融合先验经验聚类的终端区交通流相态识别
以终端区交通流为研究对象,基于航迹谱聚类结果定义并提取交通流特征,分析了特征间关系与交通流相态演化规律,发掘了实测数据下交通流的自由态、平稳态与拥堵态,以此为先验经验进一步设计因子分析与遗传期望最大化模糊聚类算法相结合的终端区交通流态势识别方法,实现对交通流状态影响因素与交通流隐性特征的提取,选取典型繁忙终端区的实测数据进行验证.分析结果表明:基于客观数据挖掘的交通流态势识别方法具有良好的适应性与准确性,自由态、平稳态与拥堵态的模型识别数量分别为6、36、37,管制员判别数量分别为7、40、32,误差率分别为14.3%、10.0%、15.6%,模型识别率均在84%以上;提取的交通流相态及时空特征可从局部细节构建终端区整体运行态势,为终端区流量时空分布调配与进离场程序优化提供支撑.
空中交通、交通流相态、航迹聚类、因子分析、遗传期望最大化聚类、特征向量、终端区
16
U8(航空运输)
国家自然科学基金项目71301074,U1333202;江苏省自然科学基金项目BK20131366
2016-12-30(万方平台首次上网日期,不代表论文的发表时间)
83-94