一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法技术

本发明专利技术公开了一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法，包括如下步骤：1)通过RFID电子车牌数据获取交通流评价参数，包括标准车当量数和平均速度；2)将步骤1)获得的标准车当量数和平均速度作为聚类操作的两个维度，进行聚类操作，获得最佳聚类数目和聚类结果；3)将聚类中心按照纵坐标投影点的取值由大到小排序，对于纵坐标投影点的取值相同的聚类中心点，将其向横坐标进行投影并按照横坐标投影点的取值由小到大进行排序，排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势。本发明专利技术利用标准车当量数代替交通量作为GEFCM聚类算法的维度，可以更好的反映交通拥堵状态，并且相对于传统的模糊C均值算法，运用GEFCM会避免因样本类容量的不同对最终聚类结果的影响，提高聚类的准确性；并解决了聚类中心和具体交通拥堵状态之间匹配的问题。

【技术实现步骤摘要】
一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法
本专利技术涉及交通数据处理
，具体涉及一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法。
技术介绍
RFID技术即射频识别(RadioFrequencyIdentification)技术，其工作原理通过利用无线射频方式进行非接触式双向通信的识别技术，以实现自我识别的功能。RFID技术具有高保密性、读写距离远、可识别如汽车等高速运动的物体、非接触式双向通信等优点，并且能在恶劣的环境下工作。通过将RFID技术与通信技术、互联网技术等相结合，目前大范围应用于物联网、智能交通和商品的防伪等领域。随着社会经济的发展，我国的机动车保有量不断上升，加之人们出行越加频繁，这势必会对道路交通带来一定的压力，从而造成交通拥堵的情况，所以对于交通的合理控制和诱导是缓解交通拥堵的关键所在，其中，交通拥堵状态的获取是交通控制和诱导的基础，因此准确判别交通拥堵状态在交通领域显得至关重要。目前城市道路交通拥堵状态判别主要以自动判别技术为主，随着交通领域的技术理论不断发展和完善，诸如模糊理论、神经网络、跨学科理论等技术被越来越多的运用在交通拥堵判别的研究当中。交通拥堵状态判别以交通流评价参数的合理选取为基础，基于不同类型的样本数据，交通流评价参数选取的种类、难易程度及准确率都会有差异。本专利技术基于RFID电子车牌数据，由于RFID技术在交通领域的优势体现在车辆识别技术快、车辆识别不受天气条件影响、车辆识别信息全面等方面，所以RFID电子车牌数据相对于其他交通流数据更适合作为交通拥堵判别的基础数据。现有的交通拥堵状态判别技术往往是基于各种交通流参数的定量分析，但不同道路的交通拥堵状态会有很大差异，即使在同一时间点也会不一样，因此需要有一种更加普适的方法来判别交通拥堵状态。
技术实现思路
有鉴于此，本专利技术提供一种更普适的基于RFID电子车牌数据的交通拥堵状态判别方法。本专利技术的目的是通过以下技术方案来实现的：一种基于RFID数据的城市路段行程时间预测方法，包括以下步骤：1)通过RFID电子车牌数据获取交通流评价参数，包括标准车当量数和平均速度；2)将步骤1)获得的标准车当量数和平均速度作为聚类操作的两个维度，进行聚类操作，获得最佳聚类数目和聚类结果；3)以平均速度作为纵坐标，标准车当量数作为横坐标，将聚类中心按照纵坐标投影点的取值由大到小排序，对于纵坐标投影点的取值相同的聚类中心点，将其向横坐标进行投影并按照横坐标投影点的取值由小到大进行排序，排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势，然后按照最左状态连续匹配原则匹配聚类中心的交通拥堵状态。