山东科学 ›› 2022, Vol. 35 ›› Issue (3): 72-81.doi: 10.3976/j.issn.1002-4026.2022.03.009
曾朝晖1(),王江锋1,*(),教欣萍1,熊慧媛1,龚希志1,2
ZENG Zhao-hui1(),WANG Jiang-feng1,*(),JIAO Xin-ping1,XIONG Hui-yuan1,GONG Xi-zhi1,2
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。
中图分类号: