改进FCM的交通状态判别算法
结合经典算法以及交通工程学者的实际调查结果,将速度、流量和占有率作为判别交通状态的特征指标,并作为状态判别算法的输入数据.通过对传统FCM算法进行深入地研究,考虑其挑选初始聚类中心的随机性以及未充分考虑不同属性数据对象贡献差异的缺点,提出了基于K-means算法和特征权重方法的改进FCM算法,并搭建基于Hadoop集群的实验环境.以广州南沙经济开发区作为实际案例,基于Hadoop平台建立仿真实验,对实验数据进行预处理并利用改进FCM算法对历史交通数据进行聚类,并以误判率为评价指标,对比分析K-means、传统FCM以及改进FCM算法的聚类效果.结果显示,改进FCM算法的误判率最低,仅有11.3％,以此证实改进FCM算法对交通数据进行聚类的有效性.
交通状态 模糊C-均值聚类算法 行车速度 交通流量 占有率
王宇俊 田锋 叶道均 樊天翔
深圳市城市交通规划设计研究中心有限公司(深圳市交通信息与交通工程重点实验室)
国内会议
上海
中文
1-12
2017-06-09（万方平台首次上网日期，不代表论文的发表时间）