进一步，所述步骤1)具体包括如下步骤：11)由RFID采集点采集RFID电子车牌数据，获得一个时间段内所有车辆的交通量和大型车辆的交通量，根据以下公式计算该时间段内的标准车当量数：pcu＝n+n2；其中，pcu表示标准车当量数，n表示所有车型的交通量，n2表示大型车辆的交通量；12)通过下式获计算车辆的平均速度：公式中v表示平均速度，单位是km/h，L表示路段两个采集点之间的距离，单位是米，ti1和ti2分别表示第i辆车通过第一个RFID采集点和第二个RFID采集点的时间，单位是秒，n表示该时间段内所有车型的交通量。进一步，所述步骤2)的聚类算法具体包括如下步骤：21)令聚类中心数目c为2；22)初始化隶属度矩阵uij，初始化时uij的值是[0,1]范围内的随机数值；23)根据隶属度矩阵计算每一个聚类中心ci在每一个维度的数值：公式中m为模糊加权系数，n表示样本数据的数据量，uij为第j个样本属于第i个聚类中心的隶属度，uik为第k个样本属于第i个聚类中心的隶属度，xj表示第j个样本数据；24)根据聚类中心ci计算隶属度矩阵uij：公式中m为模糊加权系数，c为聚类中心数目，ci表示第i个聚类中心，ck表示第k个聚类中心，xj表示第j个样本数据，uij为第j个样本属于第i个聚类中心的隶属度，uis为第s个样本属于第i个聚类中心的隶属度，urs为第s个样本属于第r个聚类中心的隶属度，urj为第j个样本属于第r个聚类中心的隶属度。；25)若目标函数值大于ε则返回第iii步，否则进行第vi步；26)此时在聚类中心数目c下的聚类操作已经完成，令c＝c+1，若c≤2lnn，计算在当前聚类中心数目下聚类结果的邻接矩阵表达形式，该邻接矩阵含义如下：第i行第j列的元素若为1，则表明第i个样本数据和第j个样本数据属于同一类别，在邻接矩阵计算完成之后返回第ii步；若c>2lnn，则进行第vii步；27)此时在所有聚类中心数目下的聚类操作都已完成，统计在每一种聚类中心数目下聚类操作的第vi步中的邻接矩阵，将所有邻接矩阵相加，得到总的邻接矩阵OJ；利用TreeMap来统计聚类中心数目及相应的迭代次数，令TreeMap的键是聚类中心数目，值是迭代次数；将OJ中不为0的值减1，统计当前OJ中连通子图的数目num，判断TreeMap中是否已有为num的键，若没有，将num加入TreeMap中，相应的值为1；若TreeMap中已存在num的键，则将该键的值加1，直到OJ中所有元素都为0为止；28)选取TreeMap中值最大的键作为聚类中心数目，并以该聚类中心数目的聚类结果作为样本数据的聚类结果；若存在值相同的键，则用聚类效果评价指标来判断，分别计算以这些值相同的键为聚类中心数目的情况下的聚类效果评价指标值，选取聚类效果评价指标更小的值下的聚类中心数目作为选定的聚类中心数，聚类效果评价指标的计算公式为：公式中c为聚类中心数目，m为模糊加权系数，n表示样本数据数据量，uij为第j个样本属于第i个聚类中心的隶属度，ci表示第i个聚类中心，ck表示第k个聚类中心，xj表示第j个样本数据。进一步，步骤3)具体包括如下步骤：31)将聚类中心点绘制在分别以标准车当量数和平均速度为横纵坐标的坐标轴上；32)将聚类中心按照纵坐标投影点的取值由大到小排序；33)若存在相同的纵坐标投影值，对于纵坐标投影值相同的聚类中心点，将其向横坐标进行投影并按照横坐标投影值由小到大进行排序，排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势；34)按照最左状态连续匹配原则来识别聚类中心的交通拥堵状态；最左状态连续匹配原则是指：已排序的c个聚类中心总是从左到右、逐一匹配前c个交通拥堵状态TC；交通拥堵状态TC划分成非常畅通、畅通、缓行、轻度拥堵、拥堵、严重拥堵6种，分别对应<TC1,TC2,…,TC6>；35)由聚类中心的交通拥堵状态，则可得所有聚类中心周围所有样本点的交通拥堵状态。由于采用了上述技术方案，本专利技术具有如下的优点：①利用标准车当量数代替交通量作为GEFCM聚类算法的维度，可以更好的反映交通拥堵状态，并且相对于传统的模糊C均值算法，运用GEFCM会避免因样本类容量的不同对最终聚类结果的影响，提高聚类的准确性。②提出了“聚类中心投影点排序”规则和“最左状态连续匹配”的原则解决了聚类中心和具体交通拥堵状态之间匹配的问题。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行本文档来自技高网...

