基于数据挖掘技术的交通状态判别算法研究与应用

发布时间：2017-12-30 21:22

  本文关键词：基于数据挖掘技术的交通状态判别算法研究与应用　出处：《青岛科技大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 数据挖掘 交通状态判别 集对分析 数据不均衡 随机森林

【摘要】：随着社会的发展,汽车保有量逐渐增加,交通需求量快速增长,现有的道路基础设施已经不能满足现在的交通需求。在城市道路中,市民上下班高峰期的车流量远大于城市道路通行能力,路网结构的不合理设计以及雨雪天气等都能造成交通拥堵。交通拥堵不仅增加车辆延误和市民出行时间,导致交通事故频发,还严重影响社会的可持续发展。采取必要的措施来治理交通拥堵是急需解决的问题,而准确的交通状态判别是缓解交通拥堵的重要前提。论文在研究了数据挖掘技术经典算法和流程以后,针对城市道路交通流数据的特点以及交通状态判别的要求,首先对交通流数据进行预处理,删除无关属性,利用交通流理论剔除错误数据,并且根据实际需求改变了数据的时间粒度。对预处理之后的数据进行分析,针对交通状态的不确定性,利用幂函数隶属度集对分析算法进行交通状态判别,其中三个参数权重的设定根据三个系数与交通状态的相关系数大小来确定。随机森林算法受数据不均衡问题的影响较小,所以初步利用随机森林算法对交通状态进行判别。针对交通流数据的不均衡问题,采用欠采样以及过采样方法进行处理,并对处理后的数据分别利用集对分析与随机森林算法进行状态判别。在进行过采样时,用SMOTE进行了不同倍率下的过采样,以研究不同采样倍率对交通状态判别准确率的影响。最终结果表明,基于SMOTE过采样的随机森林算法可以有效解决数据不均衡问题。针对原始不均衡数据、欠采样数据以及过采样数据,对集对分析与随机森林算法的优缺点进行了对比。欠采样方法丢失了原始数据集的隐含信息,对于本文来说并不可用。集对分析算法在运行效率上略优于随机森林算法,但是对于过采样之后的数据,随机森林算法可以显著提高少数类样本的判别准确率,明显优于集对分析算法。最后对本文的工作进行了总结,并对下一步的研究工作进行了展望。
[Abstract]:With the development of the society , the quantity of cars increased gradually , the traffic demand increased rapidly , and the existing road infrastructure had not satisfied the current traffic demand .

【学位授予单位】：青岛科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：U491;TP311.13

【参考文献】

相关期刊论文 前10条

1 陈玉思;蔡坚勇;王良鸿;石慧玲;童飞扬;陈锦旗;;基于区域密度的交通拥堵判别方法[J];计算机系统应用;2016年06期

2 谭娟;王胜春;;基于深度学习的交通拥堵预测模型研究[J];计算机应用研究;2015年10期

3 黄艳国;许伦辉;邝先验;;基于模糊C均值聚类的城市道路交通状态判别[J];重庆交通大学学报(自然科学版);2015年02期

4 姚磊;张开冉;;基于模糊逻辑的交通拥挤状态识别算法[J];西华大学学报(自然科学版);2014年03期

5 陈大山;孙剑;李克平;张瑜;;基于van Aerde模型的快速路交通流特征参数辨识[J];武汉理工大学学报(交通科学与工程版);2013年06期

6 魏丹;;基于集对分析的道路交通拥堵判定[J];交通标准化;2013年03期

7 陈义华;晏承玲;;基于FAHP和模糊综合评判的交通状态判别模型[J];重庆理工大学学报(自然科学);2012年11期

8 王晓娟;郭躬德;;不平衡数据采样方法的对比学习[J];微计算机信息;2011年12期

9 巫威眺;靳文舟;林培群;;基于BP神经网络的道路交通状态判别方法研究[J];交通信息与安全;2011年04期

10 李明昌;张光玉;司琦;梁书秀;孙昭晨;;非线性隶属函数集对分析方法在海域水质评价中的应用[J];水资源与水工程学报;2011年04期

，

本文编号：1356567