映区间数据的离散程度；
[0038]区间数据A=[ai，a2]，区间数据A中点
区间数据A半径
[0040]中心化法标准化公式为：
[0042] 其中，X表示区间数据集，X = {Χι，…，Xk，…，Xn}，其样本观测值4 ]# = U…》η)，I 为区间数据集X的均值，S表示区间数据集X的标准差;2['k表示区间下限，&表示区间上限。
[0043] 所述步骤42中所述聚类类别数目交通状态类别，其跟据滞留排队把信号交叉口交 通流运行状态划分为轻度交通状态、适度交通状态、重度交通状态以及过饱和交通状态共 四种交通状态，其中，轻度交通状态的显著特征是绿灯到达率高，每周期内到达车辆在绿灯 时间不能通过交叉口的车辆少于5%;适度交通状态的特征是对公平管理控制的需求，虽然 存在绿灯时间不能通过交叉口的状况，但也没有交叉口某进口道排队会超过其他进口，也 不会影响道路使用者的主观感受;重度交通状态的特征是车辆不能在周期绿灯时间通过交 叉口的情况频繁发生，但滞留排队不会增加，交通需求也没有显著增加;过饱和状态的特征 是不可控的交叉口滞留排队，其随时间不断增长，甚至会产生溢流现象。
[0044] 所述聚类中心Ck,包括均值和区间半径C(R)k两部分：
[0046]其中?7表示区间数据对象乃的中点，&表示区间数据对象乃的半径，Nk表示聚类 类别Pk的数目，Pk表示第k个聚类类别。
[0047]所述步骤44中所述目标函数J:
[0049]其中，K表示K个类别，Nk表示聚类类别Pk的数目，表示点（区间）数据对象， 供Q)表示对象和聚类中心之间的距离。
[0050] 所述步骤5中的判别交叉口运行状态的方法：以信号交叉口交通状态特征向量之 间距离为评价标准，分析交通状态参数所属的聚类类别，从而判断城市道路交叉口运行状 ??τ 〇
[0051] 本发明提供的一种基于区间聚类的城市道路交叉口运行状态判别方法，相比现有 技术，具有以下有益效果：
[0052] 该方法充分考虑交叉口交通流状态参数的不确定性，有效克服了现有方法仅仅采 用状态参数均值无法确切表征因为城市道路信号交叉口交通流受到信号控制以及相交道 路交通流干扰的交叉口运行状态，以及现有采用研究时段内交通参数均值的方法无法表征 交通流运行状态的不确定性等弊端，可有效表征信号交叉口实际交通运行状态，确定不同 类别的交通状态边界，方法具有较高的可靠性、适用性和可操作性特点，对真实全面地反映 信号交叉口交通流的实时运行状态，及时准确地发现拥堵交叉口，提高城市交通管控水平 具有积极的意义。
【附图说明】
[0053] 图1为一种基于区间聚类的城市道路交叉口运行状态判别方法的流程图；
[0054] 图2为实施例的一天内信号交叉口车辆延误均值和区间估计结果；
[0055] 图3为实施例的一天内信号交叉口车辆排队均值和区间估计结果；
[0056]图4为实施例的基于状态参数区间值的交通状态识别结果。
【具体实施方式】
[0057] 下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本 发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种 等价形式的修改均落于本申请所附权利要求所限定的范围。
[0058] -种基于区间聚类的城市道路交叉口运行状态判别方法的流程图，如图1所示，具 体包括以下步骤：
[0059] 1)分析交叉口交通流参数的不确定性，选取交叉口交通状态判别的指标，以延误、 排队长度以及饱和度三参数为交叉口交通状态判别指标。
[0060] 2)饱和度、延误、排队长度均值估计，根据美国道路通行能力手册中城市道路信号 交叉口交通流运行状态参数均值估计的解析方法进行均值估计。其中，饱和度是车道组交 通需求(辆/小时)和通行能力(辆/小时)之间的比值;延误包含了均匀延误和增量延误两个 分量，其中均匀延误为延误的期望值，增量延误可基于饱和度的不同取值表征不同的意义。 均值是均匀延误分量乘以信号协调修正系数与增量延误分量之和，方差是为两类分量方差 之和;平均排队长度包含了第一类排队长度和第二类排队长度两个分量，其中，第一类排队 长度表示了在车辆均匀到达假设下，红灯结束时刻车辆的平均排队长度;第二类排队长度 亦可基于饱和度的不同取值表征不同的意义，在饱和度小于1时，其表示为由于部分周期过 饱和产生的过饱和排队的期望，在饱和度大于1时，其表示为确定的过饱和排队和随机排队 之和的期望。均值是第一类排队长度乘以信号协调修正系数与第二类排队长度之和，方差 可以表示为两类排队长度方差之和。
