城市道路交通數(shù)據(jù)挖掘研究與應用.pdf

1、智能交通系統(tǒng)是有效地集成信息技術(shù)、數(shù)據(jù)通訊技術(shù)、電子傳感技術(shù)、電子控制技術(shù)以及計算機數(shù)據(jù)處理技術(shù)的地面運輸管理體系，是當前研究與應用的熱點。其中，大規(guī)模交通數(shù)據(jù)管理、整合和挖掘是一項關(guān)鍵技術(shù)。數(shù)據(jù)挖掘是從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，是目前最強有力的計算機數(shù)據(jù)分析技術(shù)之一。交通數(shù)據(jù)挖掘技術(shù)的研究是智能交通技術(shù)和數(shù)據(jù)挖掘技術(shù)領(lǐng)域最活躍的研究方向之一。交通數(shù)據(jù)挖掘的主要目的是尋找交通數(shù)據(jù)中的規(guī)律，為智能交通系統(tǒng)的設(shè)計提供技術(shù)支持，有利于緩解交

2、通擁擠、優(yōu)化交通路網(wǎng)運行，促進交通健康穩(wěn)定發(fā)展。交通流量、交通擁堵狀況和交通流分布預測和分析是目前智能交通數(shù)據(jù)挖掘研究中的三個重要問題，對于智能交通系統(tǒng)的交通信號管理與控制、交通流誘導、動態(tài)交通分配等方面有著重要的意義，在智能交通系統(tǒng)設(shè)計和實現(xiàn)中起著重要作用。
　　當前智能交通數(shù)據(jù)挖掘研究的重點在于如何設(shè)計有效的挖掘算法，主要有兩個方面的難題：一方面，由于交通流數(shù)據(jù)的特殊性，使得現(xiàn)有的數(shù)據(jù)挖掘算法無法直接在大規(guī)模交通流數(shù)據(jù)中高效實

3、現(xiàn)；另一方面，由于沒有根據(jù)領(lǐng)域知識設(shè)計專門的挖掘算法，造成挖掘結(jié)果無法滿足應用需求。本文針對當前智能交通數(shù)據(jù)挖掘技術(shù)研究領(lǐng)域中存在的問題，在交通流量預測、交通擁堵事件挖掘和交通流分布模式挖掘等幾個方面開展研究，提出了相應的挖掘算法，并將這些方法應用于智能交通數(shù)據(jù)挖掘系統(tǒng)中。本文取得的主要研究成果如下：
　　1)針對短時十字路口交通流量預測問題設(shè)計實現(xiàn)了基于組合模型的挖掘算法
　　及時、準確地識別和預測道路交通的狀態(tài)是智能交通

4、系統(tǒng)實現(xiàn)動態(tài)交通管理的重要前提。交通流量是交通流的重要特性之一，智能交通系統(tǒng)的控制和誘導需要對道路網(wǎng)絡(luò)交通流量進行準確、快速的預測。本文針對路口短時交通流量預測問題，提出了基于交通流量序列分割和神經(jīng)網(wǎng)絡(luò)組合模型的交通流量預測算法CITFF(Combined Intersection Traffic flow Forcast)，CITFF算法首先采用聚類方法對交通流量在流量大小和時間上進行序列分割，然后再采用神經(jīng)網(wǎng)絡(luò)對各個交通流模式進行描

5、述和預測。實驗證明基于組合模型的預測方法具有較高的預測精度。
　　2)構(gòu)建了道路交通流模式庫并設(shè)計了相應的交通流擁堵事件挖掘算法
　　如何應對城市現(xiàn)代化帶來的交通擁堵問題，是交通管理者迫切需要解決的問題。道路交通的擁堵事件檢測是智能交通領(lǐng)域研究的關(guān)鍵技術(shù)。本文通過對道路交通流數(shù)據(jù)的分析，構(gòu)建了道路交通流模式庫，并給出一個結(jié)合同向斜率樹(Same-Directed Slope Tree，SDS-Tree)逐層分類表示交通流數(shù)據(jù)

6、的方法?；跇?gòu)建的交通流模式庫，提出了一種高效的道路交通流的擁堵事件挖掘算法Deteetion-CS(Detection of Continual Stream of Traffic Flow)，同時對算法效率和空間復雜度進行了詳細分析。Detection-CS算法首先對當前實時交通數(shù)據(jù)進行特征提取，通過對交通流模式庫進行匹配，獲取前七個有效反饋，并根據(jù)反饋的交通路況信息進行分析，結(jié)合路況分層模式信息，給出當前路況的實時檢測信息，實現(xiàn)對

7、交通路況檢測。為提高挖掘算法的效率，根據(jù)交通流模式庫的路況分層信息，建立了多層索引結(jié)構(gòu)，減少算法的搜索空間，從而實現(xiàn)算法優(yōu)化。結(jié)合實際需要，算法進一步給出隨著時間推移如何更新交通流模式庫的方法，通過逐步替換使用頻度最少的信息和更新新出現(xiàn)的路況信息，保證交通流模式庫的有效性。在真實數(shù)據(jù)集上的實驗表明，與現(xiàn)有算法相比，Deteetion-CS算法對于當前解決交通路況的實時檢測具有很好的效率和較高的準確度。
　　3)提出了一個道路交通流

8、分布模式挖掘算法
　　道路網(wǎng)絡(luò)上運行的交通流具有不同的空間分布模式，根據(jù)交通流運行的空間分布特性，對道路交通網(wǎng)絡(luò)進行實時、動態(tài)的交通區(qū)域劃分是當前智能交通系統(tǒng)的研究熱點之一。本文對分布在道路網(wǎng)絡(luò)空間中的環(huán)形感應線圈檢測器檢測的交通流數(shù)據(jù)進行空間聚類分析，設(shè)計了一個高效的交通流空間聚類算法SPANBRE(Efficient Clustering Algorithm for Spatial Data with Neighborhood

9、 Relations)，自底向上生成道路交通流的空間簇，使具有相似性質(zhì)且具有空間關(guān)聯(lián)性的交通流數(shù)據(jù)對象聚成一簇，用以發(fā)現(xiàn)道路交通流的空間分布模式。SPANBRE算法無需執(zhí)行復雜的空間連接和空間合并操作，實驗證明具有良好的時間效率。
　　4)設(shè)計實現(xiàn)了一個基于數(shù)據(jù)挖掘技術(shù)的綜合智能交通系統(tǒng)
　　道路交通數(shù)據(jù)挖掘技術(shù)的研究對于智能交通系統(tǒng)的交通信號管理與控制、交通流誘導、動態(tài)交通分配等方面有著重要的意義。本文將上述挖掘方法應用于