基于CPS的交通多流式數(shù)據(jù)聚類及演化趨勢發(fā)現(xiàn)研究.pdf

1、交通需求的持續(xù)增長使得交通擁堵、環(huán)境污染、交通安全等問題日趨嚴(yán)重。如何運用科學(xué)的方法準(zhǔn)確認(rèn)知交通物理系統(tǒng)的演化規(guī)律，對現(xiàn)有路網(wǎng)資源進行優(yōu)化配置，提高現(xiàn)有道路資源的利用效率，為緩解交通擁堵等問題已成為目前亟待解決的問題。信息物理系統(tǒng)（Cyber Physical Systems，CPS）的提出及應(yīng)用為解決交通系統(tǒng)中存在的問題提供了新思路。將CPS技術(shù)應(yīng)用于交通系統(tǒng)，一方面，可以廣域多維地獲悉表征交通物理系統(tǒng)實時狀態(tài)的信息，為獲悉交通物理系

2、統(tǒng)實時狀態(tài)和運行規(guī)律提供了重要的信息來源；另一方面，通過對所獲取的海量交通數(shù)據(jù)的及時分析和有效處理，進而為交通物理系統(tǒng)的全面協(xié)調(diào)和實時優(yōu)化提供新的依據(jù)。
　　將大量的感知設(shè)備布設(shè)于道路交通系統(tǒng)中用以實時監(jiān)控道路交通狀態(tài)，進而獲取表征交通物理系統(tǒng)的實時狀態(tài)信息，通過分析這些信息并將處理結(jié)果反饋于交通物理系統(tǒng)中，進而實現(xiàn)交通物理系統(tǒng)的實時協(xié)調(diào)和全面優(yōu)化，體現(xiàn)了CPS的典型特征。在交通物理系統(tǒng)中，由GPS、RFID、感應(yīng)線圈等不同感知設(shè)

3、備所產(chǎn)生的交通數(shù)據(jù)以流的形式不斷涌現(xiàn)。通過對監(jiān)控道路交通實時狀態(tài)的交通流式數(shù)據(jù)的分析，不僅可以對道路交通狀態(tài)進行評價和預(yù)測，還可以解析交通狀態(tài)演變的機理、掌握交通物理系統(tǒng)的運行規(guī)律。
　　本文通過對交通流式數(shù)據(jù)的特點及特性的分析，在現(xiàn)存的流式數(shù)據(jù)聚類方法研究的基礎(chǔ)上，研究表征交通物理系統(tǒng)狀態(tài)廣域多維的交通多流式數(shù)據(jù)的聚類分析及交通多流式數(shù)據(jù)的演化趨勢發(fā)現(xiàn)方法。
　　論文的主要工作如下：
　?、購腃PS的角度，分析交通流

4、式數(shù)據(jù)的特點及特性。
　　為探索基于CPS的交通流式數(shù)據(jù)的分析及處理方法，對表征道路交通狀態(tài)的常用參數(shù)進行了描述，總結(jié)了交通流式數(shù)據(jù)的特點。基于固定檢測器所采集的道路實時狀態(tài)信息，對交通流式數(shù)據(jù)的周期演化和縱向傳播特性進行分析。
　?、跒榘l(fā)現(xiàn)交通多流式數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，結(jié)合交通流式數(shù)據(jù)的周期演化特性，提出交通多流式數(shù)據(jù)的進化聚類分析方法。
　　為解決交通多流式數(shù)據(jù)聚類時的高維問題，受啟發(fā)于聯(lián)合聚類以及基于矩陣分解聚類

5、的思想，提出了基于低秩近似矩陣分解的多流式數(shù)據(jù)進化聚類算法EC-NMF。
　　首先，EC-NMF算法充分利用流形與低秩結(jié)構(gòu)來學(xué)習(xí)非負(fù)數(shù)據(jù)的有效表示，分別在數(shù)據(jù)空間和特征空間中構(gòu)建基于近鄰的數(shù)據(jù)圖和特征圖來反映它們各自的幾何流形結(jié)構(gòu)。為保持聚類結(jié)果隨時間變化的平滑性，EC-NMF算法考慮了隨時間滑動的歷史聚類結(jié)果的信息。其次，推導(dǎo)出了EC-NMF模型的交替迭代更新規(guī)則，并從理論上證明了EC-NMF模型的收斂性和正確性。最后，基于合成

6、和實測數(shù)據(jù)集對所提出的EC-NMF算法進行了相關(guān)驗證。
　?、劢Y(jié)合具有上下游關(guān)系的交通流式數(shù)據(jù)之間的縱向空間傳播特性，基于聯(lián)合聚類多個相關(guān)類型數(shù)據(jù)的研究現(xiàn)狀，提出了交通多流式數(shù)據(jù)的聯(lián)合聚類算法。
　　首先，為能夠更客觀地分析多交通流式數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，結(jié)合交通系統(tǒng)中流式數(shù)據(jù)隨空間演化的縱向傳播特性分析，提出基于非負(fù)矩陣三分解的交通多流式數(shù)據(jù)聯(lián)合聚類框架 STClu。其次，給出了 STClu模型的交替迭代更新規(guī)則。最后，基于

7、合成和實測數(shù)據(jù)集對STClu算法進行了實驗驗證。
　?、転榻沂窘煌魇綌?shù)據(jù)之間隨時空的演化特性，進一步獲悉多個相似斷面之間的交通狀態(tài)隨時間演化的特性，提出了基于聚類思想的交通多流式數(shù)據(jù)演化趨勢發(fā)現(xiàn)方法。
　　首先，將以單條流式數(shù)據(jù)為單位的聚類問題轉(zhuǎn)化為多流式數(shù)據(jù)的圖聚類模型。根據(jù)交通流式數(shù)據(jù)之間的滯后相關(guān)性特征，給出了基于滑動窗口的交通流式數(shù)據(jù)的滯后相關(guān)性計算方法。其次，基于譜圖理論的相關(guān)思想，提出了基于滯后相關(guān)的交通多流式

8、數(shù)據(jù)的聚類算法ICMDS。為通過分析不同時刻交通多流式數(shù)據(jù)的聚類結(jié)果，獲悉交通流式數(shù)據(jù)的演化趨勢，提出了基于ICMDS算法的交通多流式數(shù)據(jù)演化趨勢發(fā)現(xiàn)算法 TEEMA。最后，基于合成和實測數(shù)據(jù)集分別驗證了 ICMDS算法的有效性和TEEMA算法的可擴展性。
　　綜上所述，本文深入地研究了流式數(shù)據(jù)的聚類分析方法，詳細(xì)地分析了基于CPS的交通流式數(shù)據(jù)的特點及隨時空演化的周期和縱向傳播特性，提出了更符合交通實際的交通多流式數(shù)據(jù)聚類分析及