城市道路交通流时间序列模式相似性分析  

Analysis of Similarity of Pattern of Traffic Flow Time Series on Urban Road

作　　者：弓晋丽[1] 彭贤武 

机构地区：[1]长沙理工大学交通运输工程学院,湖南长沙410114 [2]三一重工股份有限公司,湖南长沙410100

出　　处：《公路交通科技》2013年第11期119-123,共5页Journal of Highway and Transportation Research and Development

基　　金：国家自然科学基金项目(50738004);公路工程教育部重点实验室开放基金资助项目(kfj120106);湖南省教育厅科学研究项目(13C1030)

摘　　要：针对城市道路交通流数据(流量、速度、密度或各种综合评价指标等)时间序列具有高维、高噪声的特性,在时间序列维约简的基础上,以5元组的形式对分割后的时间序列进行模式表示,并据此定义5种常见的时间序列形状相似性距离。为确定交通数据时间序列模式相似性度量方法,使用分层聚类算法分析不同相似性距离在交通流状态辨识中的效果。以上海南北高架东侧间部分路段定点线圈检测数据为例,通过对比5种模式相似性距离的聚类效果,发现模式距离效果最优,使用欧式距离和它组合后进行聚类能够实现交通拥挤态势模式相似性和差异性的辨识。As the existence of high dimension and high noise of urban road traffic flow data （ flow, speed, density or other comprehensive evaluation index, etc. ）, their time-series is segmented and represented by 5 tuples in piecewise based on simplified dimension, and 5 common shape-similarity distances of time-series are defined based on segmented result. In order to determine the pattern similarity measurement method for traffic flow time series, the hierarchical clustering is used to analyse different similarity distance＇s performance in discriminating traffic state. Taking the data obtained by loop detectors on some road sections of the east of Shanghai North-south viaduct for example, after comparing 5 shape-similarity distances＇ effects on clustering, it is found that the pattern distance is the best one, and the combination of it with Euclidean distance can be used for clustering to identify the similarities and differences of different traffic states.

关 键 词：交通工程 交通流 时间序列 模式相似性度量 

分 类 号：U491.112[交通运输工程—交通运输规划与管理]