基于聚类及D-S证据推理理论的城市交通环境分区

摘要

城市交通环境系统是指城市中对于交通在各个方面的技术水平、管理策略、规章制度以及城市交通习惯等，一些大城市中的交通污染问题和交通拥堵问题等都在不同程度上影响着人们的日常生活。城市交通环境是极为复杂的，并且一个城市的交通环境网络也是相当庞大的，所以对整个城市交通环境进行统一的智能控制与优化并不现实，因此提出了交通环境分区的理论，一些学者设想将整个交通环境分成不同的小区域，这些不同的小区域具有相同的属性，然后通过对交通子区进行智能优化达到对整个交通环境的治理和优化。本文在查阅国内外交通分区相关论文，总结前人研究成果，借鉴他人经验的基础上，通过对聚类方法及城市交通环境的深入分析，将聚类方法应用到城市交通环境分区中去，尝试根据评价指标数据的相似性对给定的交通地图进行交通分区，具体研究内容如下：
　　 第一，针对当前城市交通环境存在的问题，阐述交通环境分区的必要性；第二，确定评价指标的选取。在考虑城市交通环境状态在空间上的差异性分布特征及数据来源、可操作性等因素基础上，选择能够充分反映各交通子区的性质的相应评价指标。首先把整个城市交通环境网络珊格化，每个格子都具有代表交通性质的n个特征指标，对应的每个格子可以看作是一个像素点，由一个n维向量构成。由于非等分栅格后的城市交通网络可以看做是一幅图像，可以考虑用聚类的方法进行城市交通环境的分区；第三，针对城市交通环境数据的特点分析了ISODATA算法和灰色聚类方法的特点和实用性，并加以改进，然后将这两种方法用于交通环境分区；第四，用D-S证据推理理论对分类过程中产生的不确定性样本进行处理；第五，对本文所研究的内容进行了研究和展望。

目录

文摘

英文文摘

第1章 绪论

1.1 研究背景

1.2 研究目的和意义

1.3 交通环境分区的发展及研究现状

1.4 小结

第2章 交通分区理论及指标选取

2.1 城市交通分区

2.2 城市交通分区的必要性

2.3 交通分区的评价指标

2.4 小结

第3章 非监督分类及D-S的理论分析

3.1 分类的概念

3.2 非监督分类的方法

3.2.1 K-均值算法

3.2.2 ISODATA算法

3.2.3 灰色聚类方法

3.2.3 K-均值算法与ISODATA算法以及灰色聚类算法的比较

3.3 D-S证据推理理论

3.3.1 D-S证据理论基本概念。

3.3.2 决策规则

3.4 小结

第4章 非监督分类方法进行交通分区的实证分析

4.1 数据的预处理

4.2 用迭代自组织方法进行交通分区的过程

4.3 用灰色聚类方法进行交通分区的过程

4.4 用D-S证据推理处理两种分类方法产生的不确定性信息

4.1 小结

第5章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

攻读硕士学位期间发表论文及参加科研项目情况