论文研究基于SFLAFCM聚类的城市交通状态判别研究.pdf

针对城市道路交通状态判别的问题，提出了一种混合蛙跳算法（SFLA）与模糊C-均值算法（FCM）相结合的SFLA-FCM聚类算法。SFLA是一种全新的后启发式群体进化算法，具有高效的计算性能和优良的全局搜索能力。SFLA-FCM使用SFLA的优化过程代替FCM的基于梯度下降的迭代过程，有效地避免了FCM对初值敏感及容易陷入局部极小的缺陷。将该算法用于城市交通流数据的聚类分析结果表明，与单一FCM聚类算法相比，SFLA-FCM聚类算法更准确，效果更佳，能够快速而有效地对城市交通流状况进行判别，为动态交通拥堵预警和交通诱导策略的制定提供依据。