基于改进自组织映射神经网络的信号协调控制交叉口群划分方法

摘要：

针对以往研究在路段关联性判断和路网主要流向方面考虑不足,提出了一种基于改进自组织映射神经网络(self-orgniz-ing map,SOM)的信号协调控制交叉口群划分方法.首先,在离散性指标和阻滞性指标的基础上,考虑路网交通流运行的主路径特征引入主路径指标来表征路网交叉口之间路段关联性;其次,为弥补SOM输出结果可能大于实际需求且输出无标签的不足,把SOM中激活神经元权重作为层次聚类的输入,运用层次聚类改进SOM;并根据指标与路段关联性的关系设计关联性判断准则,据此界定交叉口之间路段关联性.最后,根据最大流最小割理论识别路网瓶颈,以瓶颈为基点向外划分交叉口群;并通过算例分析得出,该方法能够有效界定交叉口路段关联性和识别路网瓶颈,对信号协调控制配时优化具有重要基础作用.

关键词：交通工程、网络流理论、Dinic算法、层次聚类、自组织映射神经网络、交叉口群

所属期刊栏目：19

分类号：U491.122(交通工程与公路运输技术管理)

资助基金：国家社会科学基金西部项目17XGL009

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：375-382