基于知识的交通拥堵疏导决策方法及系统研究

发布时间：2017-04-25 00:17

  本文关键词：基于知识的交通拥堵疏导决策方法及系统研究，由笔耕文化传播整理发布。

【摘要】： 如何应对城市现代化带来的交通拥堵问题,是交通管理者需要迫切解决的问题。本文以构筑智能化城市交通拥堵疏导决策支持系统为研究目的,着重应用数据驱动的决策支持方法,比较深入地研究了基于知识的城市交通拥堵疏导决策中的几个突出问题: 1.从智能决策分析的角度,系统地分析了城市交通拥堵的各种用于决策的属性,特别是其时空分布及发展趋势特性,提出了一种实用的交通拥堵时空分布判别算法以及发展趋势分析解释机制;接着提出了拥堵特征描述模型,从影响因素和分类的角度,研究了拥挤疏导的对策问题;最后,阐述了本文将基于知识的系统应用于该领域的目的及作用,并进行了拥堵疏导决策知识类型及内容的深入剖析。 2.提出了数据仓库在城市交通拥堵疏导决策支持系统中的应用及理论框架。探讨了基于数据仓库的城市交通拥堵疏导决策数据管理方法,按主题组织数据,以星型模型建模,提供有效的数据抽取和集成功能,经过加工的数据是面向决策的,从而为进行智能化决策提供了一个集成的公用数据平台。在此基础上,交通拥堵管理决策人员不仅能够有效整合多种异构数据源,获得对整个交通拥堵状态信息的集成视图,而且还为进一步数据挖掘提供了数据基础。 3.提出将粗糙集理论及方法应用于城市交通拥堵疏导决策分析中的知识获取问题。针对决策过程中的某些不确定性问题,着重研究了城市交通道路监测数据与交通拥堵程度之间的依赖关系,建立了进行交通状态模式识别的知识模型,给出了基于案例推理的交通报警处理系统中案例特征项权值确定算法,说明粗糙集是一种交通管理研究的理想动态工具。这一方面是对粗糙集应用领域的扩展,另一方面,也有效地解决了基于知识的城市交通拥堵疏导决策支持系统中知识获取的瓶颈问题。 4.提出利用数据仓库、范例推理和知识获取的理论及方法加以辅助决策分析,构建了基于知识的城市交通拥堵疏导决策支持系统体系结构。这种应用方案通过扩展传统的定量决策模型为知识决策模型,综合利用定性推理和定量计算的长处,一方面较好地解决了传统四库结构的决策支持系统中的数据基础和知识获取问题,降低了分析模型和算法的设计复杂性,使系统具有清晰的结构和较强的知识处理、更新能力;另一方面由于交通拥堵管理在实践中积累了丰富的经验,存在着大量的实际案例,所以范例推理很好利用了这一实际情况,避免了知识增加时知识库的完整性和一致性问题。
【关键词】：智能交通系统 城市交通拥堵 基于知识的系统 数据仓库 粗糙集 知识获取 决策支持系统
【学位授予单位】：东南大学
【学位级别】：博士
【学位授予年份】：2005
【分类号】：C934;F570
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-24
• 1.1 国内外城市交通拥堵管理研究综述9-14
• 1.1.1 城市交通规划和交通控制9-11
• 1.1.2 城市交通拥堵管理理论与方法研究的新进展11-12
• 1.1.3 智能交通系统是解决交通拥堵问题的根本途径12-14
• 1.2 基于知识的城市交通拥堵管理决策的研究现状14-18
• 1.2.1 基于知识的系统概述15-16
• 1.2.2 基于知识的系统在交通管理领域的应用16-18
• 1.3 论文的工作18-24
• 1.3.1 论文研究难点剖析19-20
• 1.3.2 论文研究基础20-21
• 1.3.3 论文的主要工作及组织结构21-22
• 1.3.4 论文的创新点及成果22-24
• 第二章 智能化城市交通拥堵疏导决策分析24-44
• 2.1 城市交通拥堵的基本特征分析24-33
• 2.1.1 城市交通拥堵特性24-25
• 2.1.2 城市交通拥堵形成原因25-28
• 2.1.3 城市交通拥堵空间分布模型及其判别28-33
• 2.1.4 城市交通拥堵发展趋势的实时分析33
• 2.2 城市交通拥堵疏导决策分析33-41
• 2.2.1 城市交通拥堵特征描述模型34-35
• 2.2.2 城市交通拥堵疏导策略分析35-37
• 2.2.3 城市交通拥堵疏导决策中的基本问题37-38
• 2.2.4 城市交通拥堵疏导决策的过程38-39
• 2.2.5 城市交通拥堵疏导决策的特点39-41
• 2.3 基于知识的系统在城市交通拥堵疏导决策中的应用41-43
• 2.3.1 应用基于知识的系统的目的及作用41-42
• 2.3.2 基于知识的城市交通拥堵疏导决策中的知识分类42-43
• 2.4 本章小结43-44
• 第三章 基于数据仓库的交通拥堵疏导数据管理研究44-64
• 3.1 数据仓库概念及其技术概述44-47
• 3.1.1 数据仓库的概念45-46
• 3.1.2 数据仓库的技术特点46
• 3.1.3 数据仓库与数据挖掘的关系46-47
• 3.2 交通拥堵疏导决策过程中的数据分析47-54
• 3.2.1 城市交通拥堵决策分析的数据内容47-51
• 3.2.2 城市交通拥堵疏导决策中的数据流51-53
• 3.2.3 城市交通拥堵疏导决策数据管理的特点53-54
• 3.3 城市交通拥堵疏导数据仓库系统设计54-63
• 3.3.1 城市交通拥堵疏导数据仓库系统特点55-56
• 3.3.2 UTCM-DW 的功能层次结构56-57
• 3.3.3 UTCM-DW 的体系结构57-60
• 3.3.4 UTCM-DW 中主题域的确定60-61
• 3.3.5 UTCM-DW 中数据粒度的划分61-62
• 3.3.6 UTCM-DW 中数据的分割62
• 3.3.7 UTCM-DW 中扩展的星型模型62-63
• 3.4 本章小结63-64
• 第四章 基于粗糙集的城市交通拥堵疏导决策知识获取64-78
• 4.1 粗糙集理论及其应用概述64-68
• 4.1.1 知识表达系统与决策表65
• 4.1.2 不可分辨关系和上下近似65-66
• 4.1.3 知识的约简与核66-67
• 4.1.4 知识的依赖性和重要性67-68
• 4.1.5 基于粗糙集理论的知识获取68
• 4.2 城市交通拥堵疏导决策知识获取的粗糙集方法68-77
• 4.2.1 交通拥堵程度的影响因素分析68-71
• 4.2.2 基于粗糙集理论的交通状态模式识别模型71-76
• 4.2.3 基于粗糙集的交通报警处理76-77
• 4.3 本章小结77-78
• 第五章 基于知识的城市交通拥堵疏导决策支持系统78-104
• 5.1 系统需求分析78-79
• 5.2 城市交通拥堵疏导决策支持系统的工作环境79-82
• 5.2.1 UTCM-DSS 在ITS 中的地位和作用79-80
• 5.2.2 UTCM-DSS 的数据源分析80
• 5.2.3 交通拥堵疏导决策支持系统的工作环境80-82
• 5.3 UTCM-DSS 的主要任务流程82-85
• 5.3.1 常发性交通堵塞的处理流程82-83
• 5.3.2 突发性不可预见交通堵塞的处理流程83-84
• 5.3.3 突发性可预见交通拥堵处理流程84
• 5.3.4 分类中的不确定性84-85
• 5.4 城市交通拥堵疏导智能决策支持系统85-98
• 5.4.1 关键模块功能概述87-89
• 5.4.2 知识库设计89-95
• 5.4.3 推理过程95-98
• 5.5 一种混合的城市交通拥堵疏导决策支持系统98-100
• 5.5.1 基于范例的推理98
• 5.5.2 CBR-RBR 混合交通疏导决策支持系统98-100
• 5.6 知识更新的城市交通拥堵疏导决策支持系统100-101
• 5.7 系统实现及应用101-103
• 5.8 本章小结103-104
• 第六章 总结与展望104-106
• 致谢106-107
• 参考文献107-113
• 在学期间发表论文及取得的学术成果清单113

