數(shù)據(jù)挖掘在城市智能交通系統(tǒng)中應(yīng)用的研究

《數(shù)據(jù)挖掘在城市智能交通系統(tǒng)中應(yīng)用的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、摘要數(shù)控挖掘在城市智能交通系統(tǒng)中的應(yīng)用研究研究生：周振國導(dǎo)師：陳森發(fā)東南大學(xué)科學(xué)高效的交通管理對(duì)于緩解交通擁堵、提高道路網(wǎng)絡(luò)的通行能力和利用效率，進(jìn)而保障城市的正常運(yùn)轉(zhuǎn)、促進(jìn)經(jīng)濟(jì)的持續(xù)穩(wěn)定健康發(fā)展具有重要意義。智能交通系統(tǒng)(ITS)是通過對(duì)關(guān)鍵交通、信息等基礎(chǔ)理論模型的研究的基礎(chǔ)上，綜合運(yùn)用IT技術(shù)、網(wǎng)絡(luò)技術(shù)、電子與自動(dòng)化技術(shù)、以及系統(tǒng)集成技術(shù)，改變傳統(tǒng)交通運(yùn)輸系統(tǒng)的工作模式，建立起與傳統(tǒng)交通系統(tǒng)相比，范圍更大、實(shí)時(shí)性更強(qiáng)、準(zhǔn)確性更高、效率大幅提升的綜合交通運(yùn)輸管理系統(tǒng)。數(shù)據(jù)挖掘技術(shù)能夠針對(duì)交通流數(shù)據(jù)海量、不

2、完全性、夾雜噪聲較多的特性，從隨機(jī)的交通流數(shù)據(jù)中發(fā)現(xiàn)隱含的規(guī)律，是一個(gè)能夠利用各種分析工具在海量交通流數(shù)據(jù)中發(fā)現(xiàn)模型的數(shù)據(jù)間潛在的關(guān)聯(lián)，發(fā)現(xiàn)被那些忽略的因素。本文在綜合討論了智能交通系統(tǒng)、數(shù)據(jù)挖掘、數(shù)據(jù)倉庫研究現(xiàn)狀的基礎(chǔ)上，從城市智能交通系統(tǒng)中重要的數(shù)據(jù)處理、預(yù)測(cè)、交通擁堵預(yù)判和疏導(dǎo)、實(shí)時(shí)智能交通數(shù)據(jù)傳輸網(wǎng)絡(luò)集成等環(huán)節(jié)進(jìn)行了分析與研究。全文主要內(nèi)容包括：l、交通流數(shù)據(jù)清洗與缺失數(shù)據(jù)挖掘。首先，根據(jù)交通流數(shù)據(jù)清洗規(guī)則，對(duì)交通流數(shù)據(jù)進(jìn)行清洗。數(shù)據(jù)清洗對(duì)于因采集設(shè)備的受干擾而造成的數(shù)據(jù)誤差，通過去除負(fù)值并通過閾值檢

3、查和基于交通流理論的檢查，還可以通過應(yīng)用交通流理論中交通參數(shù)(速度、交通量和占有率)之間的關(guān)系，進(jìn)行更復(fù)雜、更深入的數(shù)據(jù)篩選，從而確保交通流數(shù)據(jù)的有效性。其次，對(duì)于因檢測(cè)設(shè)備干擾的數(shù)據(jù)損失或者囚無檢測(cè)設(shè)備造成數(shù)據(jù)不足，通過交通流數(shù)據(jù)的挖掘完善。主要有兩種方法，一種是對(duì)由于檢測(cè)設(shè)備受干擾等因素造成的數(shù)據(jù)損失的恢復(fù)，另一種是則是對(duì)沒有檢測(cè)設(shè)備的道路交通流數(shù)據(jù)的預(yù)測(cè)挖掘。對(duì)于數(shù)據(jù)損失的恢復(fù)采用的是統(tǒng)計(jì)法則可以較好地解決，而對(duì)于因缺乏檢測(cè)設(shè)備造成的數(shù)據(jù)不足，宜采用灰色模型預(yù)測(cè)法，對(duì)于城市交叉口實(shí)時(shí)交通流量預(yù)測(cè)可采用等

4、維新息GM(I，1)模型進(jìn)行滾動(dòng)預(yù)測(cè)，如果需要預(yù)測(cè)較長時(shí)間段的交通流量，則可以采用等維灰數(shù)遞補(bǔ)模型。2、交通流預(yù)測(cè)算法研究。首先，運(yùn)用組合神經(jīng)網(wǎng)絡(luò)模型，采用二層預(yù)測(cè)方法對(duì)路段交通流量進(jìn)行了預(yù)測(cè)。該方法集成了相空間重構(gòu)、改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)和Karmarkar線性規(guī)劃算法。研究表明，該方法的預(yù)測(cè)效果具有一定的成效，基本可以滿足城市交通東雨大學(xué)博1：學(xué)位論文規(guī)劃和城市交通控制的要求。其次，根據(jù)混沌理論，通過引入相空間重構(gòu)思想，提出了一種集成了混沌理論和遺傳算法，不需要建立嚴(yán)格的數(shù)學(xué)模型來求解最優(yōu)參數(shù)，算法過程

