学位论文 > 优秀研究生学位论文题录展示

聚类分析在交通流时序数据挖掘中的应用

作　者: 李婷
导　师: 侯忠生
学　校: 北京交通大学
专　业: 控制理论与控制工程
关键词: 数据挖掘系统聚类时间序列时段模式
分类号: TP311.13
类　型: 硕士论文
年　份: 2007年
下　载: 274次
引　用: 0次
阅　读: 论文下载

内容摘要

在中国智能交通系统快速发展的大背景下,如何利用丰富的交通检测数据进行交通规划及控制优化是交通控制领域中需要解决的重要问题之一,而数据挖掘技术的发展正好给海量交通数据的知识发现提供了理论基础和技术实现手段。数据挖掘指的是从大量数据中提取出有效的、新颖的、潜在有用的,以及最终可理解的模式的高级过程。聚类分析是数据挖掘研究的一个十分重要的方面。在智能交通系统中,时间序列是最常见的数据形式。采用聚类分析方法对海量交通流时间序列进行研究分析具有很大的应用价值,一方面可以发现典型的交通流变化趋势规律,另一方面可以对检测点具有不同交通流特性的时段进行合理分组,进而针对各时段制定出相应的交通控制策略,同时还可进一步结合空间信息发现一些有意义的交通流时空分布规律。本文详细介绍了聚类算法在时间序列数据挖掘中的研究和应用,借助某市网络化智能交通系统数据库中的历史车流量数据,结合聚类分析理论,对快速路段上两个月的单点车流量数据进行了聚类分析。作者将传统聚类算法进行改进,提出了一种阶梯型系统聚类方案,在得到交通流量分类初始模式的基础上进一步挖掘具有相应交通流特征的时段模式,最终得到了较为满意的实验结果,发现了有意义的交通流时间分布模式并以C++、MATLAB程序实现了阶梯型系统聚类挖掘的整个过程,最后分析了此次聚类结果,并提出了进一步的研究方向。

全文目录

致谢  5-6
中文摘要  6-7
ABSTRACT  7-10
1 引言  10-13
  1.1 研究背景  10-11
  1.2 研究内容  11-13
2 数据挖掘综述  13-26
  2.1 数据挖掘与知识发现  13-15
    2.1.1 数据挖掘产生背景  13-14
    2.1.2 KDD定义与步骤  14-15
  2.2 数据挖掘研究内容  15-16
  2.3 数据挖掘中的聚类分析  16-19
  2.4 时间序列数据挖掘  19-23
    2.4.1 时间序列挖掘的研究背景  19-20
    2.4.2 时间序列数据挖掘技术  20-21
    2.4.3 时间序列挖掘的研究现状  21-23
  2.5 数据预处理  23-26
3 时间序列聚类挖掘  26-37
  3.1 时间序列基本概念  26-27
    3.1.1 时间序列定义  26-27
    3.1.2 时间序列的分类  27
    3.1.3 时间序列特点  27
  3.2 时间序列相似性度量分析  27-31
    3.2.1 L_p气距离度量法  28
    3.2.2 DTW距离  28-29
    3.2.3 灰色关联度分析  29-31
  3.3 系统聚类算法  31-37
    3.3.1 聚类距离  31-33
    3.3.2 算法步骤  33-34
    3.3.3 聚类判别标准  34-35
    3.3.4 条件系统聚类  35-37
4 阶梯型系统聚类在交通流中的应用  37-51
  4.1 阶梯型系统聚类  37-38
  4.2 数据清洗与补偿  38-39
  4.3 实验结果  39-49
  4.4 结果分析  49-51
5 结论  51-52
参考文献  52-56
作者简历  56-57

聚类分析在交通流时序数据挖掘中的应用

内容摘要

全文目录

相似论文