本文關(guān)鍵詞：基于聚類分析和決策樹算法的交通流量挖掘

  更多相關(guān)文章： 數(shù)據(jù)挖掘 聚類分析 C4.5算法 交通擁塞

【摘要】：城市道路交通是智能交通系統(tǒng)的重要組成部分,其最大特點就是交叉口錯綜復(fù)雜,交叉口處的車流量之間相互影響,因此交叉口的通行狀況將會直接決定道路的擁堵程度,道路交叉口已經(jīng)成為整個道路交通網(wǎng)的研究重點。本文針對城市道路交通中交叉口累積的海量交通流量數(shù)據(jù),利用數(shù)據(jù)挖掘技術(shù)對其進(jìn)行分析和處理進(jìn)而發(fā)現(xiàn)隱含的交通流模式,為緩解交通壓力、優(yōu)化交通路網(wǎng),實現(xiàn)道路交通管理智能化提供技術(shù)支持。本文首先分析城市道路交通流的基本特征,在交叉口交通流調(diào)查分析的基礎(chǔ)上分別應(yīng)用層次聚類和K-means聚類算法對采集的交通流數(shù)據(jù)進(jìn)行聚類分析,使空間關(guān)聯(lián)性強(qiáng)的交通流序列聚為一類,得出城市道路空間分布特性;然后比較層次聚類和K-means聚類算法的效果,對層次聚類算法進(jìn)行改進(jìn),使得改進(jìn)后的聚類算法更具有伸縮性;在分析聚類結(jié)果的基礎(chǔ)上對交通流數(shù)據(jù)進(jìn)行預(yù)處理,加入相關(guān)的交通流屬性生成對應(yīng)的訓(xùn)練集,并用改進(jìn)后的決策樹C4.5算法對該訓(xùn)練集進(jìn)行分類生成道路擁塞分類器,提高了分類的時效性和預(yù)測的精確度;最后將生成的分類器用于實時動態(tài)交通流數(shù)據(jù)中,對交叉口的交通擁塞狀況進(jìn)行預(yù)測。實驗結(jié)果表明:將改進(jìn)后的聚類算法和決策樹算法用于分析交叉口交通運行狀態(tài)是可行的,并能夠獲得較好的預(yù)測精度。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 聚類分析 C4.5算法 交通擁塞
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U491;TP311.13
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 研究背景與意義11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 國外研究現(xiàn)狀12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-14
• 1.3 本文研究內(nèi)容與組織結(jié)構(gòu)14-17
• 1.3.1 本文研究內(nèi)容14-15
• 1.3.2 本文組織結(jié)構(gòu)15-17
• 第2章 城市道路交通數(shù)據(jù)概述17-25
• 2.1 交通流相關(guān)概念17-20
• 2.1.1 交通流參數(shù)17-19
• 2.1.2 道路交叉口通行能力19
• 2.1.3 道路交通擁塞度量指標(biāo)19-20
• 2.2 智能交通數(shù)據(jù)采集與預(yù)處理20-24
• 2.2.1 道路交通數(shù)據(jù)采集方式20-21
• 2.2.2 交通數(shù)據(jù)預(yù)處理21-22
• 2.2.3 道路交通數(shù)據(jù)離散化22-24
• 2.3 本章小結(jié)24-25
• 第3章 城市道路交通流數(shù)據(jù)挖掘方法25-37
• 3.1 數(shù)據(jù)挖掘概述25-27
• 3.1.1 數(shù)據(jù)挖掘概念25-26
• 3.1.2 數(shù)據(jù)挖掘的基本任務(wù)26-27
• 3.2 聚類分析27-33
• 3.2.1 聚類算法中的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型27-30
• 3.2.3 聚類分析中的算法描述30-33
• 3.3 決策樹分析33-36
• 3.3.1 決策樹分析機(jī)理33-34
• 3.3.2 ID3算法34-35
• 3.3.3 C4.5 算法35-36
• 3.4 本章小結(jié)36-37
• 第4章 聚類分析在道路交通流量分析中的應(yīng)用37-57
• 4.1 交通流數(shù)據(jù)的特征分析37-45
• 4.1.1 交通流數(shù)據(jù)特征37-39
• 4.1.2 交叉路口交通流調(diào)查分析39-45
• 4.2 交通流的空間聚類45-48
• 4.2.1 交通流空間分布45-46
• 4.2.2 交通流空間聚類標(biāo)準(zhǔn)46-48
• 4.3 聚類分析方法在交通流時間序列中的應(yīng)用48-52
• 4.3.1 層次聚類方法49-51
• 4.3.2 K-means聚類方法51-52
• 4.3.3 兩種聚類方法的比較52
• 4.4 層次聚類算法的改進(jìn)52-56
• 4.4.1 層次聚類算法復(fù)雜度分析52-53
• 4.4.2 基于層次聚類算法的改進(jìn)設(shè)計53-55
• 4.4.3 實驗結(jié)果分析55-56
• 4.5 本章小結(jié)56-57
• 第5章 基于決策樹分析的交通運行狀態(tài)預(yù)測57-71
• 5.1 交通流數(shù)據(jù)屬性的選取57-59
• 5.2 分類器算法的設(shè)計與實現(xiàn)59-61
• 5.2.1 C4.5 分類算法的優(yōu)缺點59
• 5.2.2 基于C4.5 分類算法的改進(jìn)設(shè)計59-60
• 5.2.3 算法分析測試60-61
• 5.3 交通擁塞分類器的設(shè)計與實現(xiàn)61-70
• 5.3.1 分類器思想61-62
• 5.3.2 交通流分類器設(shè)計62
• 5.3.3 交通流分類器實現(xiàn)62-69
• 5.3.4 實驗結(jié)果分析69-70
• 5.4 本章小結(jié)70-71
• 第6章 總結(jié)與展望71-73
• 6.1 總結(jié)71-72
• 6.2 展望72-73
• 參考文獻(xiàn)73-77
• 攻讀碩士期間發(fā)表的學(xué)術(shù)論文77-79
• 致謝79

