智能交通中的數(shù)據(jù)挖掘技術(shù)-在線瀏覽
2024-09-09 07:18本頁面
【正文】 過清洗、轉(zhuǎn)換、裝載等一系列處理，集成到一個(gè)統(tǒng)一的本地交通信息數(shù)據(jù)倉庫。 多層體系結(jié)構(gòu)交通數(shù)據(jù)挖掘系統(tǒng)的系統(tǒng)模型提供了一個(gè)多層的應(yīng)用體系結(jié)構(gòu)，將數(shù)據(jù)挖掘功能的實(shí)現(xiàn)分為應(yīng)用層、分析邏輯層、算法工具層和數(shù)據(jù)層。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。分析邏輯層將分析模型從實(shí)際分析需求中提取出來，完成一定的獨(dú)立分析功能，由一個(gè)或多個(gè)數(shù)據(jù)挖掘算法具體實(shí)現(xiàn)，每個(gè)分析模型都是獨(dú)立的功能單位。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。在智能交通系統(tǒng)中，識別和預(yù)測交通流的狀態(tài)可以對交通流進(jìn)行有效的監(jiān)控和管理，對于智能交通系統(tǒng)的實(shí)時(shí)交通信號控制，交通分配、路徑誘導(dǎo)、自動(dòng)導(dǎo)航，事故檢測等具有非常重要的意義。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。分類是根據(jù)數(shù)據(jù)集的特點(diǎn)構(gòu)造一個(gè)分類器，利用分類器對未知類別的對象賦予類別的一種技術(shù)。分類模型的建立一般有訓(xùn)練（或?qū)W習(xí)）和測試兩個(gè)步驟。若準(zhǔn)確度達(dá)到要求，則模型建立成功，分類模型用來對類標(biāo)號未知的數(shù)據(jù)元組或?qū)ο筮M(jìn)行分類。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。決策樹分類模型是一個(gè)類似于流程圖的樹結(jié)構(gòu)，是分類分析中最受歡迎的模型，可以方便地用圖形化的方式表現(xiàn)挖掘的結(jié)果。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(gè)分枝代表一個(gè)測試輸出，每個(gè)內(nèi)部節(jié)點(diǎn)表示在一個(gè)屬性上的測試，根據(jù)各個(gè)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。不同的分類算法也會建立不同的交通流數(shù)據(jù)分類模型，已有研究利用神經(jīng)網(wǎng)絡(luò)的方法和模糊邏輯的方法建立了數(shù)據(jù)流數(shù)據(jù)的分類模型。 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(gè)指標(biāo)來描述一個(gè)關(guān)聯(lián)規(guī)則。交通流信息是時(shí)間相關(guān)和空間相關(guān)的，具有時(shí)空特性，例如，流量數(shù)據(jù)只有在與一定的時(shí)刻及路口相聯(lián)系時(shí)才有意義。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。智能交通信息時(shí)空規(guī)則的挖掘?qū)χ悄芙煌ㄏ到y(tǒng)的預(yù)測具有重要的應(yīng)用價(jià)值，例如，時(shí)空關(guān)聯(lián)規(guī)則：“在T1到T2時(shí)間段內(nèi)高速路X的A站點(diǎn)的交通事故在T2+2到T2+3時(shí)間段內(nèi)高速路Y的B站點(diǎn)有不尋常的高交通流量。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