基于网格模型与K-Means算法的交通状态演变特征
李甜1
李瑞玲1
张萌萌1
宋欣航2
王帅琦1
1.山东交通学院交通与物流工程学院,山东济南2503572.西南交通大学利兹学院,四川成都610000
摘要：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.
关键词：交通状态网约车轨迹数据网格模型K-Means
分类号：U491.112(交通工程与公路运输技术管理)
资助基金：国家自然科学基金(ZR2017MF011)
论文发表日期：2021-03-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 15-20 )
英文信息