原文传递
改进FCM的交通状态判别算法
| 题名： | 改进FCM的交通状态判别算法 |
| 正文语种： | 中文 |
| 作者： | 王宇俊 田锋 叶道均 樊天翔 |
| 作者单位： | 深圳市城市交通规划设计研究中心有限公司(深圳市交通信息与交通工程重点实验室) |
| 关键词： | 特征指标 FCM算法 K-means算法 特征权重 误判率 |
| 摘要： | 结合经典算法以及交通工程学者的实际调查结果，将速度、流量和占有率作为判别交通状态的特征指标，并作为状态判别算法的输入数据.通过对传统FCM 算法进行深入地研究，考虑其挑选初始聚类中心的随机性以及未充分考虑不同属性数据对象贡献差异的缺点，提出了基于K-means 算法和特征权重方法的改进FCM 算法，并搭建基于Hadoop 集群的实验环境.以广州南沙经济开发区作为实际案例，基于Hadoop 平台建立仿真实验，对实验数据进行预处理并利用改进FCM 算法对历史交通数据进行聚类，并以误判率为评价指标，对比分析K-means、传统FCM 以及改进FCM 算法的聚类效果.结果显示，改进FCM 算法的误判率最低，仅有11.3％，以此证实改进FCM 算法对交通数据进行聚类的有效性. |
| 会议日期： | 20170609 |
| 会议举办地点： | 上海 |
| 会议名称： | 2017中国城市交通规划年会 |
| 出版日期： | 0609-01-20 |
| 母体文献： | 2017中国城市交通规划年会 论文集 |
检索历史
应用推荐