【相似文献】

中国期刊全文数据库 前10条

1 徐冠华;;在’99国际智能交通(ITS)技术交流和产品展示会战略研讨主场会议上的讲话[J];ITS通讯;1999年02期

2 钟鸣;2000年日本智能交通系统新进展[J];全球科技经济了望;2001年02期

3 陈农;ITS在西宁市道路交通管理中的应用研究[J];经济师;2004年05期

4 王熙上;;易华录:领先的智能交通系统提供商[J];股市动态分析;2011年19期

5 王雪;;我国将大力推行智能交通[J];中国经济快讯;2000年11期

6 杨艳群;;都灵ITS年会一瞥[J];中国公路.交通信息产业;2001年02期

7 董雷宏;;面向社会公众的ITS运营及服务模式的研究[J];中国交通信息产业;2007年02期

8 肖必虎;Ella;;国内智能交通事业发展快速[J];音响改装技术;2008年01期

9 梁琳;;浅谈我国智能交通系统的发展[J];广西质量监督导报;2008年10期

10 ;物联网智能交通系统[J];中国科技投资;2010年10期

中国重要会议论文全文数据库 前10条

1 师郡;郭秀云;;智能交通系统的核心组成及发展趋势[A];第一届全国公路科技创新高层论坛论文集智能交通与机电工程卷[C];2002年

2 聂阿新;李平;贾利民;史天运;;关于铁路智能运输系统[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

