【技术实现步骤摘要】
本专利技术涉及智能交通领域，特别是一种基于聚类的实时交通拥堵预测方法及设备。
技术介绍
1、随着我国经济社会不断发展，道路通车里程数和机动车保有量持续增加，当下随着大数据的发展，针对各类交通场景构建的交通大数据的数据库已经初步完善，从实际情况分析来看，日常生活中，固定时间段的交通拥堵(早晚高峰)以及道路交通事故发生数也呈现增加的趋势，目前我国交通安全形势仍旧十分严峻。
2、利用交通大数据预测道路流量和降低交通事故的研究逐渐受到人们的重视，但是目前的研究往往停留于表面，仅通过一定的车流或者历史数据分析交通拥堵抑或是根据交通路口的特殊地理环境、位置等评估交通事故发生率，其缺乏随时间、态势应变的能力，缺乏智能结合交通大数据的数据库信息的能力，缺乏对实时道路变化以及对事故发生后续处理的分析。因此，如今需要一种能够对关键拥堵路段进行时空特征分析，挖掘拥堵规律，准确识别关键拥堵路段、预测和预警交通拥堵的基于聚类的实时交通拥堵预测方法及设备。
技术实现思路
1、本专利技术的目的在于克服现有技...
【技术保护点】
1.一种基于聚类的实时交通拥堵预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述拥堵指标值采用出行时间指数，其计算式为：
3.根据权利要求1所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述S3采用k-means聚类算法，所述聚类算法包括以下步骤：
4.根据权利要求3所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述S31中的k值通过拐点法、轮廓系数法或间隔统计量法计算。
5.根据权利要求3所述的一种基于聚类的实时交通拥堵预测方法，其特征在于...
【技术特征摘要】
1.一种基于聚类的实时交通拥堵预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述拥堵指标值采用出行时间指数，其计算式为：
3.根据权利要求1所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述s3采用k-means聚类算法，所述聚类算法包括以下步骤：
4.根据权利要求3所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述s31中的k值通过拐点法、轮廓系数法或间隔统计量法计算。
5.根据权利要求3所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述s33中均值μi的表达式为：
6.根据权利要求1所述的一种基于聚类的实时交通拥堵预测方法，其特征在于，所述s3中所述拥堵规律特征的提取包括：提取出经常缓行及拥堵的时段分类、管辖路段和对应的聚类类别，作为拥堵预...
【专利技术属性】
技术研发人员：李晓春，黄丹阳，易术，熊一洁，罗易智，罗超，
申请(专利权)人：四川智能交通系统管理有限责任公司，
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。