【技术实现步骤摘要】
本专利技术属于智能交通系统、交通状态估计，具体涉及一种基于评价指标改进fcm的高速路交通参数估计方法。
技术介绍
1、交通流理论对于研究道路交通流运行状态及变化规律十分重要，在交通流理论中，主要包含描述交通流特性的参数有交通流量、交通速度和交通密度。对不同时间尺度下的交通参数进行计算与分析对于提高高速公路管控精度非常关键，现阶段的技术可以动态获取交通参数数据，但对于未来的时刻的交通参数难以获取。
2、在现代交通系统管理中，交通状态估计一直是至关重要的任务，传统的交通参数预估计方法常受到误差累积和突发事件的影响，精度有限，fcm(fuzzy c-meansalgorithm，模糊c均值聚类)算法将模糊理论融合于聚类分析，是基于目标函数最优的聚类方法。
3、近年来，受到多学科交叉研究和人工智能技术的推动，基于深度学习的交通参数预测研究受到了人们的关注。其中，双向长短期记忆网络模型能对交通流时序数据进行正反向学习，使隐藏层输出的信息具有更加丰满的时空特征。因此，结合上述方法的优势构造一个交通参数估计模型对交通技术研究具有重要意义，可以更准确地理解交通状况，为智能交通管理、交通规划和道路安全提供更为精确的信息。
技术实现思路
1、本专利技术所要解决的问题是：提供一种基于评价指标改进fcm的高速路交通参数估计方法，用于对动态交通参数进行估计。
2、本专利技术采用如下技术方案：一种基于评价指标改进fcm的高速路交通参数估计方法，包括以下步骤：
3
4、s2、从断面级、路段级两个尺度构建交通状态评价指标体系，引入样本容量属性改进模糊c均值聚类算法，进行交通状态划分，利用分类数据提高高速公路交通参数估计精度；
5、s3、构建自适应时间序列分析预测模型，通过引入注意力机制的双向长短期记忆网络模型，提取和挖掘交通流数据中的时空特征；
6、s4、利用平稳化后的交通数据矩阵与交通状态划分结果，训练交通参数估计模型，进行交通参数估计模型验证和调整，完成交通参数估计模型训练；
7、s5、动态输入交通数据矩阵至训练好的交通参数估计模型中，获取高速公路交通参数动态估计参数。
8、进一步地，步骤s1中，采集高速公路交通数据并对其进行预处理，包括以下子步骤：
9、s11、采集高速公路微观车辆运动参数原始数据；
10、s12、对原始数据进行缺失值处理：检查原始数据中的缺失值与异常值，使用缺失值、异常值上下值的均值代替缺失值与异常值；
11、s13、构建样本，选取车流量、平均车速和道路物理结构作为影响因素输入样本；
12、s14、使用经验模态分解的方法对样本数据进行平稳化分解，将时序数据分解为若干本征模态函数，所述经验模态分解表达公式：
13、
14、其中，i(t)为输入信号；imfi(t)为第i个本征模态函数；rk(t)为残差序列；k为本征模态函数数量；
15、s15、分解后的分量重组，构建平稳化后的数据矩阵；
16、s16、采用最大最小归一化法对输入数据进行归一化处理，并将处理后的数据划分训练集与测试集，归一化处理的数据将处于[0，1]区间内，计算公式为：
17、
18、其中，xscale代表经最大最小归一化法归一化后的数据；x代表输入数据；xmax,xmin分别为输入数据的最大值和最小值。
19、进一步地，步骤s2中，从断面级、路段级两个尺度下构建交通状态评价指标体系，采用一种fcm算法进行交通状态划分，通过分类数据提高参数估计精度，过程包括以下步骤：
20、s21、选取断面级指标，描述单个断面的交通状态及其变化规律，其中包含断面车流量、断面平均车速与断面物理结构；
21、s22、选取路段级指标，描述路段内的交通状态及其变化规律，其中包含路段车流量、路段平均行程车速、路段道路物理结构与路段流量公里数；
22、s23、初始化聚类中心和隶属度矩阵，对样本容量进行均衡化修正；
23、首先，针对n个样本数据进行初始聚类，得到每个样本所归属的初始类别；
24、然后，在传统fcm算法基础上引入样本容量属性对目标函数j进行改进，得到改进后的目标函数j′；
25、s24、根据隶属度矩阵计算聚类中心，更新隶属度矩阵；
26、s25、使用交叉验证法进行验证，对于n个数据样本，在每次迭代中取1个值作为验证集，其余n-1个值作为训练集，重复迭代，指导每个样本点均用作过验证集；
27、s26、输出聚类中心和正确率完成交通状态划分。
28、进一步地，步骤s3中，构建自适应时间序列分析预测模型，包括以下步骤：
29、s31、构建bilstm隐藏层，bilstm模型从两个方向进行训练并对训练结构进行线性融合，因此它可以很好的捕捉时序的双向影响；
30、s32、构建attention层，融合注意力机制与bilstm模型，在bilstm模型的基础上引入注意力机制计算bilstm模型隐藏层输出向量的不同权重，注意力机制以t时刻bilstm模型中隐藏层的输出向量ht作为输入，计算注意力权重αt，计算公式：
31、ut＝tanh(wht+b)
32、
33、设t时刻attention层输出st，计算公式：
