高艳艳，陈秀锋，曲大义，陈 伟

(青岛理工大学 机械与汽车工程学院，青岛266525)

随着我国经济水平的提高，汽车保有量迅速增加，城市交通拥堵接踵而至。及时、准确地提供道路交通状态信息，出行者可以根据有效信息选择合适的交通工具以及出行时间点；交通组织者可以获取实时道路交通状态，采取交通控制和诱导对策，从而有效提高城市出行效率，缓解路网交通拥堵。

目前，交通状态判别主要从两方面开展：判别指标、判别方法。城市道路交通状态的判别指标主要有流量、速度、占有率、密度和平均延误等[1-3]，关伟等[4]对不同密度下的交通速度分布特性进行综合分析，最终把一个城市道路交通流划分为4种状态；戴学臻等[5]选取的判别指标为车辆平均行程车速、道路网延误时间比，利用集对化的分析方法与三角模糊化函数方法进行实时耦合，构建了城市道路交通运行状态识别模型；黄艳国等[6]选择了3个样本数据信息：流量、速度、占有率，并明确提出了一种道路交通运行状态实时化的判别分析方法，这种判别方法采用的是模糊C均值聚类算法。K-means聚类算法是判断城市道路状况最常用的方法之一，然而，由于聚类数的确定难度大，对初始聚类中心选择更是无统一标准，最终导致交通状态判别结果与实际城市交通状态不相匹配，这就需要对聚类数和聚类中心进行优化。针对这些问题，FAYYAD U等[7]明确提出选择多次迭代来更新采样数据以获得初始值，从而解决K-means算法严重依赖于初始聚类中心选择的问题；……