[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

摘要

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。

主权项

1.一种基于模糊KNN特征匹配的道路交通服务水平评价方法，其特征在于：所述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，其一般表达式如下：其中，M_gh为模态；Δt为道路交通状态数据的采集周期；(m*Δt)为第m个道路交通状态数据采集周期，0≤m≤N，N表示每天采集的交通信息的条数；表示(m*Δt)时刻的训练数据；表示(m*Δt)时刻的基准数据；S(m*Δt)表示(m*Δt)时刻训练数据与基准数据的差值数据；表示模态M_gh下、Δt到(m*Δt)时段训练数据和基准数据的差值数据；表示阈值；表示模态M_gh下、Δt到(m*Δt)时段阈值处理后的差值数据，即为训练数据的特征；表示交通状态数据与特征的映射法则；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。