聚類分析在交通流時序數(shù)據(jù)挖掘中的應(yīng)用

《聚類分析在交通流時序數(shù)據(jù)挖掘中的應(yīng)用》由會員上傳分享，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、』E塞窯擅態(tài)堂亟±堂焦迨塞主塞垣堊中文摘要摘要：在中國智能交通系統(tǒng)快速發(fā)展的大背景下，如何利用豐富的交通檢測數(shù)據(jù)進(jìn)行交通規(guī)劃及控制優(yōu)化是交通控制領(lǐng)域中需要解決的重要問題之一，而數(shù)據(jù)挖掘技術(shù)的發(fā)展正好給海量交通數(shù)據(jù)的知識發(fā)現(xiàn)提供了理論基礎(chǔ)和技術(shù)實(shí)現(xiàn)手段。數(shù)據(jù)挖掘指的是從大量數(shù)據(jù)中提取出有效的、新穎的、潛在有用的，以及最終可理解的模式的高級過程。聚類分析是數(shù)據(jù)挖掘研究的一個十分重要的方面。在智能交通系統(tǒng)中，時間序列是最常見的數(shù)據(jù)形式。采用聚類分析方法對海量交通流時間序列進(jìn)行研究分析具有很大的應(yīng)用價值，一方面可以發(fā)

2、現(xiàn)典型的交通流變化趨勢規(guī)律，另一方面可以對檢測點(diǎn)具有不同交通流特性的時段進(jìn)行合理分組，進(jìn)而針對各時段制定出相應(yīng)的交通控制策略，同時還可進(jìn)一步結(jié)合空間信息發(fā)現(xiàn)一些有意義的交通流時空分布規(guī)律。本文詳細(xì)介紹了聚類算法在時間序列數(shù)據(jù)挖掘中的研究和應(yīng)用，借助某市網(wǎng)絡(luò)化智能交通系統(tǒng)數(shù)據(jù)庫中的歷史車流量數(shù)據(jù)，結(jié)合聚類分析理論，對快速路段上兩個月的單點(diǎn)車流量數(shù)據(jù)進(jìn)行了聚類分析。作者將傳統(tǒng)聚類算法進(jìn)行改進(jìn)，提出了一種階梯型系統(tǒng)聚類方案，在得到交通流量分類初始模式的基礎(chǔ)上進(jìn)一步挖掘具有相應(yīng)交通流特征的時段模式，最終得到了較為滿意

3、的實(shí)驗(yàn)結(jié)果，發(fā)現(xiàn)了有意義的交通流時間分布模式并以c++、MATLAB程序?qū)崿F(xiàn)了階梯型系統(tǒng)聚類挖掘的整個過程，最后分析了此次聚類結(jié)果，并提出了進(jìn)一步的研究方向。關(guān)鍵詞：數(shù)據(jù)挖掘；系統(tǒng)聚類；時間序列；時段模式分類號：U491；TP311．1韭塞鑾疆盔塋亟±堂僮監(jiān)塞△曼S工B△￡至ABSTRACTABSTRACT：WiththerapiddevelopmentofITSinChina,itseemstobeaproblemthathowtousethemassdatatoprovidethemeaningfulfo

4、recastoutcomesbettercontributingtothetrafficmanagementandDataminingtechnologyservesasapowerfultooltosolveit．Timeseriesisoneofthemostcol砌ondatatypeinIntelligentTransportationSystem，SOtheanalysisoftrafficflowtimeseriesturnsparticularlyimportant．U．1izingcluste

5、ringminingtechnologytoanalyzetimeseriesoftrafficflownotonlycandiscoverthetraflicflowrolesbehindmassdata,butalsoCanproduceanoptimalTOD(thetimeofday)plan．Furthermore，combined砸thsomespatialinformation，someusefulspatialandtemporaldistributedlawsintransportation

6、couldberevealed．ThispaperpresentsaschemeofdatadrivenmethodologybasedhierarchicalclusteringthatdeterminesoptimalbreakpointsforTODtrafficcontrolafterthefirstclusteringprocessandprovesthescheme’SvalidationunderC抖BuilderandMatlabprogram．111estudymsuRsshowthatth

7、emethodproducesfairlygoodclusters．Inthispaper,someresearchworkontrafficflowtimeseriesdatamininghasbeendone．Firstly,cleanthedataandgivecompensationtothedataset．Secondly，proposeaschemebasedhierarchicalclusteringforthevariationtendencyoftimeseries．ndrdly,analy

8、zetheclusteringstatisticsandtrafficflowtimeseriesclusteringoutcomes．Moreover，visualizationofclusteringresultswouldbepresented．KEYWORDS：datamining；hierarchicalclustering；timeseries；TODCLASSNO：U49l：TP311