彭栋栋,曹 凯,陈 峰
(山东理工大学交通与车辆工程学院,山东淄博255091)
随着城市汽车保有量的快速增长,我国交通特别是城市交通发生了前所未有的变化,给城市道路交通带来了巨大压力.尽管采取了各种方法和措施缓解道路拥挤状况,但是在目前国家严格控制土地资源的政策导向下,城市交通拥挤状况必将持续下去.为了缓解城市道路交通拥挤的压力,在城市路网中提供实时路况信息显得尤为重要,而对交通拥挤水平进行分类是实时路况信息发布的基础.我国同济大学的郝媛等[1]依据城市快速路交通流实测数据,在对交通流状态进行划分的基础上,定性和定量地分析了常发性交通拥挤的特征,进而提出了“状态跳转”的概念和判别方法,揭示了拥挤形成过程;北京交通大学的石征华等[2]提出了与交通流三参数有关的拥挤度系数的概念,并针对快速路的实际状况,运用模糊数学中的综合评价方法,对城市快速路拥挤度进行判别;Pattara-Atikom W等[3]从CDT(Cell Dwell Time)和道路交通拥挤程度的关系研究入手,依据主干线上的CDT测量数据采用单阈值和模糊逻辑方法来估计道路交通拥挤程度;Porikli F等[4]提出一个无人监督、低延迟的交通拥挤估计算法,该算法直接在压缩域提取拥挤特征,并采用高斯混合隐马尔可夫模型(GM-HMM)来检测交通状况,通过计算信度评分,评估检测结果的可靠性.
本文通过构建一个决策树学习模型以分类道路交通拥挤水平,利用数据……