本文選題：城市交通　切入點：數(shù)據(jù)挖掘　出處：《公路工程》2014年02期

【摘要】：針對公交調(diào)查數(shù)據(jù)背后信息挖掘的需求,論文首先介紹了公交調(diào)查數(shù)據(jù)挖掘的理論概念及任務方法。概述了公交調(diào)查數(shù)據(jù)挖掘的常規(guī)流程,并且在分析了幾種公交調(diào)查數(shù)據(jù)挖掘模型建模方法的基礎上,得出kmeans模型最適宜對公交調(diào)查數(shù)據(jù)進行聚類分析。最后以達州市公交調(diào)查數(shù)據(jù)為樣本實例,采用年齡、職業(yè)、每周乘坐公交天數(shù)、每月公交花費、偏好付款方式等幾種屬性,借以SPSS Clementine為軟件平臺、以k-means為模型對各屬性數(shù)據(jù)進行聚類分析,軟件運行后得到相似度較大的幾組類別,根據(jù)不同樣本含量的幾組聚類進行圖表分析,分別得出優(yōu)化公共交通服務的相應建議,達到最初挖掘公交調(diào)查數(shù)據(jù)背后信息的目的。
[Abstract]:Aiming at the demand of information mining behind public transport survey data, this paper first introduces the theory concept and task method of bus survey data mining, and summarizes the routine flow of bus survey data mining. And on the basis of analyzing several modeling methods of bus survey data mining model, the paper concludes that kmeans model is the most suitable for cluster analysis of bus survey data. Finally, taking Dazhou bus survey data as a sample example, using age, occupation, etc. In order to use SPSS Clementine as the software platform and k-means as the model to cluster the attribute data, several groups of similar categories are obtained after the running of the software, such as the number of bus days per week, the monthly bus cost, the preferred payment method, and so on. According to the analysis of several clusters of different sample contents, the corresponding suggestions of optimizing public transport service are obtained respectively, and the purpose of mining the information behind the public transport survey data at first is achieved.
【作者單位】： 西南交通大學交通運輸與物流學院;
【基金】：四川省科技支撐計劃項目(2010ZR0021) 西華大學重點實驗室開放基金項目(編號SZjj2011-033)
【分類號】：U491.17

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 曹潔;徐強;李宇;任崇玉;;利用數(shù)據(jù)挖掘技術對公交乘客特征狀況的分析[J];計算機工程與設計;2007年17期

2 齊揚;朱欣娟;;基于數(shù)據(jù)挖掘的服裝推薦系統(tǒng)研究[J];西安工程大學學報;2010年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 覃明貴;城市道路交通數(shù)據(jù)挖掘研究與應用[D];復旦大學;2010年

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王文碩;劉鳳軍;;我國商業(yè)銀行信用卡客戶流失實證研究[J];金融理論與實踐;2008年11期

2 楊毓;蒙肖蓮;;用支持向量機(SVM)構建企業(yè)破產(chǎn)預測模型[J];金融研究;2006年10期

3 肖鳳;鄭海健;盧闖;;基于聚類分析的銀行客戶關系管理策略研究[J];技術經(jīng)濟;2010年01期

4 代逸生;楊永升;;基于LVQ神經(jīng)網(wǎng)絡的電信企業(yè)客戶流失預測模型研究[J];價值工程;2011年13期

5 吳子s，

本文編號：1695714