原文传递
数据挖掘技术在交通管理中的应用
| 论文题名： | 数据挖掘技术在交通管理中的应用 |
| 关键词： | 交通管理;数据挖掘;时变结构;支持向量机;安全指数 |
| 摘要： | 交通流量短时预测和交通安全评价是交通管理工作中的重点内容，本文利用相关的数据挖掘技术对上述问题进行了研究，主要工作如下： 本文在研究了基于数据挖掘和智能交通管理平台的基础上，结合杭州市交通发展现状和远景规划，提出了基于数据挖掘技术的杭州市智能交通管理平台，在所获得的综合交通数据的基础上，为交通管理提供辅助决策支持功能。 针对杭州市综合交通共用信息平台的交通预测模块，本文基于时变结构的支持向量机模型，提出了一种交通流短期预测新方法。编程平台是Matlab6.5,支持向量机采用LSSVMlab1.5工具箱。为了匹配交通流的时变特性，该方法要求每一次预测都要进行一次SVM模型重建。SVM模型结构依赖于过去1小时的交通流历史数据。实验结果表明基于时变结构的支持向量机模型其预测精度优于常规的支持向量机模型。在7时至22时阶段，其预测平均绝对误差和均方差分别为5.1veh/5min,6.0veh/5min。 针对杭州市综合交通共用信息平台的决策支持模块，本文利用主成分分析方法提出了交通安全评价体系，该评价体系利用所提取的影响交通安全的主成分构建了安全指数，该安全指数可以定性和定量地对交通安全水平进行评价。主成分分析方法利用Matlab6.5平台自带的pcacov函数实现。针对评价体系所分析的交通事故数据基础，本文分析了两种数据基础即基本指标和扩充指标对评价结果的影响。实例分析结果表明基于扩充指标的评价体系能更客观地反映交通安全水平。 |
| 作者： | 王亚云 |
| 专业： | 软件工程 |
| 导师： | 叶茂;项振茂 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
