[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

说明书

本发明涉及一种基于聚类分析和马尔科夫模型的交通状态预测方法。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；根据交通控制中心采集的大量交通流数据，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。本发明适用于实际案例，提高了预测精度。

技术领域

本发明设计智能交通技术领域，尤其涉及基于聚类分析和马尔科夫模型的交通状态预测方法

背景技术

随着经济和科技的不断发展，人们对出行的交通信息要求越来越高，如出行前就知道目前道路的交通状态，以便能选择最有效的交通路线和出行方式，所以，交通控制与诱导系统成为智能交通系统研究的热门核心课题，而实现交通控制与诱导系统的关键问题是实时准确的交通状态预测，即如何有效的利用实时交通数据预测交通状况。关于基于交通参数评价交通状态，较为广泛的是将交通量，速度，交通流密度，车头时距，车头间距，交通占有率等多个交通参数作为评价指标或者基于这些参数计算畅通率，负裕度，停车时间比例等来作为评价指标，进而评价交通状态。但评价指标选取复杂或需要对检测器数据进行处理，计算量较大。

因此，现有技术还有待于改进和发展。

发明内容

鉴于现有技术的不足，本发明目的在于提供基于聚类分析和马尔科夫模型的交通状态预测的方法，旨在解决评价指标选取复杂或需要对检测器数据进行处理，计算量较大的问题。

本发明的技术方案如下：

一种基于聚类分析和马尔科夫模型的交通状态预测方法，其中，方法包括步骤：

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；

根据交通控制中心采集的大量交通流数据，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；

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，研究内容：

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。

权重的确定方法有主观赋权法和客观赋权法，这两种方法各有好坏。因而采用主客观赋权相结合的方法来确定权重，确保权重值计算的精准度。

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