分類方法在交通數(shù)據(jù)挖掘系統(tǒng)的應(yīng)用研究.pdf

1、近年來(lái)，隨著我國(guó)經(jīng)濟(jì)建設(shè)的持續(xù)高速發(fā)展和城市現(xiàn)代化進(jìn)程的加快，城市智能交通建設(shè)得到了長(zhǎng)足的發(fā)展。智能交通系統(tǒng)中積累了大量的交通數(shù)據(jù)，為數(shù)據(jù)挖掘技術(shù)在城市交通領(lǐng)域中的發(fā)展提供了廣泛的數(shù)據(jù)支持。同時(shí)，交通數(shù)據(jù)的實(shí)時(shí)性和復(fù)雜性也對(duì)數(shù)據(jù)挖掘技術(shù)的發(fā)展提出了巨大的挑戰(zhàn)。 本文以車輛GPS信息為研究?jī)?nèi)容，以分類模型為研究主線，對(duì)數(shù)據(jù)挖掘過(guò)程中幾個(gè)重要階段（包括數(shù)據(jù)預(yù)處理技術(shù)、數(shù)據(jù)挖掘建模、模型評(píng)估）及其具體技術(shù)分別進(jìn)行了研究： 首先

2、，介紹了數(shù)據(jù)挖掘技術(shù)產(chǎn)生的背景，定義和功能，及其在交通信息數(shù)據(jù)處理領(lǐng)域的研究現(xiàn)狀。接著著重闡述了數(shù)據(jù)挖掘中的分類技術(shù)，從分類的一般方法入手，分析并比較了幾種不同分類方法和分類性能評(píng)估方法。分類方法包括決策樹(shù)，K-最近鄰分類，神經(jīng)網(wǎng)絡(luò)和貝葉斯分類；分類性能評(píng)估方法包括保持方法，隨機(jī)二次抽樣，交叉驗(yàn)證和自助法。 其次，分析了數(shù)據(jù)挖掘中的預(yù)處理技術(shù)。其中最重要的技術(shù)是數(shù)據(jù)離散化和屬性簡(jiǎn)約。這兩種技術(shù)分別被運(yùn)用到了對(duì)車輛GPS數(shù)據(jù)，包括

3、經(jīng)度坐標(biāo)，緯度坐標(biāo)，速度，角度的處理中。研究了決策樹(shù)分類模型，基本算法以及具有可伸縮性的改進(jìn)算法。提出了用分類樹(shù)的方法解決單個(gè)車輛GPS坐標(biāo)匹配多條道路的問(wèn)題。該方法利用精確匹配的車輛GPS坐標(biāo)訓(xùn)練和生成決策樹(shù)，在利用該決策樹(shù)判斷可能匹配多條道路的車輛GPS坐標(biāo)。 最后，研究了模糊粗糙集理論，提出了在現(xiàn)有認(rèn)識(shí)能力有限的條件下分析和解決復(fù)雜問(wèn)題的一般方法。將其應(yīng)用于道路交通狀況預(yù)測(cè)中，完成基于模糊粗糙集的道路預(yù)測(cè)模型和算法。該模型