基于交通拥堵指数的交通拥堵模式聚类分析

发布时间：2017-08-14 00:17

  本文关键词：基于交通拥堵指数的交通拥堵模式聚类分析

  更多相关文章： 交通指数 交通拥堵模式 聚类分析

【摘要】：为了定量评价交通拥堵的状态,国内很多城市都开发了自己的拥堵指数系统。通过将聚类分析的数学模型应用于已有交通运行数据,研究者发现了交通拥堵模式的变化规律,作为支持拥堵态势预测和缓堵政策研判的基础。然而,现有研究大多是使用交通流数据进行交通拥堵模式分析,基于交通拥堵定量评价指标的交通拥堵模式聚类分析相关研究较少。本文目标是基于北京市的交通拥堵指数(TPI),建立交通拥堵模式聚类分析模型,以此分析城市的交通拥堵模式特点。为实现上述目标,首先阐述了北京市交通拥堵指数的特点及其计算方法,以及基于交通拥堵指数的交通拥堵模式变化规律；随后,从聚类分析的四个部分出发,分别论述了每个部分包含的不同方法,并以此为基础建立了三种交通拥堵模式聚类分析模型,分别是基于交通指数曲线几何形状的聚类指标(模型Ⅰ)、基于k-means聚类法及指数曲线几何分析的模型(模型Ⅱ)以及基于k-means聚类法及指数连续时变特点的模型(模型Ⅲ)；然后,提出三种聚类分析结果的评价指标,对上述三种模型2014年第二季度数据的聚类结果进行评价,得出相对较优的模型,并将该模型应用于2015年同期数据,以检验其稳定性；最后,分析不同年份北京市交通拥堵模式变化的规律,并将模型应用于上海、广州、深圳的交通指数数据,分析其交通拥堵模式。研究表明,使用基于交通指数连续时变差异的指标较使用基于交通指数曲线几何形状的指标,其对交通拥堵模式的差异反映更全面,聚类分析效果更好；使用最大Silhouette测度确定最佳类数,能够有效避免类数确定中的主观性,确定更合理的聚类数；使用聚类分析指标的变异系数作为权重可以更好的刻画不同样本点之间的差异性,增强聚类分析结果的可靠性；类内变异系数CV内、类间变异系数CV简、覆盖度CR三个指标可以合理评估聚类方法的有效性；本文建立的聚类模型,将北京市第二季度的日期分为6类,可以覆盖81.3%的日期,类内一致性指标CV内达到0.141,类间差异性指标CV间达到0.337。以此模型分析国内其他典型城市如上海、广州、深圳的交通指数数据,表明此模型同样适用于国内其他典型城市,且聚类分析的结果展现了不同城市交通管理政策措施的差异。
【关键词】：交通指数 交通拥堵模式 聚类分析
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.265
【目录】：

• 致谢5-7
• 摘要7-8
• Abstract8-15
• 1 引言15-21
• 1.1 研究背景15-17
• 1.2 研究目标与意义17-18
• 1.3 研究内容与技术路线18-20
• 1.4 本章小结20-21
• 2 研究综述21-33
• 2.1 交通拥堵模式特征分析综述21-22
• 2.2 交通拥堵定量评价指标综述22-28
• 2.3 聚类分析方法研究综述28-30
• 2.3.1 聚类分析算法28-29
• 2.3.2 聚类分析在交通拥堵研究中的应用29-30
• 2.4 基于交通拥堵指数的交通拥堵模式分析综述30-31
• 2.5 本章小结31-33
• 3 基于交通指数的交通拥堵模式特征分析33-41
• 3.1 交通指数特征及其影响因素分析33-36
• 3.2 交通指数连续时变规律及拥堵模式分析36-39
• 3.3 本章小结39-41
• 4 交通拥堵模式聚类分析模型41-55
• 4.1 交通拥堵模式聚类分析算法的选取41-44
• 4.1.1 层次聚类法41-44
• 4.1.2 k-means聚类法44
• 4.2 交通拥堵模式聚类分析指标分析44-50
• 4.2.1 基于交通指数曲线几何形状的聚类指标45-46
• 4.2.2 基于交通指数曲线几何形状的精简指标46-49
• 4.2.3 基于交通指数连续时变差异的指标49-50
• 4.3 交通拥堵模式类数确定50-51
• 4.3.1 人工确定50-51
• 4.3.2 利用Silhouette测度确定51
• 4.4 交通拥堵模式聚类指标权重设计51-53
• 4.4.1 交通拥堵模式聚类指标权重的意义52
• 4.4.2 交通拥堵模式聚类指标权重的选取52-53
• 4.5 交通拥堵模式聚类分析模型的建立53-54
• 4.5.1 基于层次聚类法及指数曲线几何分析的模型(模型Ⅰ)54
• 4.5.2 基于k-means聚类法及指数曲线几何分析的模型(模型Ⅱ)54
• 4.5.3 基于k-means聚类法及指数连续时变特点的模型(模型Ⅲ)54
• 4.6 本章小结54-55
• 5 交通拥堵模式聚类分析模型的评价55-73
• 5.1 聚类分析模型的评价指标设计55-59
• 5.1.1 类内一致性55-56
• 5.1.2 类间差异性56-57
• 5.1.3 覆盖度57-59
• 5.2 聚类分析模型的结果评价59-68
• 5.2.1 模型Ⅰ的评价结果61-63
• 5.2.2 模型Ⅱ的评价结果63-65
• 5.2.3 模型Ⅲ的评价结果65-68
• 5.3 聚类分析结果稳定性分析68-72
• 5.4 本章小结72-73
• 6 案例应用73-87
• 6.1 上海市路网拥堵模式分析73-77
• 6.2 广州市路网拥堵模式分析77-79
• 6.3 深圳市路网拥堵模式分析79-82
• 6.4 国内典型大型城市交通拥堵模式对比分析82-85
• 6.5 本章小结85-87
• 7 主要结论和研究展望87-89
• 7.1 主要结论87-88
• 7.2 研究展望88-89
• 参考文献89-95
• 作者简历及攻读硕士学位期间的研究成果95-99
• 学位论文数据集99

