基于高斯混合模型聚类算法的交通状态划分

摘要：

为了能够对道路实时交通状态进行有效判别,提出一种利用高斯混合模型聚类算法判别城市道路交通状态的方法.通过同时对高德地图数据平台实时监控和现场数据采集获得道路的速度、流量等判别指标以及交通状态,并且在流量的基础上提出宽裕度判别指标.为防止GMM算法陷入局部最优,运用改进的均值-标准差算法分析预处理数据获得聚类中心,将实验所得聚类中心值代入高斯混合模型进行聚类分析实验,通过匹配矩阵将各算法实验分类结果与实际交通状态值进行对比获得算法的分类精度.结果表明,改进的GMM算法精确率达到98.8％,较未改进的GMM算法精度提高了0.2％,改进GMM算法在精确度和稳定性方面均优于其他几种算法,验证了高斯混合模型对交通数据进行状态判别的有效性.

关键词：交通状态判别、高斯混合模型、聚类分析、数据预处理、聚类中心、匹配矩阵、判别指标

所属期刊栏目：45

分类号：TN911.1-34;U491.1+7

资助基金：国家自然科学基金;留学基金委资助项目;江西省教育厅科技项目

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：168-173