基于數(shù)據(jù)挖掘技術(shù)的城市交通流短時(shí)預(yù)測(cè)研究

《基于數(shù)據(jù)挖掘技術(shù)的城市交通流短時(shí)預(yù)測(cè)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(kù)。

1、碩士學(xué)位論文基于數(shù)據(jù)挖掘技術(shù)的城市交通流短時(shí)預(yù)測(cè)研究研究生姓名：王娜導(dǎo)師姓名：王力教授2016年4月24日分類號(hào)：U491密級(jí)：公開(kāi)UDC：629學(xué)號(hào)：1302013中國(guó)民航大學(xué)碩士學(xué)位論文基于數(shù)據(jù)挖掘技術(shù)的城市交通流短時(shí)預(yù)測(cè)研究研究生姓名：王娜導(dǎo)師姓名：王力教授申請(qǐng)學(xué)位類別：工學(xué)碩士學(xué)科專業(yè)名稱：控制科學(xué)與工程所在院系：電子信息與自動(dòng)化學(xué)院論文答辯日期：2016年4月24日2016年4月24日short-termtrafficstateforecastingstudybasedondatamini

2、ngADissertationSubmittedtoCivilAviationUniversityofChinaFortheAcademicDegreeofMasterofScienceBYWANGNaSupervisedbyProf.WANGLiCollegeofElectronicInformationandAutomationCivilAviationUniversityofChinaApr.24th2016中國(guó)民航大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下巧巧的研

3、充工作及化約的研巧巧栗。巧所知．除了文中特別加Ｗ標(biāo)注巧致謝的地義外．論文中不包含其他人己經(jīng)發(fā)巧或撰寫過(guò)的研巧成巧，化不包含為巧巧中國(guó)民化大學(xué)或其它巧巧機(jī)構(gòu)的學(xué)位或巧朽而使用過(guò)的材料一？與我同工作的問(wèn)志對(duì)本硏巧所做的化何貢獻(xiàn)均己往論文中作了明確的說(shuō)明巧巧示了謝怠。研巧生答名＞：日期：Ｗ乂又＾１中國(guó)民航大學(xué)學(xué)位論文使用授權(quán)聲明中國(guó)民化大學(xué)、中國(guó)科學(xué)技術(shù)信息研巧所、國(guó)家圍巧館有權(quán)保留本人巧送交學(xué)位論Ｌ？文的復(fù)巧化巧電子文巧？巧：Ｊｌ采用影印、縮巧或巧他復(fù)剌手段保存論文。本人

4、電了文檔的巧容和巧質(zhì)論文的內(nèi)容相一致？除在傑密期內(nèi)的保密論文外．化許論文巧壑間和倍閱，ＷＬａ公布（包巧刊結(jié)）論文的全部或部分容。論文的公布（包巧刊綜）授枚中巧氏祈火學(xué)研巧生部辦理。＾研巧生簽名：導(dǎo)師簽ｕｒｎ＿摘要實(shí)時(shí)、準(zhǔn)確、高效的預(yù)測(cè)結(jié)果，是智能交通能否服務(wù)于交通管理和公眾出行的關(guān)鍵。智能交通的快速發(fā)展產(chǎn)生了大量的、多源的、異構(gòu)的交通數(shù)據(jù)，然而現(xiàn)有的城市交通流短時(shí)預(yù)測(cè)方法主要是基于時(shí)間序列的分析思路。針對(duì)復(fù)雜多變的城市道路交通狀況，有必要探討如何從海量的數(shù)據(jù)中挖掘出交通流數(shù)據(jù)

5、中的內(nèi)在規(guī)律，從而有效的服務(wù)于交通流短時(shí)預(yù)測(cè)。本文在研究交通流短時(shí)預(yù)測(cè)的研究背景、意義以及國(guó)內(nèi)外現(xiàn)狀的基礎(chǔ)上，分別從數(shù)據(jù)質(zhì)量問(wèn)題、空間數(shù)據(jù)挖掘問(wèn)題和時(shí)間序列挖掘三方面展開(kāi)論文的研究?jī)?nèi)容。根據(jù)交通流檢測(cè)器設(shè)備故障和道路網(wǎng)復(fù)雜的不確定性等因素的影響，提出了數(shù)據(jù)預(yù)處理的必要性。通過(guò)孤立點(diǎn)檢測(cè)算法識(shí)別偽錯(cuò)誤數(shù)據(jù)，綜合交通流機(jī)理和閾值方法判別出錯(cuò)誤數(shù)據(jù)，并采用歷史估計(jì)方法進(jìn)行修復(fù)；丟失數(shù)據(jù)的識(shí)別和補(bǔ)齊均采用EM算法，最后通過(guò)自適應(yīng)指數(shù)平滑濾波獲取高質(zhì)量的數(shù)據(jù)基礎(chǔ)。根據(jù)交通流數(shù)據(jù)的時(shí)空特性，分別從空間數(shù)據(jù)挖掘和

6、時(shí)間序列挖掘兩個(gè)角度尋找數(shù)據(jù)狀態(tài)變化的內(nèi)在規(guī)律，在此基礎(chǔ)上實(shí)現(xiàn)對(duì)交通流的短時(shí)預(yù)測(cè)?？臻g數(shù)據(jù)挖掘采用基于系統(tǒng)聚類的空間挖掘方法，對(duì)城市區(qū)域路網(wǎng)進(jìn)行劃分，采用支持向量機(jī)模型實(shí)現(xiàn)交通流短時(shí)預(yù)測(cè)，選擇適合的核函數(shù)和參數(shù)尋優(yōu)方法實(shí)現(xiàn)交通流短時(shí)預(yù)測(cè)的最佳效果。時(shí)間序列挖掘側(cè)重研究時(shí)間序列分割，通過(guò)分割提取時(shí)間序列特征，提出了基于SAGA-FCM的時(shí)間序列分割方法，將分割后的時(shí)間段分別采用支持向量機(jī)進(jìn)行預(yù)測(cè)，并對(duì)最佳聚類分割次數(shù)進(jìn)行了探討，得到了理想的預(yù)測(cè)效果。關(guān)鍵詞：交通流短時(shí)預(yù)測(cè)；數(shù)據(jù)挖掘技術(shù)；空間數(shù)據(jù)挖掘；

7、時(shí)間序列挖掘；支持向量機(jī)；聚類分析IABSTRCTTheresultofreal-time,accurateandefficientpredictionisthekeytoservecitytrafficmanagementandpublictravel.Therapiddevelopmentofintelligenttransportsystemproducesmanylarge,multi-sourceandheterogeneoustrafficdata.However,theexisting

8、methodsofshort-termtrafficflowforecastingaremainlyabouttheanalysisbasedontimeseries.Underthecomplextrafficconditionsofurbanroad,itisnecessarytodigouttheinherentregularityfromthemassoftrafficdata,soastoeffectivelyservetheshort-termtraffi