曹 洁 张丽君 侯 亮 陈作汉 张 红

1(兰州理工大学计算机与通信学院 甘肃 兰州 730050)2(甘肃省制造业信息化工程研究中心 甘肃 兰州 730050)

0 引 言

如何准确地对城市路网的交通状态进行识别是智能交通(ITS)的重要研究内容之一[1]。该内容在出行者信息系统(TIS)和交通管理系统(TMS)等ITS子系统中应用较广泛[2]。通过对路网交通状态的识别，可以从全局角度实时反映交通流总体运行状态，对交通控制和交通诱导起着先导作用。

由于交通状态的特性是具有模糊性和不确定性[3]，通常可使用一些交通数据对其变化情况进行定量的说明及反馈。而聚类分析作为一种无监督机器学习算法，能够在没有任何先验知识的情况下实现交通流数据的模式分类[4]。因此，该算法在交通状态识别领域中受到广泛应用。文献[5]在感应线圈所采集到的交通数据基础上，提出一种基于模糊聚类的交通状态判别算法及评价方法；文献[6]结合高速公路拥堵的特点，建立了基于FCM粗糙集的城市高速公路交通状态识别模型。以上方法虽然能够快速识别高速路段和城市路段的交通状态，但对交通流在交叉口处的间断性与复杂性考虑得不够全面。文献[7]通过分析交通流的特征并对交通状态进行划分，提出一种基于FCM聚类算法实时识别交通状态的方法；文献[8]基于大数据驱动技术并结合FCM聚类算法构建了一种交通状态聚类模型。以上方法虽然实现了交通状态的快速识别，但对评价指标在交通状态识别结果中的权重影响问题考虑得不够全面。……