基于數(shù)據(jù)挖掘的駕駛行為與道路擁堵分析.pdf

1、隨著中國(guó)經(jīng)濟(jì)快速發(fā)展，汽車保有量逐年增加，交通安全和交通擁堵問題越來越突出。城市智能交通系統(tǒng)作為解決當(dāng)前交通安全以及道路擁堵等一系列問題的信息化技術(shù)應(yīng)運(yùn)而生。
　　駕駛行為與道路交通安全有著緊密聯(lián)系，由于一些不安全駕駛行為所帶來的交通事故是造成交通擁堵的主要原因之一，如何準(zhǔn)確評(píng)價(jià)駕駛員的駕駛行為并規(guī)范駕駛?cè)说鸟{駛行為是保障道路交通安全的重要舉措;有效地識(shí)別道路交通擁堵狀態(tài)并對(duì)交通擁堵狀態(tài)進(jìn)行預(yù)測(cè)，能夠?yàn)榻煌ü芾聿块T掌握道路交通擁堵

2、狀態(tài)提供有效、科學(xué)的途徑，便于及時(shí)采取交通疏散與誘導(dǎo)的措施，并能夠?yàn)榻煌ǔ鲂姓哌x擇最優(yōu)出發(fā)方式、出發(fā)時(shí)刻及出發(fā)路徑提供良好的決策依據(jù)。
　　綜上所述，駕駛行為與道路擁堵分析對(duì)于“人-車-路-生活”和諧統(tǒng)一新體系的構(gòu)建和智能交通系統(tǒng)的應(yīng)用前景和發(fā)展具有重要的意義和研究?jī)r(jià)值。隨著車聯(lián)網(wǎng)技術(shù)和城市智能交通領(lǐng)域的發(fā)展，智能交通系統(tǒng)所采集的信息維度越來越多，范圍、深度和廣度將越來越大，本文從數(shù)據(jù)挖掘角度出發(fā)對(duì)智能交通系統(tǒng)所采集的數(shù)據(jù)進(jìn)行分析

3、，面向城市交通出行和管理者服務(wù)需求，旨在給智能交通系統(tǒng)提供一些技術(shù)支持與科學(xué)依據(jù)，本文主要研究成果和創(chuàng)新點(diǎn)如下:
　　(1)提出了一種基于聚類和BP神經(jīng)網(wǎng)絡(luò)的駕駛行為評(píng)價(jià)方法，采用改進(jìn)的K-均值聚類方法對(duì)駕駛行為特征數(shù)據(jù)進(jìn)行聚類，基于駕駛行為聚類結(jié)果，利用BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，最終用訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)分類器對(duì)駕駛行為進(jìn)行在線分類評(píng)價(jià)。研究結(jié)果表明該算法摒棄了人為主觀因素，實(shí)現(xiàn)了駕駛行為準(zhǔn)確、客觀、高效的評(píng)價(jià)，為交通管理部門重點(diǎn)監(jiān)控

4、較高風(fēng)險(xiǎn)駕駛?cè)颂峁┝藚⒖家罁?jù)，為UBI(Usage Based Insurance)駕駛行為評(píng)價(jià)提供一種新的方法。
　　(2)針對(duì)道路交通狀態(tài)具有模糊性的特點(diǎn)，提出了一種基于改進(jìn)模糊C均值聚類的交通狀態(tài)實(shí)時(shí)判別的方法。該方法首先針對(duì)傳統(tǒng)FCM算法存在的問題，引入了一種自適應(yīng)模糊聚類算法，利用模擬退火算法(SA)和粒子群優(yōu)化算法(PSO)相結(jié)合的智能算法來提高PSO的全局搜索能力并對(duì)自適應(yīng)模糊聚類算法中的參數(shù)進(jìn)行優(yōu)化，以實(shí)測(cè)交通流樣

5、本數(shù)據(jù)的速度、流量、占有率作為特征屬性，對(duì)構(gòu)建的道路交通狀態(tài)實(shí)時(shí)識(shí)別算法進(jìn)行實(shí)例研究，研究結(jié)果驗(yàn)證了其有效性和可靠性。
　　(3)針對(duì)短時(shí)交通流預(yù)測(cè)問題，對(duì)交通流序列的非線性和延遲性進(jìn)行了研究，給出了交通流系統(tǒng)延時(shí)時(shí)間確定方法。基于灰色系統(tǒng)理論，針對(duì)灰色預(yù)測(cè)模型存在的缺陷，對(duì)灰色預(yù)測(cè)模型進(jìn)行了優(yōu)化和改進(jìn)，并結(jié)合短時(shí)交通流的延遲性，建立了基于改進(jìn)灰色模型的灰色延遲非線性交通流動(dòng)力學(xué)模型。最后通過實(shí)例表明該模型能夠很好地反映交通流系統(tǒng)