基于聚类分析和马尔科夫模型的交通状态预测

论文摘要

在大数据背景下,对数据进行挖掘分析,发现其一般规律,以预测交通状态,从而为交通管理者制定合适的交通诱导与控制策略提供可靠的依据。为了对交通状态进行预测,对路口大量的检测器数据进行分析,选取交通量和时间占有率作为评价指标,采用k均值聚类方法确定各个指标的聚类中心并采用组合赋权的策略以设定各个指标的权重,采用线性分析法确定各个指标的隶属度函数,利用最大隶属度原则的模糊运算得出最终评价结果,实现对交通状态的实时评价。然后基于马尔科夫模型对未来交通状态进行预测。

论文目录

• 1 城市路口交通状态划分
•   1.1 城市路口交通状态判别指标选取
•   1.2 城市路口交通状态分级
• 2 k均值聚类-模糊综合评价
•   2.1 k均值聚类
•   2.2 模糊综合评价法步骤
•   2.3 权重的确定
•     2.3.1 熵值法
•     2.3.2层次分析法
•   2.4 线性分析法确定隶属度函数
•   2.5 最大隶属度原则
•   2.6 马尔科夫模型预测
• 3 实例分析
• 4 结语

文章来源

类型: 期刊论文

作者: 郭骁炜,陈小妮,于泉,孙瑶

关键词: 交通状态,聚类分析,权重,隶属度,聚类中心,马尔科夫模型

来源: 公路 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 中国公路工程咨询集团有限公司,中咨泰克交通工程集团有限公司,北京工业大学北京市交通工程重点实验室

分类号: U491

页码: 304-309

总页数: 6

文件大小: 168K

下载量: 599