[发明专利]一种基于聚类分析和马尔科夫模型的交通状态预测方法

权利要求书

1.一种基于聚类分析和马尔科夫模型的交通状态预测方法，其特征在于，包括以下步骤：

选择交通量和交通占有率作为城市交叉口交通状态的评价指标；

根据采集的交通流数据，采用K均值聚类的方法对交通量和交通占有率进行聚类分析；

采用熵值法和层次分析法相结合的方法确定交通量和交通占有率的权重集；

根据线性分析法确定交通量和交通占有率的隶属度函数，并得到其隶属度矩阵；

计算模糊综合评价矩阵，根据最大隶属度原则评价现有交通状态；

根据现有交通状态，基于马尔科夫模型预测未来交通状态。

2.根据权利要求1所述的基于聚类分析和马尔科夫模型交通状态预测方法，其中：

选择交通量和交通占有率作为评价指标；

依据路口的交通流特性以及拥堵强度，将路口交通流状态划分为3类:自由交通流，平峰期交通流，拥挤交通流；

k均值聚类步骤

设置聚类数k,求解每个聚类的质心

计算每个样本到k个质心中的各个距离，选取离质心最近距离的样本，将该样本聚类到此质心中

重新计算每个聚类中所有样本的均值，将其作为新的聚类的质心

若质心不变，则过程结束；若质心改变，则重复k均值聚类步骤，直到质心收敛。

3.根据权利要求1所述的基于聚类分析和马尔科夫模型交通状态预测方法，其中：

将熵权法和层次分析法求得的权重进行加权平均求解组合权重，计算公式如下：

W＝αW₁+(1-α)W₂

式中：W₁代表熵权法求得的权重，W₂代表层次分析法求得的权重；α为加权系数，且α∈[0,1]。

4.根据权利要求1所述的基于聚类分析和马尔科夫模型交通状态预测方法，其中模糊综合评价步骤：

假定某交通状态的评价因子交通量是x，其隶属度函数为r_(x)，交通量的隶属度函数为

假定某交通状态的评价因子交通占有率是y，其隶属度函数为r(y),交通占有率的隶属度函数为

得到其隶属度矩阵

求出模糊综合评价集Q,其中M为权重集，R为隶属度矩阵

由最大隶属度原则，max{q₁,q₂,q₃}所对应的下标即为评价对象的最终评价等级；即取q₁,q₂,q₃三者中最大值所代表的交通状态，作为道路交通状态模糊综合评判的最终结果。

5.根据权利要求1所述的基于聚类分析和马尔科夫模型交通状态预测方法，马尔科夫模型步骤：

初始化，历史交通状态作为一组参考依据，统计各交通状态在样本中所占比例，取一个月同一时间30个交通状态作为样本粒子，输入粒子，每个粒子的权值为1/30；

输入粒子后,据步骤中确定每个粒子，即交通状态所占比例，确定每个粒子的先验概率通过马尔科夫模型确定状态转移过程，进而实现

x_k为系统状态理解为系统中k时刻的交通状态，u_k为过程噪声，即转移过程中的误差；

马尔科夫链的具体过程如下:

初始概率的确定

N＝30即样本总个数，M_i为状态i出现的次数，F_i是频数状态转移概率

其中F(x_j|x_i)为频数，M_ij和M_i分别为每一种交通状态的状态个数；根据公式所确定的状态转移概率，确定状态转移矩阵，即

t＝k时刻交通状态的确定

X(t＝k)＝X(t＝k-1)×P。