聚类基础下时空并置拥堵模式挖掘

发布时间：2020-06-28 20:34

【摘要】：现如今,交通压力日益增大,各地的交通拥堵情况日益严重,导致大量时间被白白浪费。而城市交叉路口作为交通枢纽,更是承担着巨大的交通压力。使用空间并置模式挖掘算法处理交通数据,能够发现城市交通拥堵中存在的并置模式,从而为交通管理人员提供决策支持,进而缓解交通压力。然而,传统的空间并置模式挖掘算法没有将时间属性考虑在内,而且,由于传统空间并置模式挖掘方法选取的邻近性度量多为实例之间的距离,导致其结果只能看到城市交通中存在的某种局部关联,不能从整个城市交通网络的角度观察。此外,针对交通流量数据,没有一个明确的标准来判断当前路段的流量值己经在拥堵范围,从而判断该路段处于拥堵状态。,因此,我们日常使用的均值法并不适合处理交叉路口的交通流量数据。本文将从三个主要的方面进行研究,如何通过交叉路口的交通流量数据判断该交叉路口的拥堵情况,如何结合时间属性挖掘时空并置拥堵模式,并且为用户提供一个时空并置拥堵模式挖掘原型系统。针对第一个方面,本文提出相应聚类算法对交叉路口交通流量数据进行预处理,从而通过交叉路口的交通流量数据判断其拥堵状态。聚类算法能够将无标签数据根据其性质进行归类,从而将性质相似的数据归为一类。因此,通过聚类,本文能够定义一个较为合适的拥堵判断条件,从而识别拥堵实例。针对第二方面,本文改变传统的实例邻近关系,将流量值作为判断条件,同时,在不同的时间段上,对不同的实例进行挖掘,从而将时间属性也考虑在内,提出了时空并置拥堵模式挖掘算法。并且,本文用真实数据进行实验,验证该算法正确并且有效。本文结合实际,详细介绍了时空并置拥堵模式挖掘原型系统的实现过程。通过输入真实数据,该原型系统可以根据时空并置拥堵模式挖掘算法得出有效的时空并置拥堵模式,并且可视化展示给用户,为用户出行提供参考,让用户选择一条合适的路线从而避免拥堵。同时,它还可以帮助交通管理人员制定交叉路口的交通策略,从而缓解交通拥堵。
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.265;TP311.13
【图文】：

时空,聚类,实例

ｅｔｕｒｎ邋Ｑ逡逑．４聚类预处理结果逡逑先，我们通过实验对聚类结果进行评估，先观察第一步聚类。如图２．邋２所部时空实例进行聚类的结果，图中横坐标为时空实例所属路口信息，纵坐时空实例对应的流量值，即这里暂时忽略时间属性，将所有时间的时空实类分析，纵坐标代表的流量是所有时间段实例的流量值。之所以这么设置，逡逑这里的聚类依据的是流量值，属于一维数据，为了在坐标轴能清晰的展示设置为这种结构，每个点代表一个时空实例。由图２．邋２中可以看出，所有聚为两个簇，蓝色簇质心为１２１２．邋９４０１７４６７２４８９，红色簇质６．邋９３６１２０９４７９７０６。可以看出，高流量值组成的簇质心几乎为低流量值质心－

时间段,模式挖掘,聚类算法,交通流量

２．５小结逡逑本章内容中，通过观察现有的交通流量数据，针对我们要进行的时空并式挖掘工作，设计了一个用于预处理交通流量数据的聚类算法，并且通聚类算法能够很好的解决提出的问题，从而为时空并置拥堵模式挖掘在下一章内容中，我们将介绍本文提出的时空并置拥堵模式挖掘算法。逡逑１７逡逑

【参考文献】