Otoyol Trafik Akým Koþullarýný Sýnýflamada K-Ortalamalar Kümeleme Yöntemi

Bu çalýþmada; makroskobik bir trafik akým modeliyle oluþturulmuþ akým koþulu farklýlaþmalarýný belirlemek amacýyla çok deðiþkenli kümeleme yöntemlerinin baþarýmlarý araþtýrýlmýþtýr. Trafik verisindeki gürültüyü gidermek ve geniþ saçýlýmý kabul edilebilir düzeye getirmek amacýyla, ham trafik deðiþkenleri modelleme öncesi filtrelenmiþtir. Trafik akýmý, iki fazlý bir temel eðriyi baz alarak hesap yapan hücre geçiþi modeliyle benzetilmiþtir. Seçilen otoyol kesimindeki akým dinamikleri, varolan akým koþullarýný belirlemek amacýyla irdelenmiþtir. Temel eðri üzerinde akým koþullarýnýn sýnýflanmasý, kesim yoðunluk deðiþkeni gözetilerek kümeleme yöntemleriyle aranmýþtýr. Hiyerarþik olmayan kümeleme yaklaþýmlarý, örnek otoyol kesimi üzerindeki ani koþul deðiþimlerini tespit etmeye yarayan baþarýlý sýnýflama sonuçlarý vermiþtir. Çok deðiþkenli kümeleme yöntemlerince izlenen prosedür, sistematik olarak dinamiktir ve temel eðri üzerinde statik bölütleme yöntemiyle elde edilen kümelere oldukça yaklaþýk kümeler oluþturabilmektedir. K-ortalamalar yöntemiyle elde edilen sonuçlar üzerinden hesaplanmýþ belirlenim katsayýlarý, elde edilen sonuçlarý istatistik yönden karþýlaþtýrmalý olarak deðerlendirmek amacýyla kullanýlmýþtýr.

K-Means Clustering Method to Classify Freeway Traffic Flow Patterns

In this paper, performances of multivariate clustering methods in specifying flow pattern variations reconstructed by a macroscopic flow model are sought. In order to remove the noise in and the wide scatter of traffic data, raw flow measures are filtered prior to modeling process. Traffic flow is simulated by the cell transmission model adopting a two phase fundamental diagram. Flow dynamics specific to the selected freeway test stretch are used to determine prevailing traffic conditions. The classification of flow states over the fundamental diagram are sought utilizing the methods of partitional cluster analyses by considering the stretch density. The fundamental diagram of speed-density is plotted to specify the current corresponding flow state. Non-hierarchical or partitional clustering analysis returned promising results on state classification which in turn helps to capture sudden changes on test stretch flow states. The procedure followed by multivariate clustering methods is systematically dynamic that enables the partitions over the fundamental diagram match approximately with the flow patterns derived by the static partitioning method. The measure of determination coefficient calculated by using the K-means method is comparatively evaluated to statistically derive this conclusion.