面向城市道路交通信息挖掘的Apriori算法研究.pdf

1、信息時代,感知、測量、記錄、傳播及存儲等認識世界的方法得到跨越式發(fā)展。數(shù)據(jù)量呈現(xiàn)井噴式增長模式,但用來改造世界的從數(shù)據(jù)中獲取的信息量相對貧乏。ITS技術的發(fā)展,利用裝有 GPS和通信設備的浮動車采集交通信息,可獲取大量交通運行狀態(tài)信息。人、車、路三要素相互制約,組成了城市道路交通信息。城市道路交通系統(tǒng)的時變性、復雜性和非線性特征,各種內(nèi)外因?qū)е孪到y(tǒng)具有高度的不確定性。如何讓這些交通信息“發(fā)聲”,達到對數(shù)據(jù)信息的“感傳知應”,顯得非常重要

2、。
　　本文研究了關聯(lián)規(guī)則挖掘的基本問題,總結(jié)了經(jīng)典的挖掘算法。結(jié)合城市交通信息特征,針對Apriori算法性能的缺陷,本文作了相關改進研究。
　　改變數(shù)據(jù)庫映射方式,避免了原有算法多次掃描數(shù)據(jù)庫的開銷;在得到每個候選項集的支持數(shù)以判斷是否頻繁項集時,借助Apriori算法的先驗知識,由已有的頻繁項集中的元素生成的候選項集確定不是頻繁項集,那么該元素后續(xù)就不需連接,這樣優(yōu)化了連接步驟;在掃描數(shù)據(jù)庫時,Apriori算法對候選

3、項集和事務模式匹配,時間開銷大,為此本文引進集合交集運算,簡明易懂。通過這些改進策略,綜合給出了改進算法。理論上說明了改進算法較原有算法的優(yōu)越性以及在城市道路交通信息挖掘領域更好的適應性。
　　針對諸多研究者在對挖掘算法進行分析和研究后,選擇蘑菇集作為測試數(shù)據(jù)集,顯得單一;且截至目前對道路交通擁堵進行關聯(lián)規(guī)則挖掘缺乏有效研究。鑒于城市道路交通流的GPS數(shù)據(jù)經(jīng)處理后,得到的數(shù)據(jù)集契合關聯(lián)規(guī)則挖掘算法對數(shù)據(jù)的嚴格要求。因此,本文把關聯(lián)

4、規(guī)則算法應用到城市道路交通信息挖掘中去。借助浮動車監(jiān)控中心的數(shù)據(jù),經(jīng)過數(shù)據(jù)選擇和預處理,對區(qū)域內(nèi)和區(qū)域間早、晚高峰時段的數(shù)據(jù)分別進行挖掘,生成了滿足約束條件的頻繁項集,找出了其中存在的有意義的強關聯(lián)規(guī)則。
　　考慮參數(shù)對結(jié)果的影響,作了進一步的分析,同時也驗證了優(yōu)化算法在效率上有所提升。分析所得到的關聯(lián)規(guī)則,給道路交通參與者提供路徑?jīng)Q策,用以指導科學出行,實現(xiàn)相對準確的交通預測和控制。
　　最后,對本文所作的工作進行了總結(jié),