[发明专利]基于区域检测器的高速公路交通状态评价方法

摘要

本发明涉及基于区域检测器的高速公路交通状态评价方法。本发明运用两种聚类算法结合的方法确定数据的分类中心。将高速公路交通状态分为5类。根据实时数据到5个状态中心的距离判断所属状态。采用区域检测器所得参数通过聚类方法对高速公路交通状态进行定义。区域检测器对车辆在道路上的行驶状态可以更加准确的表征，为高速公路交通运行状态分析提供了更可靠的数据来源，可以更加实时准确地确定高速公路交通状态，进一步为高速公路管理部门提供决策支持。

主权项

1.基于区域检测器的高速公路交通状态评价方法，其特征在于步骤如下：(一)选择区域检测器采集得到的车辆速度V、速度变化ΔV和车流密度K作为表征交通状态的三个特征参数，并先做如下准备工作：(1)对于每一个数据点需要计算两个量即ρ_i和δ_i来刻画聚类中心；ρ_i‑‑第i个样本的局部密度；δ_i‑‑第i个样本点与局部密度高于该点的所有点的距离中的最小值；(2)算法聚类中心的选取S＝{x_i|x_i∈R，i＝I_S}，I_S＝{1，2，...，n}，C_z(z＝1，2，...，k)表示聚类中心；S‑‑样本空间；x_i‑‑第i个样本参数；R‑‑数据总空间；I_S‑‑样本序数空间；C_z‑‑第z个聚类中心；样本x_i与x_j之间的欧氏距离：d_ij‑‑数据点x_i与x_j之间的欧式距离；x_i‑‑第i个样本参数；x_j‑‑第j个样本参数；计算x_i局部密度ρ_i：Gaussian kernel：ρ_i‑‑样本x_i的局部密度；I_S‑‑样本序数空间，I_S＝{1，2，...，n}；d_ij‑‑数据点x_i与x_j之间的欧式距离；d_c‑‑截断距离；(3)数据点x_i的δ_i是点到任何比其密度大的点的距离的最小值；设表示的一个降序排列下标序，即它满足q_t‑‑ρ_i的下标序列；ρ_i‑‑局部密度；定义如下：δ_qt‑‑数据点的δ值；‑‑数据点和数据点的欧式距离；‑‑数据点和数据点的欧式距离；r，t‑‑q的下标序；(4)对于S中的每一数据点x_i，计算出(ρ_i，δ_i)，i∈I_S；给出一种确定聚类中心个数的方法：[0049]γ_i＝ρ_iδ_i i∈I_s   (5)[0050]γ_i‑‑一个将ρ值和δ值综合考虑的量；对进行降序排列，然后从前往后截取若干个数据点作为聚类中心；(2)K‑mean算法输入：簇的数目k以及n个数据对象的数据集；输出：E不变时满足目标函数值最小的k个簇；Step1从给出的n个数据对象中随机选出k个对象作为初始聚类中心来执行；Step2计算数据对象与各个簇的聚类中心的距离，将每个数据对象赋给与其距离最近的簇；Step3重新计算每个新簇的均值，作为新的簇的聚类中心，m_z‑‑表示第z个簇数据对象个数；C_z‑‑表示第z个簇；x‑‑数据对象；Step4计算E值；E‑‑收敛函数；k‑‑簇的数量；‑‑表示簇C_z的聚类中心；C_z‑‑表示第z个簇；Step5直到E不再发生变化时，算法终止；否则转向Step2；(二)进行组合算法：输入：待聚类的n个数据对象的数据集；输出：满足目标函数最小的k个簇；Step1使用计算数据对象欧式距离d_ij，Step2确定截断距离d_c，计算的距离d_ij(i＜j)共有M＝n(n‑1)/2个进行升序排列；设得到的序列为d₁≤d₂≤…≤d_M，取该序列前百分之二的数，利用round函数是按指定的位数对数值进行四舍五入；M‑‑计算得到的欧式距离d_ij(i＜j)的个数；n‑‑数据点的个数；Step3根据式(3)，选择Gaussian kernel来计算并生成其降序排列下标序Step4根据式(4)计算出Step5令γ_i＝ρ_iδ_ii∈I_S，γ值越大，越有可能是聚类中心；γ_i‑‑一个将ρ值和δ值综合考虑的量；Step6确定聚类中心与k的值；C_z‑‑第z个聚类中心；k‑‑聚类中心的个数；Step7计算数据对象与各个簇的聚类中心的距离，将每个数据对象赋给与其距离最近的簇；Step8根据式(5)重新计算每个新簇的均值，作为新的簇的聚类中心；Step9根据式(6)计算E值；Step10直到E不再发生变化时，算法终止；否则转向Step7；(三)状态判定收集实时采集的交通参数，计算数据点到各状态中心的距离，选择距离最小的状态中心为此实时数据点的交通状态；d_z‑‑数据点到第z个状态中心的距离；x‑‑实时的数据点参数；C_z‑‑第z个状态中心。