陈鹏展，余杰杰

(华东交通大学 电气与自动化工程学院,江西 南昌 330013)

随着经济的不断发展、城市化进程的推进，交通拥堵问题逐渐突显出来，关于交通拥堵的研究也逐渐受到重视。刘梦涵等[1]采用Wald检验对行程速度、停车时间、停车次数、延误比和出入口密度这5个代表道路运行状态的自变量进行了筛选，并最终确定以行程速度为自变量，设计了基于累积Logistic回归的道路交通拥堵强度评价模型。He等[2]利用由平均行驶速度和最大允许道路行驶速度组成的速度性能指标将交通状况分为4种情况，再引入路段和道路网拥堵指标，对北京高速公路在春夏秋冬、工作日和休息日、上午和下午等各个时段的拥堵案例进行了分析。Zhang等[3]以城市主干道的交通流量、交通流密度和交通流速度作为基本属性来判别聚类优先级，提出了灰色关联隶属等级聚类算法，来分析城市交通拥堵情况。Khan等[4]提出了CVT-AI方法，通过将联网车辆技术(Connected Vehicle Technology,CVT)和人工智能(Artificial Intelligence,AI)结合，计算道路网络的交通密度，进而评估交通状况。Wang等[5]首先提出了一种拥堵定义，然后将交通拥堵分析作为回归问题处理，并构建了由20个不同场景构成的数据集，利用低级纹理特征和核回归来检测交通拥堵程度，同时通过局部约束距离度量学习来减少不同场景之间的影响。雷斌等[6]设计了一种基于改进的K近邻(K-Nearest Neighbor,KNN)非参数和小波神经网络加权组合模型，以交通流量、车道占有率和平均车速等作为主要特征参数，来预测短时交通流。……