3 郭彩香;邓卫;宋涛;;对我国智能交通系统ITS应用领域的探讨[A];2007第三届中国智能交通年会论文集[C];2007年

4 张飞舟;孙敏;陈秀万;;ARGIS技术及其在ITS中应用框架[A];第十一届中国体视学与图像分析学术会议论文集[C];2006年

5 徐大刚;吴叶;;智能交通技术在公共交通系统中的应用[A];第一届中国智能交通年会论文集[C];2005年

6 孙凯;;智能交通系统在京津塘高速公路中的应用[A];中国高速公路管理学术论文集（2009卷）[C];2009年

7 徐家栋;王大鹏;;LED显示屏在城市交通诱导系统中的应用[A];2006年全国LED显示技术应用及产业发展研讨会论文集[C];2006年

8 董雷宏;;面向社会公众的智能交通系统运营及服务模式的研究[A];第二届中国智能交通年会论文集[C];2006年

9 董春兰;;数据仓库在ITS中的应用[A];2007第三届中国智能交通年会论文集[C];2007年

10 崔磊;;视频智能分析在智能交通系统中的应用[A];天津市电视技术研究会2009年年会论文集（1）[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 李冬梅;数字解读首都智能交通系统[N];北京日报;2010年

2 本报记者 李华;天久集团：智能交通系统“治堵”有方[N];中国企业报;2011年

3 何屹;新型智能交通系统可防撞车[N];科技日报;2011年

4 易汉文;智能交通系统：效益与成本（五）[N];中国交通报;2004年

5 周文天 柏蓓 关文;智能交通系统2009年初步成形[N];东方早报;2005年

6 清华大学交通研究所所长 史其信　本报记者 刘腾 整理;国外智能交通系统缘何中国失效[N];中国经营报;2010年

7 易汉文;智能交通系统：效益与成本（六）[N];中国交通报;2004年

8 易汉文;智能交通系统：效益与成本（一）[N];中国交通报;2004年

9 易汉文;智能交通系统：效益与成本（三）[N];中国交通报;2004年

10 国家智能交通系统工程技术研究中心王笑京;智能交通系统能为我们做什么[N];科技日报;2002年

中国博士学位论文全文数据库 前10条

1 谈晓洁;基于知识的交通拥堵疏导决策方法及系统研究[D];东南大学;2005年

2 韩祥临;基于智能交通系统的交通流建模和拥堵控制研究[D];上海大学;2010年

3 李威武;城域智能交通系统中的控制与优化问题研究[D];浙江大学;2003年

4 李文举;智能交通中图像处理技术应用的研究[D];大连海事大学;2005年

5 保丽霞;基于信息集成的城市交通流诱导与交通控制协同的关键理论及技术研究[D];吉林大学;2006年

6 陈闻杰;无线传感器网络及其应用研究[D];复旦大学;2006年

7 马文阁;基于模糊控制的单交叉口信号控制方法与算法研究[D];大连海事大学;2008年

8 曾锐利;多信息融合的城市交通监控系统若干关键技术研究[D];天津大学;2007年

9 于德新;车辆诱导系统理论模型和关键技术研究[D];吉林大学;2006年

10 许焱;奥运智能交通系统规划研究[D];北京工业大学;2006年

中国硕士学位论文全文数据库 前10条

1 江吉智;基于GPS/GSM的车辆监控系统的设计与实现[D];西南交通大学;2003年

2 孙闽红;微波雷达在实时道路交通信息采集系统中的应用研究与设计[D];成都理工大学;2005年

3 张凯;智能交通地理信息系统的设计与实现[D];武汉科技大学;2005年

4 官宗琪;城市交通信息系统通信平台的设计[D];大连海事大学;2005年

5 郭晓峰;智能交通通信平台的设计与应用[D];大连海事大学;2005年

6 陈晓红;交通网络动态路径诱导算法研究及其在GIS环境下的仿真实现[D];长沙理工大学;2005年

7 赵泰洋;一种动态交通信息获取系统的设计与实现[D];大连理工大学;2006年

8 张烨;高速公路监控系统软件设计与实现[D];西北大学;2006年

9 王娟;智能交通系统在九寨沟景区管理中的应用探讨及运营评价[D];西南财经大学;2007年

10 刘志强;智能公交调度监控系统的研究与开发[D];山东大学;2005年

  本文关键词：基于知识的交通拥堵疏导决策方法及系统研究，，由笔耕文化传播整理发布。

本文编号：325256