[发明专利]一种基于模糊KNN特征匹配的道路交通服务水平评价方法

说明书

一种基于模糊KNN特征匹配的道路交通服务水平评价方法，建立道路交通特征参考序列，获取不同模态下的道路交通基准数据；提取道路交通训练数据，基于基准数据获取道路交通差值数据，经过阈值化处理获取训练数据的特征；将道路交通服务水平模糊化处理，结合训练数据特征，完成知识库的构建；提取道路交通测试数据；通过KNN特征匹配算法，选取知识库中与测试数据特征距离最近的k个特征，并求出对应的模糊化的服务水平；将k组模糊化的服务水平相加，得出最大概率对应的服务水平，即为当前特征所属服务水平，完成道路交通运行状态评价。本发明实现简单，不需要进行大量复杂的数据计算，可以有效的提高处理速度。

技术领域

本发明属于道路交通服务水平评价领域，涉及道路交通数据的分析与评价，是一种道路交通服务水平评价的方法。

背景技术

随着社会经济的发展，汽车的保有量不断增长，道路交通问题变得更加严峻，必须对道路交通服务水平进行正确地评价，才能够在交通问题发生前对其进行处理，避免交通拥堵、事故等事件的发生，为交通管理部门制定决策提供依据。

目前，道路交通服务水平评价的研究大部分针对交通拥挤展开的。比较成熟的交通服务水平评价指标有连通性、行程时间可靠性和路网容量可靠性。其他交通服务水平评价研究还有交通拥堵评价加权模型、路网整体适应性分析法、空间饱和度指标、路网动态交通流状态估计等。上述研究主要是在路网层面进行研究，没有考虑到单条路段的交通服务水平，而且实现过程较为复杂。

发明内容

为了克服已有道路交通服务水平评价方法的不足，本发明提供一种简化算法、基于模糊KNN特征匹配的道路交通服务水平评价方法。

本发明解决其技术问题所采用的技术方案是：

一种基于模糊KNN特征匹配的道路交通服务水平评价方法，包括以下步骤：

1)建立道路交通特征参考序列，获取不同模态下的道路交通基准数据；

2)提取道路交通训练数据，基于同一模态下的道路交通基准数据，获取道路交通差值数据，经过阈值化处理，获取训练数据的特征；

3)对已有的道路交通服务水平进行模糊化处理，结合训练数据的特征，完成知识库的构建；

4)提取道路交通测试数据，基于同一模态下的道路交通基准数据，获取道路交通差值数据，通过阈值化处理，获取测试数据的特征；

5)通过KNN特征匹配算法，选取知识库中与测试数据特征距离最近的k个特征，并求出对应的模糊化的服务水平；

6)将k组模糊化的服务水平相加，得出最大概率对应的服务水平，即为当前特征所属服务水平，完成道路交通服务水平评价。

进一步，所述步骤1)中，建立道路交通特征参考序列，获取不同模态下的道路交通基准数据，包括如下步骤：

1.1)设计道路交通特征参考序列的结构

设定道路交通状态数据的采集周期是Δt，则道路交通信息模板的时间格式如图1所示。

道路交通特征参考序列的表格式如表1和表2所示。

表1.道路交通特征参考序列信息表

表2.道路交通特征参考序列描述表

1.2)通过相关的数据预处理，建立道路交通运行特征参考序列