是将样本分为两类的最小目标函数，式2是将样本分为k类的最小目标函数， 若要将η个样品分为k类的最优分割，应建立在将j-1个样品分为k-1类的最优分割基础上 (此处」=1，2,3，...，1〇，即由式1到式2的逐渐类推过程。算法设计过程中不仅考虑类间散 度，还考虑类内散度，增加对时段划分的可靠保障。
[0070] 步骤三(5)、求取最优解：
[0071] 若分类数k(l<k<n)已知，求分类法L[B(n，k)]，使它在目标函数意义下达到最小 的分类情况即为最优解。首先确定最优分类数，求解L[B(n，k)]相邻目标函数值之间的非负 斜率：
[0072]
[0073] 斜率较大时，表示第k类优于第(k-Ι)类，斜率值接近0时表示没有继续分类的必 要，一般取斜率最大处为最优分类数。
[0074] 由上述方法得出的最优分类数k，求得步骤三(4)步骤的公式最小值的分类情况， 获得第k类的分割点jk，即可得第k类G k分类情况;然后依次类推，求取第jk个分割点下的最 小目标函数，得到第k-Ι类Gh，依次求得所有类G^Gh，...，&，&，此即为最优解。
[0075] 步骤四、输出分割点，根据步骤三(5)中的最优解，可得出哪些数据可归为一类，基 于交通流的序列特征，流量数据的划分点可转换为相应时间值，对交通时段进行划分。
[0076] 结合实际路况，一个孤立的交叉口，时段划分越多，信号控制方案越能适应多变的 交通流;但实际路口与路口之间，路段与路段之间，路面区域与区域之间有紧密的联系，不 是孤立的单点，若因时段划分过多而导致配时方案的不断变化，会对相邻路口甚至整个区 域产生不良影响。交通流本身也存在一定的关系，频繁变换配时方案，难以满足较强的适应 性。一般当交通流的变化曲线波动很频繁时，应尽量增加时段的划分数目，反之则减少。曲 线波动的时间长短决定了划分时段区间的长短。
[0077] 交通流是离散随机的系统，为了描述交通流的各种复杂特性，需要在一定的连续 时间段内观测交通流的特征参数，因此，数据采样的间隔选择也起着至关重要的影响。考虑 到检测器精度因素，过短的采样间隔会大大增加检测误差，而过长的间隔无法表现完整的 变化特性。为了对交通时段进行合理正确的划分，本发明提出基于Fisher算法的交通信号 时段划分方法，如图1所示流程图，Fisher算法可实现对对多维样本数据的分割，而本发明 中交通流数据指的是流量数据，因此基于的是Fisher算法针对单维数据的聚类分析，具体 包括如下步骤：
[0078] 步骤一、以常规四岔路况为研究对象，以15min为采样间隔，提取24小时的流量数 据(流量数据数值单位为辆/15min)，如表1所示：
[0079] 表 1
[0080]
[0081]
[0082]
[0083]步骤二、建立数据筛选模型，对原始数据进行预处理，问题类数据清洗修复后与正 常数据合并再保存至数据库。通过对全天候交通流数据的调查，可掌握交叉口全天变化规 律，可以科学地进行时段划分，流程图如图2所示：
[0084]步骤三、将修复后的数据加入Fisher算法中，设计流程图如图3所示，具体实施步 骤如下：
[0085]步骤三（1)、定义类直径:设某一类样本G的原序列为6?={Χη，Χη. . .Xij}，定义其 直径Di为样本离差平方和：
[0086]
[0087]式_
I为均值，知为样本数据的流量特征值。根据表1数据计算 得出如表2所示的类直径数据，即分类的变差矩阵。
[0088] 表 2
[0089]
[0090] 因数据较多，只显示部分数据，类直径越小，表明该分类更集中，区间类的数据划 分为同一类的科学性更高。
[0091] 步骤三(2)、将24小时的数据样本分成k类，样品个数为η:
[0092] Gi={Xii,Xi2,. . . ,Xij}
[0093] G2={X21，X22，· . ·，X2j}
[0094] ···
[0095] Gk={Xki，Xk2，· · ·，Xkj}
[0096] 其中，m，n2,…，nk为k个分割点，且下标满足1 < m<n2<…，nk《n。
[0097] 步骤三(3)、分别计算各自分类情况下的目标函数值：
[0098]
[0099] 当η和k都确定时，L[B(n，k)]越小表示各类的离差平方和越小，即所谓的类内散步 最小，差异最小。
[0100] 步骤三(4)、Fisher算法的核心递推公式：
[0101]
(3)
[0102]
(4；)
[0103] 式1是将数据分为两类的最小目标函数公式，式2是将样本分为k类的最小目标函 数公式。若要将η个样品分为k类的最优分割，应建立在将j-Ι个样品分为k-ι类的最优分割 基础上(此处」=1，2,3，...，1〇，即由式1到式2的逐渐类推过程。
[0104] 步骤三(5)、由步骤三(4)的（3)式中先计算分成两类的目标函数，得出目标函数值 显示到表3中
[0105] 步骤三(6)、由步骤三(4)的（4)式中再计算分成三类、四类，…，（n-1)类的目标函 数，结果显示在表3中。
[0106] 表3
[0107]
[0108] 本发明的步骤三分别计算了将96个数据分成2类、3类、4类、…、95类的最优分割的 目标函数，计算结果列于表3中，因数据较多，实际路况中的交通时段划分的数目不可能太 多，因此只显示分割成2类到15类的目标函数值。目标函数值后面的括弧中的数字，例如表3 的第一个数值180.5(3)，此时j = 3，k = 2,该数据描述的是j个数据分为k类的最优分法，括 弧中的数字3即可作为分割点，3之前的作为一类，即表示对一切形如 样本数据，如欲分成两类，以61={&1，&2}，6 2={&3}的分法为最优情况。