【相似文献】

中国期刊全文数据库 前10条

1 赛从瑞;袖珍机辅助排序聚类分析的程序设计与应用[J];成组生产系统;1987年04期

2 李慕荣;基于聚类分析的安徽企业R&D资源分布研究[J];合肥工业大学学报(自然科学版);2004年11期

3 孙冰心;王利民;崔丽霜;庞永俊;;基于谱系聚类分析的集装箱装箱方案优化研究[J];铁道运输与经济;2006年08期

4 刘恩华;张嘉禾;金正青;;聚类分析在汽车市场营销中的应用[J];上海汽车;2010年10期

5 廖春梅;;利用聚类分析对全国各地经济效益进行评价分析[J];企业技术开发;2011年09期

6 蔡建国;;排序聚类分析在成组技术中的应用[J];机械工艺师;1985年01期

7 董玉祥;排序聚类分析计算程序[J];成组生产系统;1986年01期

8 A·Gongaware,Inyong Ham,焦虹;用于成组制造系统的聚类分析法[J];成组生产系统;1986年02期

9 史逸芬,蔡建国;排序聚类分析法在相似零件成组中的应用[J];成组生产系统;1986年03期

10 李健萍;;关于沸石水泥的聚类分析[J];武汉工业大学学报;1986年01期

中国重要会议论文全文数据库 前10条

1 梅翠;;我国各地区居民收入差距及其对消费的制约[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 李均立;傅国华;;海南各县(市)经济实力的聚类分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 刘黄金;曹林峰;;南京服务业发展的聚类分析[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年

4 肖静;杨泽峰;徐辰武;;微阵列表达谱监督聚类分析方法的比较研究[A];江苏省遗传学会第七届代表大会暨学术研讨会论文摘要汇编[C];2006年

5 路爱峰;崔玉杰;;沪市电力上市公司经营业绩的聚类分析[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

6 陈国华;廖小莲;夏君;;证券投资分析的聚类分析方法[A];中国企业运筹学[2011（1）][C];2011年

7 张红卫;隗金水;;聚类分析评价与测量效度关系探讨[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

8 牛东晓;乞建勋;;网络资源平衡问题的聚类分析优化遗传算法研究[A];2001年中国管理科学学术会议论文集[C];2001年

9 詹原瑞;彭书杰;李如一;;基于聚类分析的企业信用等级评价方法[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

10 邹晓玫;修春波;;基于聚类分析的犯罪率相关因素的研究[A];当代法学论坛（二○一○年第3辑）[C];2010年

中国博士学位论文全文数据库 前4条

1 张建萍;基于计算智能技术的聚类分析研究与应用[D];山东师范大学;2014年

2 李成安;分布式环境下聚类分析新方法的研究[D];浙江大学;2006年

3 杨旭杰;基于统计方法模型分析的中药复方专利保护研究[D];北京中医药大学;2012年

4 李宝玲;王裕颐教授学术思想与临床经验总结及治疗眩晕证治规律研究[D];北京中医药大学;2012年

中国硕士学位论文全文数据库 前10条

1 李元俊;大学生就业能力培养与社会需求的匹配性研究[D];山东建筑大学;2015年

2 冯雪冰;基于模糊理论的EM算法在聚类分析的应用研究[D];中国地质大学(北京);2015年

3 张沛之;基于聚类分析的海报风格分类之研究[D];青岛大学;2015年

4 何力骜;基于聚类分析的激光诱导击穿光谱爆炸物识别技术研究[D];北京理工大学;2016年

5 赵文睿;基于聚类分析的中国房地产企业信用评级实证研究[D];吉林大学;2016年

6 贾伟;基于聚类分析和灰色模型的短期雷击预警系统设计[D];吉林大学;2016年

7 栾海洋;动车组质量数据聚类分析研究与应用[D];北京交通大学;2016年

8 黄智函;盗窃犯罪时空分布特征研究[D];福州大学;2014年

9 王冰冰;双类型信息网络聚类分析[D];吉林大学;2016年

10 刘剑;基于聚类分析的CAM模板自动提取的研究[D];华中科技大学;2014年

，

本文编号：669776