基于网格模型与K-Means算法的交通状态演变特征

作者：李甜; 李瑞玲; 张萌萌; 宋欣航; 王帅琦

来源：山东交通学院学报, 2021, 29(01): 15-20.

• 交通状态
• 网约车轨迹数据
• 网格模型
• K-Means

为利用海量网约车轨迹数据实现对城市交通状态的高效识别与分类,对成都市网约车轨迹数据进行预处理,构建城市交通状态识别网格模型,根据模型判别网格的交通状态。利用K-Means聚类算法对不同时段的交通状态进行聚类,并将交通状态分为持续畅通型、轻度缓行型、持续缓行型、持续拥堵型4种类型,从时间维度和空间维度分析不同网格的交通状态演变特征。结果表明:研究区域内交通状态相对稳定,持续拥堵区域分散,持续缓行区域较为集中。基于网格模型与K-Means算法的交通状态识别方法能够实现对交通状态的快速判别与聚类,可实现对不同城市交通状态的识别。

• 单位
  山东交通学院; 西南交通大学