【技术实现步骤摘要】
本专利技术属于智能交通系统领域，具体涉及一种基于高斯混合模型的实时交通状态评估方法。
技术介绍
作为智能交通系统(Intelligent Transportation System，ITS)的核心内容之一，智能交通状态实时判别一直是智能交通系统研究的热门课题。实时交通状态研判的实现能有效地缓解交通堵塞、减轻环境污染，提供高效、安全的道路通行状况。这些实现的前提和关键是能够对实时交通状态进行评估。经对现有技术的文献检索发现，目前对交通状态研判方法主要包括两类：基于交通流模型和基于机器学习和数据挖掘的算法。在交通状态态势评估的两类方法中，基于交通流模型依据交通流理论，使得研判的结果可解释性强，该方法运算量较大，难以用于实时评估。基于机器学习和数据挖掘的交通状态研判方法，可计算性强，但容易受到数据本身分布的影响，致使交通状态研判结果只代表数据本身的统计特性，而缺乏交通理论的解释。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种拥有较高的热力学效率，减少换热过程中的损失的基于高斯混合模型的实时交通状态评估方法。为解决上述技术问题，本专利技术提供了一种基于高斯...
【技术保护点】
一种基于高斯混合模型的实时交通状态评估方法，其特征在于，包括如下步骤：步骤1，采用指数平滑法分别对交通数据进行平滑处理；步骤2，采用高斯混合模型对平滑处理过的交通数据进行聚类分析并分类；步骤3，利用线性回归方法对交通数据进行回归分析得到的直线，直线用于将交通数据进行划分；步骤4，利用采用高斯混合模型和回归分析得到的直线对实时采集的交通数据进行实时评估。
【技术特征摘要】
1.一种基于高斯混合模型的实时交通状态评估方法，其特征在于，包括如下步骤：步骤1，采用指数平滑法分别对交通数据进行平滑处理；步骤2，采用高斯混合模型对平滑处理过的交通数据进行聚类分析并分类；步骤3，利用线性回归方法对交通数据进行回归分析得到的直线，直线用于将交通数据进行划分；步骤4，利用采用高斯混合模型和回归分析得到的直线对实时采集的交通数据进行实时评估。2.根据权利要求1所述的基于高斯混合模型的实时交通状态评估方法，其特征在于，步骤1中，交通数据为历史占有率和流量数据。3.根据权利要求2所述的基于高斯混合模型的实时交通状态评估方法，其特征在于，步骤1中，采用指数平滑法分别对交通数据进行平滑处理：s(t)＝ax(t)+(1-α)s(t-1)其中，x(t)为t时刻的原始采集数据，s(t-1)为t-1时刻的平滑后的数据，s(t)为t时刻的平滑后的数据，α为平滑因子，取值范围在0到1之间。4.根据权利要求1所述的基于高斯混合模型的实时交通状态评估方法，其特征在于，步骤2中，采用高斯混合模型对平滑处理过的交通数据进行聚类分析并分成自由流、准自由流、拥挤流三种类型；其中各成分高斯分布的占有率平均值最小的类别对应自由流，占有率均值最大的类别对应拥挤流，占有率均值居中的类别对应准自由流。5.根据权利要求4所述的基于高斯混合模型的实时交通状态评估方法，其特征在于，步骤3中，利用线性回归方法对交通数据进行回归分析，将拥挤流划分为同步流和阻塞流。6.根据权利要求1所述的基于高斯混合模型的实时交通状态评估方法，其特征在于，步骤4包括：步骤4.1，采集实时的占有率和流量数据的向量x，利用实时数据占有率和流量数据的向量x计算该实时的占有率和流量数据属于不同交通类别的隶属度γ(k)： γ ( k ) = π k N ( x | μ k , ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。