基于fcm的城市快速路交通状态动态识别研究

基于fcm的城市快速路交通状态动态识别研究

ID:33992406

大小:7.05 MB

页数:66页

时间:2019-03-03

基于fcm的城市快速路交通状态动态识别研究_第1页
基于fcm的城市快速路交通状态动态识别研究_第2页
基于fcm的城市快速路交通状态动态识别研究_第3页
基于fcm的城市快速路交通状态动态识别研究_第4页
基于fcm的城市快速路交通状态动态识别研究_第5页
资源描述:

《基于fcm的城市快速路交通状态动态识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、国内图书分类号:U491国际图书分类号:西南交通大学研究生学位论文密级:公开年级2Q!Q级姓名量童申请学位级别理堂亟±专业廑且数堂指导老师昱建压数援二零一三年2—1.月一令一二,半月ClassifiedIndex:U491U.D.C:SouthwestJiaotongUniversityMasterDegreeThesisDYNAMICDISCRIMINATIONOFURBANFREEⅥ州TRAfFICSTATEBASEDONFUZZYC.MEANSGrade:2010.Candidate:Yu

2、eLiAcademicDegreeAppliedfor:MasterDegreeSpeciMi够:AppliedmathematicsSupervisor:Prof.WuJian-leMay.2013西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部内容或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论

3、文。本论文属于1.保密口,在年解密后适用本授权书;2.不保密∥使用本授权书。(请在以上方框内打“寸’)学位论文作者签名:瑶/’L_.日期.矽/≥每岁l

4、cl猢‘指导西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下:根据城市快速路特性,用模糊C均值聚类算法对城市快速路交通流进行交通状态识别。针对传统模糊C均值聚类的不足,对其进行了改进。首先,利用减法聚类对FCM进行初始化。得到最大聚类数c一、相应的聚类中心作为FCM算法的初始值;其次,从有效性角度对参数m赋值,

5、采用Xie.Beni指标动态确定最佳聚类;再次,用MATLAB编程语言实现对北京市快速路交通数据的分类,对分类数目的结果给出排序,可供人们根据实际情况选择最佳的交通状态聚类数,而不是只看理论数据;最后,以北京市快速路的交通数据将原算法和改进算法进行误判交叉估计,对算法进行验证,结果显示,原算法误判率为14.8%,改进后的算法误判率为5.2%。本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得成果。除文中已经注明引用内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。

6、对本文的研究做出贡献的个人和集体。均己在文中做了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名瑶£.日期:训埤明砌.西南交通大学硕士研究生学位论文第1页摘要由于人类社会的不断发展,城市不断扩张,社会经济飞速发展,城市交通问题成为全球性问题。恰当分析道路交通,掌握实时的交通信息,不仅是交通管理者及时了解路网运行情况、及时消散突发性堵塞的基本途径,也使对交通参与者进行诱导逐渐成为可能和必要,使其避开交通拥堵、减少不必要的路上时间消耗,从而改善路网运行状况、提高道

7、路有效使用率。现在我国很多大中城市已经具备一定规模的交通信息采集系统,采集了大量的交通数据。因此,如何从大量的交通数据中提取有用的交通信息,对交通状态进行实时的识别具有一定的研究价值。目前,城市交通绝大部分是由占城市路网主导地位的城市快速路承担,城市路网的交通状态和出行质量很大程度上是由快速路交通状态反应出来的。本文以数据信息采集系统测得的实际数据,对分类和识别快速路交通状态的方法进行研究。主要内容有以下几点:第一,分析和选择了影响城市快速路交通流的特征参数;对城市快速路交通流数据的采集和预处理

8、进行了研究;并根据实际采得的交通数据对交通流进行了时间特性分析,为交通状态的分类和识别提供了理论支持和数据基础。第二,针对城市快速路交通状态具有模糊性、随机性、不确定性的特点,在总结分析了前人运用模糊聚类分析进行交通流状态判别之后,研究基于FCM的城市快速路交通状态判别方法,解决了FCM算法对初始聚类中心过于敏感的问题、确定了最佳聚类数、权重系数m的取值。最后,论文运用MATLAB语言实现改进FCM算法与传统FCM算法对微波传感器测得的实际交通流数据进行分类,根据聚类有效性函数取值的大小,对不同

9、分类数得到的结果进行排序,可供人们根据实际情况选择最佳的分类数,而不是只看理论值。利用分类所得的各个交通状态聚类中心对未分类的一个检测点的交通流数据进行交通状态识别。最后,利用误判率交叉识别方法检验算法误判率,并与传统的FCM算法相比较。结果表明,在交通状态识别方面,论文研究的算法识别率高于传统FCM算法,可信度较高。关键词:快速路;交通状态识别:减法聚类;模糊C.均值聚类;聚类有效性AbstractDuetothecontinuousdevelopmentofhumansociety,Urba

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。