5、易于理解的一種預(yù)測(cè)方法。計(jì)算結(jié)果表明，預(yù)測(cè)效果與實(shí)際測(cè)量數(shù)據(jù)較接近，但不適用于較長周期的預(yù)測(cè)。第三，運(yùn)用粗糙．模糊神經(jīng)網(wǎng)絡(luò)模型對(duì)交叉口進(jìn)行了流量預(yù)測(cè)，該方法利用粗糙集理論不需要提供問題所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)信息，這是其他處理不確定和不精確問題理論所不具備的能力，所以對(duì)問題的不確定性的描述或處理可以說是比較客觀的。本文實(shí)例研究表明，該方法的預(yù)測(cè)效果令人滿意，完全可以滿足城市交通規(guī)劃和城市交通控制的要求。3、動(dòng)態(tài)OD矩陣預(yù)測(cè)方法在擁堵及疏導(dǎo)策略上的應(yīng)用研究。首先通過極大熵法進(jìn)行OD矩陣估計(jì)，通過和動(dòng)態(tài)交

6、通分配互相依賴、互為因果的迭代，取得新的動(dòng)態(tài)分配率和動(dòng)態(tài)OD矩陣。預(yù)測(cè)交通高峰期的路段交通流量，通過第三章的成果R-FNN神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)交叉口的流量，從而預(yù)測(cè)出完善的路網(wǎng)流量分布。同時(shí)分析正常及非正常擁堵的屬性特征，及時(shí)更新路網(wǎng)的通行能力，將兩者進(jìn)行動(dòng)態(tài)比較，從而預(yù)判出可能發(fā)生的擁堵。根據(jù)擁堵的屬性特征，運(yùn)用城市交通信息系統(tǒng)中的擁堵疏導(dǎo)決策系統(tǒng)得出的綜合疏導(dǎo)方案，給交通控制中心的管理員以警力調(diào)配，誘導(dǎo)信息，信號(hào)燈的建議，從而減少甚至避免交通擁堵的出現(xiàn)。4、基于實(shí)時(shí)數(shù)據(jù)庫技術(shù)的城市交通監(jiān)控通信網(wǎng)絡(luò)的集成研究。智能

7、交通系統(tǒng)對(duì)實(shí)時(shí)數(shù)據(jù)的要求越來越高，本文根據(jù)城市交通的特點(diǎn)，運(yùn)用實(shí)時(shí)智能交通系統(tǒng)可將大量的實(shí)時(shí)交通控制過程和交通指令轉(zhuǎn)變?yōu)橹悄芙煌ㄏ到y(tǒng)的信息。一個(gè)城市的智能交通系統(tǒng)要發(fā)揮出巨大功效，必須使該智能交通系統(tǒng)高度集成，而實(shí)時(shí)數(shù)據(jù)庫、城市交通監(jiān)控通信網(wǎng)絡(luò)的集成首當(dāng)其沖?？紤]到不同年代建設(shè)的交通設(shè)備的異步特性，并考慮了嵌入式Intemet這一技術(shù)發(fā)展趨勢(shì)，通過在監(jiān)控節(jié)點(diǎn)的通信網(wǎng)絡(luò)中加入這種能實(shí)現(xiàn)異種網(wǎng)絡(luò)互聯(lián)通信控制器，可以實(shí)現(xiàn)串行總線、CAN總線和以太網(wǎng)的互聯(lián)，并實(shí)現(xiàn)了異種交通監(jiān)控設(shè)施的系統(tǒng)集成。在城市交通監(jiān)控信息傳輸網(wǎng)

8、絡(luò)中，利用通信控制器將各種不同廠商的交通監(jiān)控設(shè)備連入到以太網(wǎng)，以太網(wǎng)和交通控制中心直接連接，解決了異種網(wǎng)絡(luò)互操作性問題。同時(shí)，采用TCP／IP協(xié)議這種標(biāo)準(zhǔn)的數(shù)據(jù)訪問方式，使得監(jiān)控節(jié)點(diǎn)和交通控制中心能夠通過廣域網(wǎng)甚至互聯(lián)網(wǎng)訪問節(jié)點(diǎn)中的數(shù)據(jù)。城市交通監(jiān)控通信網(wǎng)絡(luò)的集成充分考慮了城市交通監(jiān)控通信網(wǎng)絡(luò)的數(shù)據(jù)傳輸可靠性、互操作性和實(shí)時(shí)性等特殊要求，該網(wǎng)絡(luò)可以和城市智能交通系統(tǒng)的其他部分很方便地融合，最終達(dá)到整