【摘要】：隨著智能交通系統(tǒng)ITS的高速發(fā)展,大量的交通流檢測數(shù)據(jù)被積累下來,如何充分的利用這些交通流檢測數(shù)據(jù)來指導(dǎo)交通的規(guī)劃控制是智能交通領(lǐng)域需要解決的關(guān)鍵問題之一,而數(shù)據(jù)挖掘技術(shù)的出現(xiàn)正好為這一問題的解決提供了強大的理論與實現(xiàn)基礎(chǔ)。聚類分析作為一種重要的數(shù)據(jù)挖掘技術(shù),它可以從大量的數(shù)據(jù)中發(fā)現(xiàn)隱含的數(shù)據(jù)分布和模式,采用聚類分析方法對智能交通系統(tǒng)中海量的交通客流時間序列數(shù)據(jù)進行研究分析具有很大的應(yīng)用價值:一方面可以發(fā)現(xiàn)典型的客流變化規(guī)律;另一方面還可以發(fā)現(xiàn)客流狀況的異常,分析異常出現(xiàn)原因;同時還能壓縮數(shù)據(jù)為后續(xù)的數(shù)據(jù)預(yù)測等其它挖掘分析做好準(zhǔn)備。客流時間序列具有的高維、高噪聲、波動頻繁等特點,給序列的聚類挖掘帶來了很大的不便,因此,有效地壓縮序列是交通客流數(shù)據(jù)聚類分析中首先需要解決的問題。本文結(jié)合交通客流數(shù)據(jù)的特點,在分析和總結(jié)已有時間序列降維算法KPS的不足和不適用性的基礎(chǔ)上,通過改進算法的關(guān)鍵點提取方法,從而設(shè)計出一種改進的基于關(guān)鍵點的時間序列降維算法EKPS。并通過仿真實驗表明,本文所設(shè)計的改進算法EKPS能夠在較高壓縮率的情況下很好的保留原始時間序列的形態(tài)變化趨勢,達到有效地降低時間序列維度的目的。在采用本文改進的EKPS算法對交通流時間序列進行關(guān)鍵點提取降維預(yù)處理之后,本文考慮到交通客流數(shù)據(jù)劃分具有的模糊特性,采用經(jīng)典的模糊C-均值聚類算法FCM對預(yù)處理后的客流時間序列數(shù)據(jù)集的進行聚類分析。針對FCM算法對初始聚類中心敏感以及需要人為規(guī)定聚類數(shù)目的不足,本文結(jié)合凝聚型的層次聚類算法設(shè)計出一種基于序列關(guān)鍵點的二階FCM算法TSFCM。最后,利用真實交通客流數(shù)據(jù)對該算法進行了仿真驗證,結(jié)果表明,改進后的算法成功的克服了原FCM算法的不足,并且可以有效地對交通客流時間序列數(shù)據(jù)進行聚類分析。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U495;TP311.13
，

本文編號：2586975