文献类型：期刊文章

作　　者：曾朝晖[1] 王江锋[1] 教欣萍[1] 熊慧媛[1] 龚希志[1,2]

ZENG Zhao-hui;WANG Jiang-feng;JIAO Xin-ping;XIONG Hui-yuan;GONG Xi-zhi(The MOT Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport, School of Traffic and Transportation,Beijing Jiaotong University, Beijing 100044, China;Henan Transportation Planning and Design Institute Co., Ltd., Henan 450000, China)

机构地区：[1]北京交通大学交通运输学院综合交通运输大数据应用技术交通运输行业重点实验室,北京100044 [2]河南省交通规划设计研究院股份有限公司,河南郑州450000

出　　处：《山东科学》

基　　金：国家重点研发计划(2019YFF0301403);国家自然科学基金(61973028);河南省交通厅科技项目(2020G3)。

年　　份：2022

卷　　号：35

期　　号：3

起止页码：72-81

语　　种：中文

收录情况：CAS、IC、UPD、ZGKJHX、普通刊

摘　　要：针对传统交通状态识别算法仅考虑交通参数个体特征差异而存在识别率较低的问题,引入集群智能概念,提出了既考虑交通参数个体特征差异,又考虑个体参数所蕴含的群体特征差异性的高速公路交通状态识别算法。由于模糊C均值聚类算法(fuzzy C-means algorithm,FCM)在交通状态识别泛化能力上存在收敛缓慢的不足,基于反向学习策略以及鲸鱼优化算法(whale optimization algorithm,WOA),考虑个体交通参数所蕴含的集群行为增强了交通状态初始聚类中心种群的多样性,设计了一种具有良好的全局搜索能力集群智能的高速公路交通状态识别算法,融合了反向学习、WOA和FCM算法,克服了FCM识别算法容易陷入局部最优的局限。实证分析结果表明,所提出的交通状态识别算法具有良好的识别效果,准确率达到92%,且收敛速度较FCM算法更快。

关 键 词：高速公路 交通状态 模式识别 鲸鱼算法  模糊聚类 反向学习  

分 类 号：U491[物流管理与工程类]