聚類分析與分類分析在軌道交通系統(tǒng)中的應(yīng)用.pdf

1、近年來(lái),隨著軌道交通的長(zhǎng)足發(fā)展,大規(guī)模運(yùn)營(yíng)數(shù)據(jù)沉積在軌道交通AFC中央數(shù)據(jù)庫(kù)中。在對(duì)軌道交通數(shù)據(jù)進(jìn)行科學(xué)處理時(shí),往往會(huì)因?yàn)槠渚哂幸?guī)模大、特征復(fù)雜等特點(diǎn),使得理解、分析這些數(shù)據(jù),并從中獲取知識(shí)變得十分困難。對(duì)于這些數(shù)據(jù),軌道交通決策者已經(jīng)不滿足于傳統(tǒng)的查詢、統(tǒng)計(jì)分析手段,而需要發(fā)現(xiàn)更深層次的規(guī)律,對(duì)軌道交通決策或日常運(yùn)營(yíng)工作提供更有效的決策支持。由此數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理勢(shì)在必行。
　　本文以分類和聚類算法為主要研究對(duì)象,描述了算法

2、的基本理論及其應(yīng)用。在傳統(tǒng)聚類、分類算法的基礎(chǔ)上,主要研究適合軌道交通運(yùn)營(yíng)數(shù)據(jù)的分類和聚類的理論及其發(fā)展過(guò)程;以及使用決策樹(shù)、時(shí)間序列、劃分聚類等技術(shù)解決軌道交通AFC運(yùn)營(yíng)數(shù)據(jù)中的大規(guī)模知識(shí)發(fā)現(xiàn)問(wèn)題。根據(jù)當(dāng)前較新的期望最大化算法和C4.5算法,結(jié)合軌道交通自動(dòng)售檢票運(yùn)營(yíng)數(shù)據(jù)中的時(shí)間序列,對(duì)軌道交通AFC中央數(shù)據(jù)庫(kù)沉淀的歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)描述與挖掘分類,從中發(fā)現(xiàn)日常運(yùn)營(yíng)過(guò)程中隱含的固有模式。通過(guò)相關(guān)性分析,提出了基于序列分析的期望最大化聚類

3、算法和決策樹(shù)分類算法。結(jié)合軌道交通運(yùn)營(yíng)數(shù)據(jù)的序列性特點(diǎn),這兩個(gè)算法不僅能夠解決傳統(tǒng)挖掘算法具有的局部收斂與效率低下等諸多問(wèn)題,更加適合于高維、大規(guī)模軌道交通運(yùn)營(yíng)數(shù)據(jù)的分析。
　　因此本文研究成果對(duì)大規(guī)模的軌道交通運(yùn)營(yíng)數(shù)據(jù)進(jìn)行的分析一定會(huì)產(chǎn)生積極的促進(jìn)作用。同時(shí),本文在分析軌道交通售檢票系統(tǒng)運(yùn)營(yíng)數(shù)據(jù)庫(kù)歷史沉積數(shù)據(jù)的基礎(chǔ)上,運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)等相關(guān)技術(shù),設(shè)計(jì)和實(shí)現(xiàn)了基于多維立方體、數(shù)據(jù)挖掘及聯(lián)機(jī)分析處理的決策支持系統(tǒng)。從而為提供準(zhǔn)確、高效的