[0061] 3)延误、排队长度区间估计，交叉口车辆的延误和排队长度服从正态分布，可求得 延误和排队长度在l-α置信水平下的置信区间。其中，延误和排队长度服从正态分布，即
其中，i和g分别表示车辆延误和排队的均值估计 ， 值;车辆延误和排队在l-α置信水平下的置信区间，分别为
[0062] 4)进行区间数据的Κ均值聚类分析；
[0063] 4-1)进行区间数据标准化，采用Hausdorff距离进行区间数据距离度量，根据中心 化法进行数据标准化。其中，Hausdorff距离度量公式为：
[0065] 其中，η维区间向量Χ= (χι，Χ2, ···，χη)τ = ([ai，bi]，[a2，b2]，…，[an，bn] )T，Y= (yi， y2，···，yn)T = ([Μ ,βΟ，[a〗，β2]，···，[αη，βη] )T，区间数据A = [ai，a2]，区间数据A中点
[0066] 中心化法标准化公式为：
[0068] 其中区间数据集集Χ= {Χι，…，Xk，…，Xn}，其样本观测值不Ki,私]，供=1，2,...，《)。式 中，￥为区间数据集X的均值，S表示区间数据集X的标准差，X ' k、标准化后样本观测值 一 Q 的均值为0,标准差为1。
[0069] 4-2)根据聚类类别数目，随机选取K个初始聚类中心&( = 1，2,…，K)。其中，聚类 类别数目，即交通状态类别，据滞留排队把信号交叉口交通流运行状态划分为轻度交通状 态、适度交通状态、重度交通状态以及过饱和交通状态共四种交通状态;轻度交通状态的显 著特征是绿灯到达率高，每周期内到达车辆在绿灯时间不能通过交叉口的车辆少于5%;适 度交通状态的特征是对公平管理控制的需求，虽然存在绿灯时间不能通过交叉口的状况， 但也没有交叉口某进口道排队会超过其他进口，也不会影响道路使用者的主观感受;重度 交通状态的特征是车辆不能在周期绿灯时间通过交叉口的情况频繁发生，但滞留排队不会 增加，交通需求也没有显著增加;过饱和状态的特征是不可控的交叉口滞留排队，其随时间 不断增长，甚至会产生溢流现象。聚类中心C k,由均值和区间半径c(R)k两部分组成：
[0071] 其中式中，f /表示区间数据对象乃的中点七表示区间数据对象乃的半径，Nk表示 聚类类别Pk的数目，pk表示第k个聚类类别。
[0072] 4-3)计算区间数据对象W( = l，2, ···，!〇与各聚类中心Ck( = l，2, ···，!〇之间的距 离，若对象Mj与聚类中心Ci之间的距离最小，那么将该对象归为聚类Pi类；
[0073] 4-4)根据公式计算目标函数J，若J值收敛则聚类结束，当前类别即为最终的分类 类别，转入步骤5);否则，重新计算聚类中心，转入步骤4-3)。其中，目标函数J公式：
[0075] 其中％表示点（区间)数据对象，表示对象和聚类中心之间的距离。
[0076] 5)判别交叉口运行状态。其中，以信号交叉口交通状态特征向量之间距离为评价 标准，分析交通状态参数所属的聚类类别，从而判断城市道路交叉口运行状态。
[0077] 实例
[0078] 本实例的具体条件和计算方法如下。
[0079] (1)以昆山市长江路/同丰路路口北进口道直行车道组为例，选取2012年10月16日 至10月18日3天共288条交通流数据，采集间隔为15分钟，假设该时间段内交通信号控制配 时参数一定，即信号周期为120秒，直行车道组绿信比为0.3,饱和流率为1400辆/小时/车 道。
[0080] (2)对该车道进行饱和度、延误、排队长度均值估计，根据美国道路通行能力手册 中城市道路信号交叉口交通流运行状态参数均值估计的解析方法进行均值估计，一天内信 号交叉口车辆延误和排队长度的变化规律和不确定性特征见下图2和图3。