心,再利用實測數(shù)據(jù)和聚類中心的歐式距離進行模糊判別得到高速公路實時交通狀態(tài),從而有效挖掘高速公路被閑置的交通數(shù)據(jù),為高速公路管理部門提供可靠、及時的交通狀態(tài)數(shù)據(jù),為乘客出行提供方便的出行決策信息,滿足道路使用者的出行需求。此外,本文針對模糊聚類分析法本身存在的問題,提出利用模擬退火算法和遺傳算法對模糊聚類分析算法進行優(yōu)化。主要的步驟是,首先利用模擬退火算法和遺傳算法對隨機分配的初始聚類中心進行全局尋優(yōu),得到最優(yōu)解的附近值或者近似值,然后將得到的解作為模糊聚類分析算法的初始聚類中心,最后,利用模糊聚類分析算法以經(jīng)過模擬退火和遺傳算法尋優(yōu)得出的聚類中心作為初始聚類中心進行局部尋優(yōu)迭代。實驗證明,本文提出的改進后的模糊聚類算法能夠有效地克服傳統(tǒng)模糊聚類分析算法過度依賴初始聚類中心而導(dǎo)致的結(jié)果不穩(wěn)定、容易陷入局部最優(yōu)等缺點,提高了對高速公路交通狀態(tài)的識別率和及時性,具有一定的實用價值。
【圖文】：

- 8 -圖 1.1 論文技術(shù)路線圖本章小結(jié)首先，闡述了文章的選題背景、意義、目的、目前該領(lǐng)域存在的問題，針對以出本文思路。其次，結(jié)合論文思路確定出本文的分章及每一章節(jié)所要完成的論文內(nèi)容。最后，根據(jù)文章的論文思路和主題內(nèi)容畫出本文的技術(shù)路線圖。

蘭州交通大學(xué)碩士學(xué)位論文2 高速公路交通狀態(tài)識別算法的標準體系的建立2.1 模糊聚類算法交通參數(shù)的選取2.1.1 高速公路基本路段及交通狀態(tài)(1) 高速公路的基本路段由于本文所研究的路段必須要有穩(wěn)定的車流，而高速公路的車流一般在基本路段形成穩(wěn)定的車流。因此，本文以下所說的高速公路路段的交通狀態(tài)識別全部是指針對高速公路基本路段的狀態(tài)識別，高速公路基本路段的描述如下。我國高速公路采取的是全封閉的運營模式，，車流主要依靠進出控制，其組成可分為三個部分：匝道區(qū)、基本路段和交織區(qū)[26]。如圖 2.1 所示。車流在基本路段上形成穩(wěn)定車流且?guī)缀醪皇艿酵獠寇嚵鞯母蓴_，因此，基本路段上交通流的特征參數(shù)間的關(guān)系比較明顯，這個特點方便我們對交通流空間的變化規(guī)律進行研究。
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491

【參考文獻】

相關(guān)期刊論文 前8條

1 錢超;徐娜;許宏科;代亮;李雪;;基于蒙特卡羅模擬的交通狀態(tài)辨識[J];交通運輸系統(tǒng)工程與信息;2014年03期

2 文傳軍;詹永照;柯佳;;廣義均衡模糊C均值聚類算法[J];系統(tǒng)工程理論與實踐;2012年12期

3 董紅召;馬帥;郭明飛;;基于FCM城市區(qū)域道路交通狀態(tài)時空分層判別方法[J];計算機應(yīng)用研究;2012年04期

4 董春嬌;邵春福;熊志華;;基于優(yōu)化SVM的城市快速路網(wǎng)交通流狀態(tài)判別[J];北京交通大學(xué)學(xué)報;2011年06期

5 聶佩林;陳曉翔;佘錫偉;戴秀斌;;基于代價敏感神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)判別[J];公路交通科技(應(yīng)用技術(shù)版);2011年03期

6 肖思和;魯紅英;范安東;宋弘;;模擬退火算法在求解組合優(yōu)化問題中的應(yīng)用研究[J];四川理工學(xué)院學(xué)報(自然科學(xué)版);2010年01期

7 姜桂艷;Q

本文編號：2659470