欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024102594046
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于k-shape的交叉口信号控制多时段划分方法,其特征在于:包括以下步骤:(1)数据准备与采集:在交叉口获取每个进口道的车流量时序数据,将进口道的数据合并,形成交叉口24小时的交通流量数据;

(2)数据预处理:采用z标准化对交叉口24小时的各进口道总交通流量进行数据标准化,z标准化的步骤如下:先计算每个时间序列均值μ和标准差σ:

其中,m是时间序列的长度,是第i个时间点的交通流量;

然后z标准化每个时间序列其中是z标准化后的第i个时间点的交通流量;

(3)k值确定:首先初步确定值的取值范围,再通过最大化Calinski-Harabasz(CH)指数及轮廓系数来确定最佳的k值,过程为:(3.1)计算每个k值对应的CH指数,并选择使CH指数最大的ka值作为最优的簇数,计算公式为:其中,CH(k)代表k值范围内每个k值所对应的CH指数;Bk是第k个簇的簇间离散度;Wk是第k个簇的簇内离散度,n是数据点数量;

(3.2)通过比较选择k值范围内的轮廓系数来确定最优的聚类数目,计算公式如下:其中,S(i)是第i个数据点的轮廓系数;a(i)是数据点i到同簇其他点的平均距离;b(i)是数据点i到最近异簇点的平均距离;

将k值与相应的轮廓系数绘制成图形,找到轮廓系数最大的点对应的kb值为最佳k值,最后检验kb=ka;

(4)采用k-shape算法对不同时段长度进行对比分析:

(4.1)选取时间序列长度m进行数据分段,组成一个时间序列输入数据集其中是以组成的一组时间序列,表示tm时刻的交通量数值;数据分段后组的个数为T为数据总数;

(4.2)选择初始簇心,从分段内随机选择索引序列作为初始簇心;

(4.3)计算互相关度量,计算每对时间序列和索引序列在不同时间滞后下的互相关度量,并比较重叠程度;

假设时间序列和索引序列时间序列长度为m,设滑动窗口为s,保持y不变,一步一步滑动x计算两个序列之间的内积:s的取值范围为[-m,m];定义长度为2m-1的互相关序列w为所有移动的次数;互相关序列的计算公式为:其中,的计算采用以下公式:

s=k=w-m

利用R计算x和y在每一步的相似度,找到w的位置使得互相关序列最大;则相对于的最佳偏移量在w位置确定,并进行归一化处理来消除固有的畸变,计算公式如下:表示互相关序列归一化;

(4.4)计算Shape-Based Distance(SBD)距离:使用选定的在计算中比较时间序列和簇心之间的形状相似性,取最相似的然后用得到SBD,归一化后的NCC值在[-1,1]之间,SBD值在[0,2]之间,将形状信息转化为一个距离值,公式如下:表示两时间序列之间相似性的距离值;

(4.5)对于每个时间序列,找到距离值中对应的最小值,找到最接近的簇心的时间序列,将时间序列分配到最小距离对应的簇;

(4.6)计算每个簇的所有成员的平均形状,计算每个时间点上所有簇成员的值的平均,得到了一个平均形状的时间序列,将计算得到的平均形状作为所述簇中所有时间序列的更新簇心;具有k个簇的时间序列,每个序列长度为m,对于每个时间点t,计算平均形状的值Jt如下:其中,ai,t表示第i个簇成员在时间t处的值;

(4.7)重复步骤(4.3)至(4.6),重新计算每个时间序列与新簇心之间的距离,并根据最小距离重新分配时间序列到最近的簇;再次更新簇心;迭代直到满足收敛条件,即簇心不再变化或达到预定的迭代次数;

(5)将输出后的可视化聚类结果与各组数据进行趋势比对,将各组数据划分到所属的簇中,再结合交通量进行时段的组合微调。

2.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(1)中,将采集的交通流量数据形成时间序列数据Q,Q包括T个数据,对于一维样本数据i=1,2,3,…,T;表示i时刻的交通量数值。

3.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(1)中,将24小时根据相位以设定时间为间隔,得出T。

4.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(2)中,采用z标准化时,通过减去均值并除以标准差,将数据转换为均值为0,标准差为1的标准正态分布从而对交叉口24小时的各进口道总交通流量进行数据标准化。

5.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(4)中,将交通流的趋势分为上升趋势、下降趋势和无明显趋势。

6.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(4)中,设置时段长度大于2小时。

7.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(4.2)中,所选的初始簇心代表分段内的不同形状和模式。

8.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(4.3)中,计算每对时间序列和簇心在不同时间滞后下的互相关度量时,在时间轴上滑动两个序列,并比较重叠程度。

9.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(4.5)中,找到全部最接近的簇心的时间序列,并将时间序列分配到最小距离对应的簇。

10.根据权利要求1所述的基于k-shape的交叉口信号控制多时段划分方法,其特征在于:步骤(4.6)中,对已经进行了簇分配的每个簇,首先确定该簇内的所有成员时间序列,并对齐时间序列。