(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111592500.5 (22)申请日 2021.12.23 (71)申请人 北京交通大 学 地址 100044 北京市海淀区西直门外上园 村3号 (72)发明人 董宝田　李鹏程　李恩群　赵芳璨　 张家铭　温玲　 (74)专利代理 机构 北京市商 泰律师事务所 11255 代理人 黄晓军 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/081(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于PSO-ELM算法的交叉口交通状态识 别方法 (57)摘要 本发明提供了一种基于PSO ‑ELM算法的交叉 口交通状态识别方法。 该方法包括： 获取有标签 的交叉口连接路段的历史交通流量数据集； 利用 极限学习机ELM算法对 所述历史交通流量数据集 进行学习， 利用粒子群优化算法PSO对ELM的参数 进行寻优， PSO的适应度函数设置为ELM 预测值和 实际值的均方误差MSE， 取最佳适应度值时的参 数作为ELM最终参数， 将最终ELM模型作为交叉口 交通状态识别模 型； 利用交叉口交通状态识别模 型对待识别的交叉口交通状态进行识别。 本发明 将PSO‑ELM算法应用到交通状态识别领域， 通过 利用交叉口连接道路的交通状态识别交叉口交 通状态， 有助于交叉口连接道路的交通管控措施 的制定。 权利要求书2页 说明书10页 附图4页 CN 114333307 A 2022.04.12 CN 114333307 A 1.一种基于P SO‑ELM算法的交叉口交通状态 识别方法， 其特 征在于， 包括： 获取有标签的交叉口连接路段的历史 交通流量数据集； 利用极限学习机ELM算法对所述历史交通流量数据集进行学习， 利用粒子群优化算法 PSO对ELM的参数进行寻优， PSO的适应度函数设置为ELM预测值和实际值的均方误差MSE， 取 最佳适应度值时的参数作为ELM最终参数， 将最终ELM模型作为交叉口交通状态 识别模型； 利用所述交叉口交通状态 识别模型对待识别的交叉口交通状态进行识别。 2.根据权利要求1所述的方法， 其特征在于， 所述的获取有标签的交叉口连接路段的历 史交通流量数据集， 包括： 将待识别交叉口连接路段的历史交通流量数据集组成样本数据， 所述历史交通流量数 据集包括平均排队长度、 饱和度、 时间占有率和交通状态指标， 所述交通状态包括交通流量 和平均速度， 将所述历史交通流量数据集划分为训练样本和测试样本， 样本标签选择畅通、 轻度拥堵、 中度拥堵和严重拥堵四个标签。 3.根据权利要求2所述的方法， 其特征在于， 所述的利用极限学习机ELM算法对所述历 史交通流量数据集进行学习， 利用粒子群优化算法PSO对ELM的参数进 行寻优， PSO的适应度 函数设置为ELM预测值和实际值的均方误差MSE， 取最佳适应度值时的参数作为ELM最终参 数， 将最终ELM模型作为交叉口交通状态 识别模型， 包括： 利用ELM算法对所述历史交通流量数据集进行学习， 根据所述历史交通流量数据集的 规模确定ELM模型的输入量维度、 隐含层节点数i和输出量维度， 利用PSO对ELM的参数进行 寻优， 将ELM中的参数wi和bi设置为PSO算法中粒子的位置信息； 将PSO的适应度函数设置为预测值和实际值的均方误差MSE， 其中预测值指根据PSO中 各粒子的位置信息 分别建立对应的ELM模 型， 将数据集中训练样 本数据输入各ELM模 型中得 出的预测值， 实际值指训练样本中的实际值； 以适应度函数最小为目标， 更新粒子的位置信 息， 直到达到终止条件； 选取最优适应度 值对应的粒子的位置信息作为最终ELM模 型的参数， 将所述最 终ELM模型作为交叉口交通状 态识别模型。 4.根据权利要求3所述的方法， 其特征在于， 所述的将ELM中的参数wi和bi设置为PSO算 法中粒子的位置信息， 包括： ELM网络由输入层、 隐含层、 输出层组成， 设ELM的隐含层节点的权重为w， 输入层节点的 权重为b， ELM在训练过程中只调整βi， 即第i个隐含节点和输出节点之间的权重， 假定隐含 层节点个数为i， 则ELM中包括i个w和i个b， 将PSO中每个粒子的位置信息标记 为i个w和i个b 的组合， 其中一个粒子的位置信息设置为： (w1,…,wi,b1,…,bi)， 根据每个粒子的位置信息 建立一个对应的ELM模型。 5.根据权利要求3所述的方法， 其特征在于， 所述的预测值和实际值的MSE的计算方法 如下式所示： 其中oj为第j个训练样本的预测值， tj为第j个训练样本的实际值。 6.根据权利要求4所述的方法， 其特征在于， 所述的直到达到终止条件包括直到达到预 先设定的最大迭代次数。权　利　要　求　书 1/2 页 2 CN 114333307 A 27.根据权利要求1至6任一项所述的方法， 其特征在于， 所述的利用所述交叉口交通状 态识别模型对待识别的交叉口交通状态进行识别， 包括： 将待识别的交叉口的平均排队长度、 饱和度、 时间占有率和 交通状态四个指标数据组 成样本数据， 将所述样本数据输入到所述交叉 口交通状态识别模型， 该交叉 口交通状态识 别模型输出待识别的交叉口连接道路的交通状态信息 。权　利　要　求　书 2/2 页 3 CN 114333307 A 3