[0109] 步骤三（7)求取最优解，如果能直接从数据结构角度得出最优分类数目，当然最 好，这样由表3即可知道如何划分数据，但绝大数情况下不能确定最优分类数目，此时可作 出L[B(n，k)]随分类数k的变化趋势图，如图4所示：
[0110] 本实施例采用更科学的方法获取最优分类数值，通过计算相邻目标函数的非负斜 率值求取：
[0111]
[0112]步骤三(8)，比较斜率值，确定最优分类数，斜率较大时，表示第k类优于第(k_l) 类，斜率值接近〇时表示没有继续分类的必要，一般取斜率最大处为最优分类数。
[0113]步骤四、根据步骤三(7)和步骤三(8)根据最优分类数输出的分类点，进行时段区 间划分。
[0114] 步骤四（1)、根据最优分类数k以及表3中相应目标函数值括弧中的数据m，确定Gk ，为同一类，即属于同一时段区间；剩余的(m-1)个数据再根据表3中数 据进行划分，依次类推，可以得到最优分类数为k时，96个样品数据的具体分类情况。
[0115] 步骤四（2)，基于最优分割结果对时段进行划分时，对于所划分时段的多少其实没 有严格或者说合理的约定，而上述步骤求解的最优分类数是理想数值;因此，时段划分数又 不宜过多，交通时段划分数一般为4-10个。本实施例中通过计算，将所得分割点转化为时 亥IJ，得到最终的时段划分结果如图5所示。与通常将24h划分为早高峰、平峰、晚高峰三个时 段的传统划分方法相比，本文的划分方法更为细致，高峰段着重体现出过渡、顶峰和下降的 趋势，更能体现出交通流的变化趋势。
[0116] 本实施例的最终效果为:技术人员借助软件将上述方法加载到信号控制系统中， 人性化的操作界面更易于操作人员理解，操作人员还可以凭借丰富经验和实际路况对划分 结果进行优化完善微调，可调整时段区间、增减时段。结果显示，根据本发明的方法得出的 划分结果，是科学且合理的，分段拟合精度高，且方法简单，理论性强，易于接受，可以极大 地缓解拥堵、减少延误。
【主权项】
1. 一种基于Fisher算法的交通时段自动划分的方法，其特征在于，包括如下步骤： 步骤一，采集任意给定采样间隔的交通流基本参数，得到原始数据； 步骤二，对原始数据依次进行筛选、处理和修复预处理，得到预处理数据； 步骤三、通过Fisher算法对预处理数据进行分类，得到最优解和分割点； 步骤四、输出分割点，结合最优分类数目，对交通时段区间进行划分。2. 根据权利要求1所述的基于Fisher算法的交通时段自动划分的方法，其特征在于，所 述的步骤二通过如下步骤实现： 步骤1:对原始数据进行筛选和判别，提取出正常数据； 步骤2:建立问题数据修复模型，对原始数据中的缺失类数据、异常类数据、错误类数据 和冗余类数据进行修复归约，得到修复数据； 步骤3:将修复数据与正常数据进行合并，得到所述的预处理数据。3. 根据权利要求1或2所述的基于Fisher算法的交通时段自动划分的方法，其特征在 于，所述的步骤三包括如下步骤： 步骤1，定义类直径:设某一类样本G的原序列为Gi= {Xu，Xi2-_Xij}，定义其直径Di为样 本离差平方和：式中，，1;为均值，Xij为样本特征值； 步骤2、假设样本(样品个数为η)分成k类： Gi= {Χιι，Χ?2,…，Xij} G2 = {X21，X22，…，X2j} Gk - { Xkl，Xk2，· · ·，Xk j } 其中，m，n2,…，nk为k个分割点，且下标满足1 < m<n2<…，nk《n; 步骤3、定义目标函数为步骤4、根据Fi sher算法的核心递推公式：计算最小目标函数； 步骤5、求取最优解： 若分类数k(l<k<n)已知，求分类法L[B(n，k)]，使它在目标函数意义下达到最小，求 法如下： 首先根据目标函数相邻值计算非负斜率，取非负斜率最大的分类数k为最优分类数;找 最优分类数目k对应的分割点jk，使步骤G的公式数值达最小，即 L[B(n，k)]=L[B( jk_l，k_l)]+D( jk，n) 由上式求得分割成k类的最优情况Gk;然后依次类推，求取第九^个分割点下的最小目标 函数，得到第k-Ι类Gw，依次求得所有类Gk，Gh，…，G2，&，此即为最优解。
【专利摘要】本发明是一种基于Fisher算法的交通时段自动划分方法，该方法包括数据提取与预处理、分割算法设计和时段划分优化设计三个方面，首先，对交通流数据进行提取、清洗筛选和修复归约，改进数据的质量；其次，定义类的直径和这种方法的损失函数，利用Fisher算法的核心递推公式求取最优解，最后根据最优解对交通时段进行划分，可满足不同的路况应用需求。与现有技术相比，本发明的显著优点：方法易实现，精确度高，鲁棒性强，可应用于实际道路交通控制系统中。
【IPC分类】G06Q50/26, G06Q10/04
【公开号】CN105608510
【申请号】CN201511023923
【发明人】高桃桃, 刘建华, 杜云霞, 张新军, 项俊平, 母万国, 程添亮
【申请人】连云港杰瑞电子有限公司
【公开日】2016年5月25日
【申请日】2015年12月31日