r>[0081] (3)对延误、排队长度进行在80%置信水平下(α取0.2，Ζα/2 = 1.3)的区间估计，详 见图2和图3所示。
[0082] (4)进行区间数据的Κ均值聚类分析，进行区间数据标准化，采用Hausdorff距离进 行区间数据距离度量，根据四个聚类类别数目Pi，即轻度交通状态、适度交通状态、重度交 通状态以及过饱和交通状态，随机选取K个初始聚类中心&，计算区间数据对象W与Ck之间 的距离，若对象W与聚类中心(^之间的距离最小，那么将该对象归为聚类Pi类;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；否则，循环计算聚类 中心直至聚类完成。
[0083] 基于状态参数区间值的K均值聚类分析最终聚类中心见下表1:
[0084]
[0085] 表 1
[0086] 表1表示基于状态参数区间值的K均值聚类分析最终聚类中心。
[0087] (5)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，如图4所示。
[0088] 由上述可知，本发明以城市道路信号交叉口为研究对象，以饱和度、延误和排队长 度作为信号交叉口状态参数，以状态参数均值和区间值作为输入数据，在传统K均值聚类方 法的基础上，实现了区间数据的聚类分析，构建了基于多状态参数区间值的城市道路信号 交叉口交通流运行状态识别方法。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。
[0089]以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种基于区间聚类的城市道路交叉口运行状态判别方法，其特征在于，包括如下步 骤： 步骤1，根据交叉口交通流参数的不确定性，选取延误、排队长度W及饱和度Ξ参数作 为交叉口交通状态判别指标； 步骤2,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 估计的解析方法对步骤1中选取的延误、排队长度W及饱和度Ξ参数进行均值估计； 步骤3,根据交叉口车辆的延误和排队长度均服从正态分布的特点，对步骤2得到的延 误和排队长度求其在1-α置信水平下的置信区间； 步骤4,对步骤3得到的延误和排队长度的置信区间进行Κ均值聚类分析； 步骤5,根据步骤2得到饱和度和步骤4对延误和排队长度的置信区间进行Κ均值聚类分 析的结果判别交叉口运行状态。2. 根据权利要求1所述的基于区间聚类的城市道路交叉口运行状态判别方法，其特征 在于:所述步骤1)中， 饱和度是车道组交通需求和通行能力之间的比值； 延误包括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； 平均排队长度包括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。3. 根据权利要求1所述的基于区间聚类的城市道路交叉口运行状态判别方法，其特征 在于:所述步骤3中交叉口车辆的延误和排队长度服从正态分布：其中，d表示车辆延误，Ν表示正态分布，石表示车辆延误均值估计值，化r(d)表示延误的 方差，Q表示车辆排队长度，这表示车辆排队的均值估计值，化r(Q)表示排队长度的方差； 所述步骤3中延误和排队长度求其在1-α置信水平下的置信区间：其中，Ζα/2为正态分布分位点。4. 根据权利要求1所述的基于区间聚类的城市道路交叉口运行状态判别方法，其特征 在于:所述步骤4中对延误和排队长度的置信区间进行Κ均值聚类分析的方法： 步骤41，进行区间数据标准化，采用Hausdorff距离分别对延误和排队长度的置信区间 数据距离度量，根据中屯、化法对运两个数据进行数据标准化； 步骤42,根据聚类类别数目，在标准化后的数据中随机选取K个初始聚类中屯、Ck( = l， 2，...，K); 步骤43,计算区间数据对象1^ = 1，2，-，，1〇与各聚类中屯、〔1^( = 1，2，-，，1〇之间的距离， 若对象Mj与聚类中屯、Ci之间的距离最小，那么将该对象归为聚类Pi类； 步骤44,根据步骤43得到的归类结果计算目标函数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，重新计算聚类中屯、，转入步骤43)。5. 根据权利要求4所述的基于区间聚类的城市道路交叉口运行状态判别方法，其特征 在于:所述步骤41中的化usdorff距离度量公式为：其中，dH表不Hausdorff距离，U和V分别表不两个η维区间向量，c(Ui)、c(vi)分别表不区 间数据m和VI的中点，描述了区间数据的集中位置;r(ui)、r(vi)分别表示区间数据m和VI的 半径，主要反映区间数据的离散程度； 区间数据A= [ai，曰2]，区间数据A中点心)=f的+嗔）区间数据A半径叫為二^批-) 中屯、化法标准化公式为：其中，X表示区间数据集，X=陆，…，Xk，…，Xn}，其样本观测值馬=拉品;]，炸=1，2，...:，《)， 玄为区间数据集X的均值，S表示区间数据集X的标准差;s'k表示区间下限，A表示区间上 限。6. 根据权利要求4所述的基于区间聚类的城市道路交叉口运行状态判别方法，其特征 在于: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W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； 所述聚类中屯、Ck,包括均值C乐),,和区间半径C(R)顶部分：其中Λ表示区间数据对象勺中点，町表示区间数据对象勺半径，Nk表示聚类类别 Pk的数目，Pk表示第k个聚类类别。7. 根据权利要求4所述的基于区间聚类的城市道路交叉口运行状态判别方法，其特征 在于:所述步骤44中所述目标函数J:其中，K表示类别数目，表示聚类类别Pk的数目，Μ康示区间数据对象，劝表示 对象和聚类中屯、之间的距离。8. 根据权利要求1所述的基于区间聚类的城市道路交叉口运行状态判别方法，其特征 在于:所述步骤5中的判别交叉口运行状态的方法：W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。
【专利摘要】本发明公开了一种基于区间聚类的城市道路交叉口运行状态判别方法，本方法以城市道路信号交叉口为研究对象，以饱和度、延误和排队长度作为信号交叉口状态参数，以状态参数均值和区间值作为输入数据，在传统K均值聚类方法的基础上，实现了区间数据的聚类分析，构建了基于多状态参数区间值的城市道路信号交叉口交通流运行状态识别方法。该方法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。
【IPC分类】G08G1/01
【公开号】CN105551250
【申请号】CN201610019662
【发明人】饶文明, 廖南楠, 陆振波, 夏井新, 吕伟韬, 安成川, 欧吉顺, 刘玲慧, 王拓
【申请人】东南大学
【公开日】2016年5月4日
【申请日】2016年1月13日