【技术实现步骤摘要】
本专利技术属于智能交通系统、交通状态估计，具体涉及一种基于评价指标改进fcm的高速路交通参数估计方法。
技术介绍
1、交通流理论对于研究道路交通流运行状态及变化规律十分重要，在交通流理论中，主要包含描述交通流特性的参数有交通流量、交通速度和交通密度。对不同时间尺度下的交通参数进行计算与分析对于提高高速公路管控精度非常关键，现阶段的技术可以动态获取交通参数数据，但对于未来的时刻的交通参数难以获取。
2、在现代交通系统管理中，交通状态估计一直是至关重要的任务，传统的交通参数预估计方法常受到误差累积和突发事件的影响，精度有限，fcm(fuzzy c-meansalgorithm，模糊c均值聚类)算法将模糊理论融合于聚类分析，是基于目标函数最优的聚类方法。
3、近年来，受到多学科交叉研究和人工智能技术的推动，基于深度学习的交通参数预测研究受到了人们的关注。其中，双向长短期记忆网络模型能对交通流时序数据进行正反向学习，使隐藏层输出的信息具有更加丰满的时空特征。因此，结合上述方法的优势构造一个交通参数估计模型对交通技术研究具...
【技术保护点】
1.一种基于评价指标改进FCM的高速路交通参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于评价指标改进FCM的高速路交通参数估计方法，其特征在于，步骤S1中，采集高速公路交通数据并对其进行预处理，包括以下子步骤：
3.根据权利要求1所述的改进FCM状态划分的高速公路交通参数动态估计方法，其特征在于，步骤S2中，从断面级、路段级两个尺度下构建交通状态评价指标体系，采用改进FCM算法进行交通状态划分，通过分类数据提高参数估计精度，过程包括以下步骤：
4.根据权利要求1所述的一种基于评价指标改进FCM的高速路交通...
【技术特征摘要】
1.一种基于评价指标改进fcm的高速路交通参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于评价指标改进fcm的高速路交通参数估计方法，其特征在于，步骤s1中，采集高速公路交通数据并对其进行预处理，包括以下子步骤：
3.根据权利要求1所述的改进fcm状态划分的高速公路交通参数动态估计方法，其特征在于，步骤s2中，从断面级、路段级两个尺度下构建交通状态评价指标体系，采用改进fcm算法进行交通状态划分，通过分类数据提高参数估计精度，过程包括以下步骤：
4.根据权利要求1所述的一种基于评价指标改进fcm的高速路交通参数估计方法，其特征在于，步骤s3中，双向长短期记忆网络模型表示为bilstm，构建自适应时间序列分析预测模型，通过引入注意力机制的bilstm，充分提取和挖掘交通流数据中的时空特征，包括以下步骤：
5.根据权利要求4所述的改进fcm状态划分的高速公路交通参数动态估计方法，其特征在于，步骤s31中，对双向长短期记忆神经网络模型从两个方向进行训练并对训练结构进行线性融合，包括正向lstm计算和反向lstm计算，将正...
【专利技术属性】
技术研发人员：芮一康，赵妍，龚燕楠，吴冠文，刘浩宇，陈昱鹏，李林恒，王灿，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。