[发明专利]交通状态判别方法、系统、存储介质、计算机设备及应用

权利要求书

1.一种交通状态判别方法，其特征在于，所述交通状态判别方法包括：

通过将有效性问题转化为最佳聚类数目c的取值问题来反向确定c的取值；

根据各个判别指标对交通状态贡献度的不同；

采用主观赋权法与客观赋权法进行组合得到最终判别指标的权重，对FCM算法的欧式距离公式加权来实现对交通状态进行判别。

2.如权利要求1所述的交通状态判别方法，其特征在于，所述交通状态判别方法的聚类数目c的选取将采用CH指标进行计算，CH指标是聚类算法的有效性指标之一，通过将有效性问题转化为最佳聚类数目c的取值问题来反向确定c的取值。

3.如权利要求1所述的交通状态判别方法，其特征在于，所述交通状态判别方法的组合权重的确定使用层次分析法与熵权法组合赋权法得到各判别指标的权重。

w_i＝α×a_i+(1-α)×b_i (1)

使用公式(1)将客观权重对主观权重进行修复，α为组合赋权法的偏好程度，取α＝0.5，得到组合的交通状态评价的排队长度、交通流量、平均速度的权重向量集W＝[0.4233,0.3894,0.184]。

4.如权利要求1所述的交通状态判别方法，其特征在于，所述交通状态判别方法的GA-WFCM算法模型的建立包括：

加权策略

(1)加权后的欧式距离如式(2)所示。

(2)得到目标函数如式(3)所示。

(3)通过求解得到新的隶属度更新公式与聚类中心更新公式。

隶属度迭代如式(4)所示。

聚类中心迭代如式(5)所示。

将获取的雷达数据进行预处理后，通过将判别指标的权值代入加权后的隶属度迭代公式与聚类中心迭代公式中，通过不断迭代上式得到最终的U和V；进而通过判别指标的估计模型得到用于交通状态判别的特征向量。

5.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

通过将有效性问题转化为最佳聚类数目c的取值问题来反向确定c的取值；

根据各个判别指标对交通状态贡献度的不同；

采用主观赋权法与客观赋权法进行组合得到最终判别指标的权重，对FCM算法的欧式距离公式加权来实现对交通状态进行判别。

6.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

通过将有效性问题转化为最佳聚类数目c的取值问题来反向确定c的取值；

根据各个判别指标对交通状态贡献度的不同；

采用主观赋权法与客观赋权法进行组合得到最终判别指标的权重，对FCM算法的欧式距离公式加权来实现对交通状态进行判别。

7.一种实施权利要求1～4任意一项所述交通状态判别方法的交通状态判别系统，其特征在于，所述交通状态判别系统包括：

最佳聚类数据确定模块，用于通过将有效性问题转化为最佳聚类数目c的取值问题来反向确定c的取值；

指标判别模块，用于根据各个判别指标对交通状态贡献度的不同；

交通状态判别模块，用于采用主观赋权法与客观赋权法进行组合得到最终判别指标的权重，对FCM算法的欧式距离公式加权来实现对交通状态进行判别。

8.一种智能交通系统，其特征在于，所述智能交通系统搭载权利要求7所述的交通状态判别系统。