[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

说明书

本发明属于智能交通技术领域，公开了一种交通状态判别方法、系统、存储介质、计算机设备及应用，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。根据交通雷达自身的特性以及在交通监测方面的优势，将雷达采集到的交通流参数对本发明构建的模型完成验证。实验结果表明：经过验证改进后的FCM算法可以准确快速识别出交叉路口的状态变化情况，并在智能交通系统中得到了应用。

技术领域

本发明属于智能交通技术领域，尤其涉及一种交通状态判别方法、系统、存储介质、计算机设备及应用。

背景技术

目前，随着我国经济的迅猛发展，人民的生活水平逐渐提高，随之而来的是机动车使用率和交通出行量的急速增长，使得交通拥堵等诸多问题日益突出，已经严重阻碍了城市的发展，同时也给社会经济发展带来了巨大损失。因此为了保障快速的通行效率，需对相应路段进行控制，而准确的交通状态判别是制定相适应的交通控制策略的前提。

通过上述分析，现有技术存在的问题及缺陷为：现有算法普遍采用的是单一判别指标和最小欧式距离进行交通状态的判别，且将不同的判别指标视为相等或主观赋予其权重值，导致最终判别模型的准确性并不高；一些学者虽然对于聚类数目的最大取值做出了分析，但是随着样本个数增大，会造成很大的迭代次数，使得在大多数实际问题中对于聚类数目c的取值仍然难以明确规定。

解决以上问题及缺陷的难度为：

1由于交叉路口处车道线宽、人员密集且流动性大，车道中间的金属栏杆和隔离带以及受到沙尘、雨雪天气等因素影响，造成背景噪声大。在构建模型系统时候必须充分考虑与处理。

2传统的FCM的目标函数仅仅适用于单一判别指标，使用多判别指标时候如何合理有效的改进欧式距离使得优化后的FCM目标函数对识别结果的准确度更高是必须克服的困难。

3针对构建模型测试与验证时，所需的计算能力、存储能力等需求更高。

4由于在交叉口处安装了不同规格的车辆检测器等雷达数据采集设备，使得对设备收集到的海量交通数据的分析与处理的难度加大。

解决以上问题及缺陷的意义为：本发明通过构建改进的模糊C均值聚类算法，并通过利用安装在交叉路口的交通雷达获取道路车辆信息，从而验证了该模型的有效性。该模型能够准确及时的识别拥堵，为交通规划与交通诱导奠定了基础，从而改善交通拥堵的状况。例如：交通管理者可根据实时判别结果控制出入口流量，从而减缓拥堵。对于道路使用者而言，驾驶员可以提前了解整条道路的运行拥堵状况，从而为自己的出行做好计划，避免延误。因此对本发明模型的研究是十分有必要的，具有重要的经济效益与社会效益。

发明内容

针对现有技术存在的问题，本发明提供了一种交通状态判别方法、系统、存储介质、计算机设备及应用。

本发明是这样实现的，一种交通状态判别方法，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。

进一步，所述交通状态判别方法聚类数目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。

进一步，所述交通状态判别方法的判别指标权重确定包括：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。