摘要
针对城市快速路交通流状态判别的问题,提出了一种基于机器学习的城市快速路交通状态判别方法。本文采用基于遗传算法(GA-FCM)的模糊聚类把遗传算法求解得到的模糊聚类目标函数极值作为模糊聚类的初始值将交通状态划分为顺畅、平稳、拥堵、拥挤四类;根据四类不同的交通状态划分结果,使用支持向量机建立交通状态判别模型。并与单纯使用模糊聚类方法划分交通状态的结果进行了对比分析,最后通过上海某段城市快速路的数据对本文构建的模型完成验证。实验结果表明,使用GA-FCM后分类效率更高,分类准确率98.6111%。
出处
《科学技术创新》
2020年第10期34-36,共3页
Scientific and Technological Innovation
