数据挖掘技术在交通拥堵预测中的应用

摘要

随着社会经济的发展，城市道路交通状况越来越拥挤，交通问题几乎成为了所有大、中型城市面临的共同问题。交通拥堵是很多交通问题共同作用的结果，严重影响城市生活的正常运转。交通拥堵的准确预测可以辅助交通诱导，将有限的交通资源进行合理配置，优化城市路网运行，缓解城市交通拥挤。因此，对交通拥堵状况进行准确预测意义重大，同时对智能交通领域的研究、发展、应用和实施以及促进城市交通健康、和谐、稳定地发展也具有重要意义。 本文根据交通数据各属性之间的关系特点，以及交通数据各属性和交通拥堵状态的相互关系，提出了基于数据挖掘技术的交通拥堵预测方法。主要的工作成果包括： 1) 根据交通数据各属性的关系特征，提出基于K-Means聚类算法的交通拥堵状态界定方法，通过分析交通数据本身的特点，对交通流量和时间占有率两个属性进行聚类，根据交通领域知识再对聚类结果进行分类，可将交通数据记录分为拥堵和非拥堵两种状态。 2) 根据交通领域相关知识，确定与交通拥堵相关度最大的四个属性，提出基于BP神经网络算法的交通拥堵预测方法，以交通流量、时间占有率、平均速度、车头时距为神经网络的输入属性建立预测模型，进而对交通拥堵状况进行预测。 3) 根据交通领域著名的车流量/时间占有率倒“V”字形曲线分布模型，提出基于最小二乘法的曲线拟合和统计方法的异常检测方法，并在实际应用中取得良好效果；该方法能够有效识别异常数据，然后根据移动平均算法对异常数据进行修正。 4) 设计并实现了智能交通数据挖掘系统UTDD的交通拥堵预测模块，进一步加强了UTDD系统的功能。

目录

文摘

英文文摘

声明

第1章 绪论

1.1 研究背景

1.1.1 我国大中城市的交通现状

1.1.2智能交通系统

1.2 研究意义

1.3 本文工作

1.4 文章结构

第2章 基于数据挖掘的交通拥堵分析

2.1 数据挖掘技术

2.1.1 定义

2.1.2流程

2.1.3算法介绍

2.2 交通拥堵研究现状

2.2.1 交通拥堵状态分析

2.2.2交通拥堵的形成机理

2.2.3 交通拥堵的判别技术

2.3 基于数据挖掘的交通拥堵分析方法

2.4 本章总结

第3章 交通数据预处理

3.1 交通数据的选择

3.1.1 交通数据的动态采集

3.1.2 交通参数的选择原则

3.1.3 交通特性间关系模型

3.2 基于曲线拟合的异常检测

3.2.1 曲线拟合的最小二乘法

3.2.2 流量-占有率关系曲线拟合

3.2.3异常检测

3.2.4 基于过去平均的数据修正

3.3 本章小结

第4章 基于数据挖掘的交通拥堵界定及预测

4.1 基于K-Means算法的交通状态自动分类

4.1.1 K-Means聚类算法

4.1.2 基于交通特性的拥堵界定

4.2 基于BP神经网络算法的交通拥堵预测

4.2.1 BP神经网络算法

4.2.2 基于BP神经网络的预测模型建立

4.2.3 实验与测试

4.3 本章小结

第5章 系统设计与实现

5.1 系统特点

5.2 系统构成

5.3 基于Web Service的系统架构

5.4 交通拥堵预测模块体系结构

5.5 本章小结

第6章 总结与展望

6.1 内容总结

6.2 研究展望

参考文献

附录

致谢