基于浮动车速度波动特征的交通状态识别

来源：交通运输系统工程与信息杂志2023年第1期北京时间：

作者：成卫, 黄金涛, 陈昱光, 郭延永, 俞灏

单位：1. 昆明理工大学，交通工程学院，昆明 650504；2. 东南大学，交通学院，南京 210096

摘要：为实现路段交通状态的准确判别，解决单参数无法直接识别道路交通状态问题，本文利用高频浮动车速度数据，使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性，围绕固定时间窗口内车辆的平均车速、对比度和逆方差，采用FCM (Fuzzy c-means)算法进行聚类分析，得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法，分别以3，5，6min固定时间窗口训练模型。模型状态转移矩阵表明，时间窗口越小其保持原有交通状态的可能性越大，时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度，结果表明，随着序列长度的变化，精度显示出先升高后降低的趋势，且固定时间窗口越大，不同序列长度的识别精度变化越均匀。最后利用5min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别，综合精度分别为92.00%、84.89%、88.48%，同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型，说明道路车速的波动特征可以很好地反映道路交通状态，多维高斯隐马尔可夫模型对道路交通状态的识别效果良好。

关键词：城市交通,交通状态识别,多维高斯隐马尔可夫模型,高频轨迹数据,灰度共生矩阵

基金资助：国家自然科学基金(42277476, 52272343)