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 賽從瑞;袖珍機(jī)輔助排序聚類分析的程序設(shè)計與應(yīng)用[J];成組生產(chǎn)系統(tǒng);1987年04期

2 李慕榮;基于聚類分析的安徽企業(yè)R&D資源分布研究[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2004年11期

3 孫冰心;王利民;崔麗霜;龐永俊;;基于譜系聚類分析的集裝箱裝箱方案優(yōu)化研究[J];鐵道運輸與經(jīng)濟(jì);2006年08期

4 劉恩華;張嘉禾;金正青;;聚類分析在汽車市場營銷中的應(yīng)用[J];上海汽車;2010年10期

5 廖春梅;;利用聚類分析對全國各地經(jīng)濟(jì)效益進(jìn)行評價分析[J];企業(yè)技術(shù)開發(fā);2011年09期

6 蔡建國;;排序聚類分析在成組技術(shù)中的應(yīng)用[J];機(jī)械工藝師;1985年01期

7 董玉祥;排序聚類分析計算程序[J];成組生產(chǎn)系統(tǒng);1986年01期

8 A·Gongaware,Inyong Ham,焦虹;用于成組制造系統(tǒng)的聚類分析法[J];成組生產(chǎn)系統(tǒng);1986年02期

9 史逸芬,蔡建國;排序聚類分析法在相似零件成組中的應(yīng)用[J];成組生產(chǎn)系統(tǒng);1986年03期

10 李健萍;;關(guān)于沸石水泥的聚類分析[J];武漢工業(yè)大學(xué)學(xué)報;1986年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟(jì)實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務(wù)業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學(xué)術(shù)年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達(dá)譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學(xué)會第七屆代表大會暨學(xué)術(shù)研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會第十二屆學(xué)術(shù)年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運籌學(xué)[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關(guān)系探討[A];第九屆全國體育科學(xué)大會論文摘要匯編(4)[C];2011年

8 牛東曉;乞建勛;;網(wǎng)絡(luò)資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2001年

9 詹原瑞;彭書杰;李如一;;基于聚類分析的企業(yè)信用等級評價方法[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

10 鄒曉玫;修春波;;基于聚類分析的犯罪率相關(guān)因素的研究[A];當(dāng)代法學(xué)論壇（二○一○年第3輯）[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張建萍;基于計算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學(xué);2014年

2 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學(xué);2006年

3 楊旭杰;基于統(tǒng)計方法模型分析的中藥復(fù)方專利保護(hù)研究[D];北京中醫(yī)藥大學(xué);2012年

4 李寶玲;王裕頤教授學(xué)術(shù)思想與臨床經(jīng)驗總結(jié)及治療眩暈證治規(guī)律研究[D];北京中醫(yī)藥大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李元俊;大學(xué)生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學(xué);2015年

2 馮雪冰;基于模糊理論的EM算法在聚類分析的應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

3 張沛之;基于聚類分析的海報風(fēng)格分類之研究[D];青島大學(xué);2015年

4 何力驁;基于聚類分析的激光誘導(dǎo)擊穿光譜爆炸物識別技術(shù)研究[D];北京理工大學(xué);2016年

5 趙文睿;基于聚類分析的中國房地產(chǎn)企業(yè)信用評級實證研究[D];吉林大學(xué);2016年

6 賈偉;基于聚類分析和灰色模型的短期雷擊預(yù)警系統(tǒng)設(shè)計[D];吉林大學(xué);2016年

7 欒海洋;動車組質(zhì)量數(shù)據(jù)聚類分析研究與應(yīng)用[D];北京交通大學(xué);2016年

8 黃智函;盜竊犯罪時空分布特征研究[D];福州大學(xué);2014年

9 王冰冰;雙類型信息網(wǎng)絡(luò)聚類分析[D];吉林大學(xué);2016年

10 劉劍;基于聚類分析的CAM模板自動提取的研究[D];華中科技大學(xué);2014年

，

本文編號：1048960