【技术保护点】
1.一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法，其特征在于，该方法包括以下步骤：1)通过RFID电子车牌数据获取交通流评价参数，包括标准车当量数和平均速度；2)将步骤1)获得的标准车当量数和平均速度作为聚类操作的两个维度，进行聚类操作，获得最佳聚类数目和聚类结果；3)以平均速度作为纵坐标，标准车当量数作为横坐标，将聚类中心按照纵坐标投影点的取值由大到小排序，对于纵坐标投影点的取值相同的聚类中心点，将其向横坐标进行投影并按照横坐标投影点的取值由小到大进行排序，排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势，然后按照最左状态连续匹配原则匹配聚类中心的交通拥堵状态。

【技术特征摘要】
1.一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法，其特征在于，该方法包括以下步骤：1)通过RFID电子车牌数据获取交通流评价参数，包括标准车当量数和平均速度；2)将步骤1)获得的标准车当量数和平均速度作为聚类操作的两个维度，进行聚类操作，获得最佳聚类数目和聚类结果；3)以平均速度作为纵坐标，标准车当量数作为横坐标，将聚类中心按照纵坐标投影点的取值由大到小排序，对于纵坐标投影点的取值相同的聚类中心点，将其向横坐标进行投影并按照横坐标投影点的取值由小到大进行排序，排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势，然后按照最左状态连续匹配原则匹配聚类中心的交通拥堵状态。2.根据权利要求1所述的一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法，其特征在于，所述步骤1)具体包括如下步骤：11)由RFID采集点采集RFID电子车牌数据，获得一个时间段内所有车辆的交通量和大型车辆的交通量，根据以下公式计算该时间段内的标准车当量数：pcu＝n+n2；其中，pcu表示标准车当量数，n表示所有车型的交通量，n2表示大型车辆的交通量；12)通过下式获计算车辆的平均速度：公式中v表示平均速度，单位是km/h，L表示路段两个采集点之间的距离，单位是米，ti1和ti2分别表示第i辆车通过第一个RFID采集点和第二个RFID采集点的时间，单位是秒，n表示该时间段内所有车型的交通量。3.根据权利要求1获2所述的一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法，其特征在于，所述步骤2)的聚类算法具体包括如下步骤：21)令聚类中心数目c为2；22)初始化隶属度矩阵uij，初始化时uij的值是[0,1]范围内的随机数值；23)根据隶属度矩阵计算每一个聚类中心ci在每一个维度的数值：公式中m为模糊加权系数，n表示样本数据的数据量，uij为第j个样本属于第i个聚类中心的隶属度，uik为第k个样本属于第i个聚类中心的隶属度，xj表示第j个样本数据；24)根据聚类中心ci计算隶属度矩阵uij：公式中m为模糊加权系数，c为聚类中心数目，ci表示第i个聚类中心，ck表示第k个聚类中心，xj表示第j个样本数据，uij为第j个样本属于第i个聚类中心的隶属度，uis为第s个样本属于第i个聚类中心的隶属度，urs为第s个样本属于第r个聚类中心的隶属度，urj为第j个样本属于第r个聚类中心的隶属度。；25)若目标函数值大于ε则返回第iii步，否则进行第vi步；26)此时在聚...

【专利技术属性】
技术研发人员：郑林江，刘卫宁，刘亚东，孙棣华，赵敏，陈莉，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50