1、城市交通擁擠是當今世界普遍關注的問題，它所帶來的嚴重危害日益影響到人們的日常生活和社會經(jīng)濟的發(fā)展。交通流誘導是智能交通系統(tǒng)(ITS)研究的核心內(nèi)容之一，是先進的交通管理系統(tǒng)(ATMS)和先進的出行者信息系統(tǒng)(ATIS)的重要組成部分，是用于提高道路的通行能力和車輛的運行效率、緩解交通擁擠和減少交通事故的有效手段和最佳途徑。 交叉路口作為城市地面道路交通的主要集散點，是產(chǎn)生交通擁擠的主要環(huán)節(jié)，對其交通流進行合理分析和誘導，是研究城

2、市交通問題一個關鍵的切入點。實時動態(tài)交通是交通流誘導的核心和基礎，而實時交通流預測是實時動態(tài)交通分配的前提。本文針對當前城市交通擁擠問題的現(xiàn)狀，以交叉路口為研究對象，利用數(shù)據(jù)挖掘方法分別對交通狀態(tài)的識別、實時交通流量預測和實時動態(tài)交通流分配模型優(yōu)化進行了深入的研究與探討。 1、針對城市道路交通狀態(tài)識別的問題，提出了一種改進的模糊C-均值(FCM)算法。首先，該算法要解決聚類數(shù)目和模糊指數(shù)的選取問題。本文在對交通狀態(tài)基本特征的分析

3、基礎上，結(jié)合交通工程理論知識，將城市道路交通狀態(tài)分為四個等級，從而解決了聚類數(shù)目的選取問題；至于模糊指數(shù)，本文采用啟發(fā)式方法來確定模糊指數(shù)，使隸屬函數(shù)盡量覆蓋整個輸入空間；其次，在對上海市某交叉路口的實際交通數(shù)據(jù)進行實證研究和仿真分析基礎上，結(jié)合交通的實際情況以及飽和度與交通狀態(tài)相關性分析，得出了飽和度的輔助判定依據(jù)；最后，在該算法的基礎上，以飽和度為輔助判定依據(jù)，結(jié)合實際交通數(shù)據(jù)重新進行判定。仿真研究表明該方法能夠有效地對道路交通狀態(tài)

4、進行識別。 2、針對實時交通流預測問題，提出一種改進的BP 網(wǎng)絡預測模型。本文著重對各種改進的BP 訓練算法進行了仿真研究，通過比較分析以尋求最佳的BP網(wǎng)絡預測模型。LM 算法是梯度下降法與高斯-牛頓法相結(jié)合的一種數(shù)值優(yōu)化算法，既有高斯-牛頓法的局部收斂，又有梯度下降法的全局特性。仿真結(jié)果表明，就訓練次數(shù)及準確度而言，LM 算法要明顯優(yōu)于其它改進的訓練算法；應用LM訓練算法的BP 網(wǎng)絡預測模型不僅訓練時間和預測時間大大縮短，而且

5、各項預測性能指標都足以滿足實時交通流預測的要求。 3、針對實時交通流分配模型的優(yōu)化問題，提出一種改進的自適應遺傳算法(MAGA)。在該算法中，對于適應度小于種群平均適應度的個體，個體以較大的概率進行交叉和變異；對于適應度大于種群平均適應度的個體，其交叉概率和變異概率隨著個體適應度接近當前最好個體適應度的程度而動態(tài)調(diào)整。這樣既能保證在進化的初期階段進化速度快，又能保證在進化的后期階段進化效果較好。事實上，從仿真結(jié)果來看，與普通的遺