數(shù)據(jù)挖掘技術(shù)在短時(shí)交通流預(yù)測上的應(yīng)用研究.pdf

1、隨著城市化的進(jìn)展以及汽車工業(yè)的發(fā)展，交通問題已成為當(dāng)今社會(huì)的嚴(yán)重問題。智能交通系統(tǒng)是目前國際公認(rèn)的解決城市以及高速公路交通擁擠、提高運(yùn)行效率、減少空氣污染的最佳途徑。而智能交通系統(tǒng)對交通流進(jìn)行控制和誘導(dǎo)的前提及關(guān)鍵是準(zhǔn)確的短時(shí)交通流預(yù)測。本文主要研究了基于對路段上交通流控制和誘導(dǎo)的主要交通流參數(shù)(包括車流量、平均車速和車道占有率)的數(shù)據(jù)挖掘技術(shù)在短時(shí)交通流預(yù)測中的應(yīng)用。
　　 為了提高預(yù)測的準(zhǔn)確率，在進(jìn)行數(shù)據(jù)挖掘前，先對數(shù)據(jù)集分

2、別進(jìn)行數(shù)據(jù)修補(bǔ)、離散化和符號化、以及交通時(shí)段劃分等預(yù)處理，給出了一種基于關(guān)聯(lián)規(guī)則挖掘算法，對問題數(shù)據(jù)進(jìn)行修補(bǔ)的方法，并通過實(shí)驗(yàn)證明GSP算法的執(zhí)行效率明顯優(yōu)于Apriori算法。然后，基于對預(yù)測實(shí)時(shí)性的考慮，選擇執(zhí)行效率相對較高的PrefixSpan算法，以預(yù)處理后的歷史交通流數(shù)據(jù)為挖掘?qū)ο筮M(jìn)行序列模式挖掘，利用生成的頻繁序列對下一時(shí)刻的交通流情況進(jìn)行預(yù)測。由于PrefixSpan算法本身的特性，不適合對多時(shí)刻的短時(shí)交通流預(yù)測，因此，對