智能交通中的數(shù)據(jù)挖掘技術(shù)-全文預(yù)覽
【正文】 、數(shù)據(jù)一體化平臺等對復(fù)雜智能交通信息進(jìn)行組織與管理，并對智能交通信息進(jìn)行數(shù)據(jù)融合、數(shù)據(jù)壓縮、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)挖掘、數(shù)據(jù)聯(lián)機(jī)分析處理等。本文分析了智能交通系統(tǒng)中交通數(shù)據(jù)的特點(diǎn)，提出了對智能交通進(jìn)行數(shù)據(jù)挖掘的主要模型及方法，并設(shè)計(jì)了在智能交通交通系統(tǒng)中實(shí)現(xiàn)交通數(shù)據(jù)挖掘功能的系統(tǒng)模型及體系結(jié)構(gòu)。智能交通系統(tǒng)記錄了大量交通信息，如電子警察系統(tǒng)將交通違法車輛的違法行為過程用圖像和數(shù)據(jù)記錄下來，提供交通違法信息，包括車輛違法地點(diǎn)、違法日期、違法時間、違法類型、違法參數(shù)、違法車輛全景圖像序列、違法車輛牌照圖像；交通事故接處警系統(tǒng)提供報(bào)警時間、報(bào)警地點(diǎn)、報(bào)警電話號碼以及相關(guān)的交通事故信息；交通信號控制系統(tǒng)提供與路口有關(guān)的運(yùn)行狀態(tài)、色步遞進(jìn)信息等。 交通流根據(jù)不同的信息采集技術(shù)，ITS中交通流數(shù)據(jù)分為地點(diǎn)交通流數(shù)據(jù)和路段交通流數(shù)據(jù)。如基于GPS的移動定位技術(shù)可獲得車輛的經(jīng)緯度坐標(biāo)和速度方向，通過計(jì)算可提供車輛的瞬時速度、行程時間、行程速度等交通信息。3 交通數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu) 系統(tǒng)模型數(shù)據(jù)挖掘過程分為數(shù)據(jù)準(zhǔn)備、模式發(fā)現(xiàn)、結(jié)果表達(dá)和解釋三個主要階段，圖2給出了交通數(shù)據(jù)挖掘的系統(tǒng)模型。 交通數(shù)據(jù)集成交通數(shù)據(jù)種類繁多，分布在各種智能交通應(yīng)用系統(tǒng)中，具有異構(gòu)、層次的特點(diǎn)，交通數(shù)據(jù)挖掘需要將各種交通數(shù)據(jù)從操作數(shù)據(jù)庫中抽取出來，經(jīng)過清洗、轉(zhuǎn)換、裝載等一系列處理，集成到一個統(tǒng)一的本地交通信息數(shù)據(jù)倉庫。多層體系結(jié)構(gòu)能夠在跨平臺、網(wǎng)絡(luò)環(huán)境下應(yīng)用，應(yīng)用系統(tǒng)可以根據(jù)需要采用靈活的方式，如B/S、C/S等。在算法工具層，除了數(shù)據(jù)挖掘算法外，還應(yīng)當(dāng)由數(shù)據(jù)挖掘算法所需要的輔助工具，如對于聚類算法，相似性度量或距離函數(shù)是關(guān)系到聚類質(zhì)量的核心問題，不同的相似性獨(dú)立或距離函數(shù)針對不同的數(shù)據(jù)或分析目標(biāo)，在算法中可以根據(jù)需要來選擇配置。在特征屬性層和狀態(tài)描述層反映交通系統(tǒng)發(fā)展變化的階段、層次、水平或趨勢等的預(yù)測模型還需要更進(jìn)一步的研究。分類模型的建立一般有訓(xùn)練（或?qū)W習(xí)）和測試兩個步驟。如決策樹分類算法ID，基于概率統(tǒng)計(jì)的Bayes分類方法NB、TAN，BP神經(jīng)網(wǎng)絡(luò)方法、基于關(guān)聯(lián)規(guī)則的分類方法CBA，基于模糊邏輯的分類方法等。利用決策樹對未知的數(shù)據(jù)對象分類，將數(shù)據(jù)對象的屬性值在決策樹上從根部開始測試，每個分枝代表一個測試輸出，每個內(nèi)部節(jié)點(diǎn)表示在一個屬性上的測試，根據(jù)各個分枝逐級下降，直到葉節(jié)點(diǎn)，決策樹的葉節(jié)點(diǎn)代表類標(biāo)號。 關(guān)聯(lián)模型關(guān)聯(lián)規(guī)則是形如的模式，一般用支持度和置信度兩個指標(biāo)來描述一個關(guān)聯(lián)規(guī)則。對空間數(shù)據(jù)的關(guān)聯(lián)分析可能會得到“88%的醫(yī)院門口30米范圍內(nèi)有一家鮮花店”的規(guī)律。參考文獻(xiàn)：1. DaimlerChrysler Industry Standard Process for Data Mining[EB/OL]. , 19992. Ichiro Masaki. A brief History of ITS[R]. USA: Massachusetts Institute of Technology, 1999. 3. Qin Xiaohu,Liao Chuanjin,Huang XiYue,Qin Guoqiang. ITS Information Architecture,Management
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1