基于復雜網(wǎng)絡的交通定位數(shù)據(jù)挖掘和交通流模型的研究.pdf

1、基于車載GPS定位信息的個人位置服務的數(shù)據(jù)挖掘研究發(fā)展方興未艾。本文從一個新的視角,即復雜網(wǎng)絡,對個人駕駛數(shù)據(jù)進行特征挖掘分析,并將有關(guān)網(wǎng)絡模型思想應用到對典型交通流模型的研究。本文的主要研究內(nèi)容及取得的結(jié)果有:
　　首先,本文對車載GPS定位數(shù)據(jù)進行不同的處理,分別建立了單車數(shù)據(jù)網(wǎng)絡模型和多車數(shù)據(jù)網(wǎng)絡模型。對于單車數(shù)據(jù)網(wǎng)絡模型,我們將網(wǎng)絡中度數(shù)較高且密集的兩個區(qū)域的節(jié)點和原始數(shù)據(jù)的時間信息對應,成功挖掘出車主的工作地點位置和住所

2、地點位置。對于多車數(shù)據(jù)網(wǎng)絡模型,將網(wǎng)絡拓撲圖中呈現(xiàn)出小聚居形態(tài)的區(qū)域的節(jié)點和原始數(shù)據(jù)中經(jīng)緯度信息對應起來,同樣分別挖掘出部分車主的工作地點位置和住所地點的位置。
　　其次,本文研究了基于交通流最優(yōu)速度模型產(chǎn)生的時間序列的動力學特征。首先,通過解最優(yōu)速度模型的微分方程得到交通流速度和車頭間距時間序列,并且,通過對最優(yōu)速度模型中前車的速度施加正弦信號、隨機信號、高斯信號和卡方等噪音信號干擾,得到四種不同的速度、位移時間序列,然后利用數(shù)

3、據(jù)替代技術(shù)對交通流時間序列進行替代數(shù)據(jù)檢驗,結(jié)果表明它們?yōu)榉羌冊胍魯?shù)據(jù),而是呈現(xiàn)明顯的動力學特性。
　　再次,本文用遞歸圖方法將交通流時間序列映射到復雜網(wǎng)絡,并通過分析它們的遞歸圖,得出了除正弦信號干擾得到的交通流時間序列以外的其他干擾下的數(shù)據(jù)都存在著無標度特性的結(jié)論,而且這種無標度網(wǎng)絡特性獨立于干擾信號的數(shù)據(jù)概率分布特性。這說明駕駛者隨機駕駛行為對模型數(shù)據(jù)的產(chǎn)生具有明顯作用,這對研究駕駛行為對道路交通狀況的影響有參考價值。此外,