34、
35、其中，ut是t时刻bilstm模型输出向量ht对结果的重要性影响；w为权重矩阵和；b为偏置值；
36、s33、构建drop层，在训练过程中使用dropout函数随机删除神经元，防止神经网络在训练中过拟合；
37、s34、构建全连接层，选择激活函数为sigmoid函数，输出预测值。
38、进一步地，步骤s4中，利用平稳化后的数据矩阵与交通状态划分结果，训练交通参数估计模型，包括以下步骤：
39、s41、将数据分为训练集和测试集；
40、s42、设定误差值与最大循环次数，在每个循环内对模型进行训练，若结果小于目标误差值结束循环，否则更新网络参数值，继续循环；
41、s43、选择adam算法优化模型权重；
42、s44、根据训练数据和设定的超参数，对模型进行训练；
43、s45、利用验证集评估模型的性能，并根据需要进行模型调整；
44、s46、网格搜索寻找最优参数：
45、神经网络中不同的参数组合会预测结果，因此使用网格搜索的方法调整bilstm层单元个数、迭代次数、时间窗口大小等参数，寻找最优参数组合。
46、进一步地，步骤s5中，动态输入交通数据矩阵至步骤s4训练好的交通参数估计模型中，获取高速公路动态短时交通流估计参数，用于对路网交通状态进行动态评价。<本文档来自技高网...
【技术保护点】
1.一种基于评价指标改进FCM的高速路交通参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于评价指标改进FCM的高速路交通参数估计方法，其特征在于，步骤S1中，采集高速公路交通数据并对其进行预处理，包括以下子步骤：
3.根据权利要求1所述的改进FCM状态划分的高速公路交通参数动态估计方法，其特征在于，步骤S2中，从断面级、路段级两个尺度下构建交通状态评价指标体系，采用改进FCM算法进行交通状态划分，通过分类数据提高参数估计精度，过程包括以下步骤：
4.根据权利要求1所述的一种基于评价指标改进FCM的高速路交通参数估计方法，其特征在于，步骤S3中，双向长短期记忆网络模型表示为BiLSTM，构建自适应时间序列分析预测模型，通过引入注意力机制的BiLSTM，充分提取和挖掘交通流数据中的时空特征，包括以下步骤：
5.根据权利要求4所述的改进FCM状态划分的高速公路交通参数动态估计方法，其特征在于，步骤S31中，对双向长短期记忆神经网络模型从两个方向进行训练并对训练结构进行线性融合，包括正向LSTM计算和反向LSTM计
6.根据权利要求4所述的改进FCM状态划分的高速公路交通参数动态估计方法，其特征在于，步骤S32中在BiLSTM模型基础上引入注意力机制，计算BiLSTM模型隐藏层输出向量的不同权重，注意力机制以t时刻BiLSTM模型中隐藏层的输出向量ht作为输入，计算注意力权重αt，计算公式：
7.根据权利要求1所述的一种基于评价指标改进FCM的高速路交通参数估计方法，其特征在于，步骤S4中，利用平稳化后的数据矩阵与交通状态划分结果，训练交通参数估计模型，包括以下步骤：
8.根据权利要求1所述的改进FCM状态划分的高速公路交通参数动态估计方法，其特征在于，步骤S5中，动态输入交通数据矩阵至步骤S4训练好的交通参数估计模型中，获取高速公路动态短时交通流估计参数，用于对路网交通状态进行动态评价。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时，实现权利要求1至8中任一项所述的基于评价指标改进FCM的高速路交通参数估计方法中的步骤。
...【技术特征摘要】
1.一种基于评价指标改进fcm的高速路交通参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于评价指标改进fcm的高速路交通参数估计方法，其特征在于，步骤s1中，采集高速公路交通数据并对其进行预处理，包括以下子步骤：
3.根据权利要求1所述的改进fcm状态划分的高速公路交通参数动态估计方法，其特征在于，步骤s2中，从断面级、路段级两个尺度下构建交通状态评价指标体系，采用改进fcm算法进行交通状态划分，通过分类数据提高参数估计精度，过程包括以下步骤：
4.根据权利要求1所述的一种基于评价指标改进fcm的高速路交通参数估计方法，其特征在于，步骤s3中，双向长短期记忆网络模型表示为bilstm，构建自适应时间序列分析预测模型，通过引入注意力机制的bilstm，充分提取和挖掘交通流数据中的时空特征，包括以下步骤：
5.根据权利要求4所述的改进fcm状态划分的高速公路交通参数动态估计方法，其特征在于，步骤s31中，对双向长短期记忆神经网络模型从两个方向进行训练并对训练结构进行线性融合，包括正向lstm计算和反向lstm计算，将正...
【专利技术属性】
技术研发人员：芮一康，赵妍，龚燕楠，吴冠文，刘浩宇，陈昱鹏，李林恒，王灿，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。