基于神经网络的交通状态判别算法研究
随着城市机动车保有量的不断增加,城市交通拥堵问题日益严重,使得智能交通系统得到了广泛应用.在智能交通系统中,准确的交通状态判别对于有效的交通管控具有重要意义.本文利用神经网络建立了交通状态判别模型,状态划分是交通状态判别的基础。在描述道路的交通状态时，经常会用到诸如“比较拥挤”“很拥挤”“流量比较大”“交通状况比较良好”等语言。事实上，这些语言分别对应不同的交通状态系数。所以，应对交通状态进行定量化分，然后将预测的状态值与阈值进行比较，判断其所属得集合，进而确定所反映的交通状态。由于交通拥挤是一个感觉量，既与交通需求和道路通行能力有关，也与人们的主观判断能力有关。因此，对于不同等级的道路，可以规定不同的交通状态阈值作为交通状态判别的标准，对于相同等级的道路，不同地区可以规定不同的阂值，以体现各地区交通管理的不同需求，为了充分发挥交通监控系统所发布信息的作用，同时也考虑区分明显、易于理解、方便操作等因素，本文将交通状态定义为三级:畅通、缓行和拥堵。并利用实际交通流数据对模型效果进行了分析,验证了利用神经网络对交通状态进行判别的可行性和有效性.
交通系统 拥堵状态 判别算法 神经网络
高林 刘英 闫龙云
青岛科技大学自动化与电子工程学院,青岛 266042
国内会议
重庆
中文
993-997
2016-11-16（万方平台首次上网日期，不代表论文的发表时间）