原文传递
停车场监控数据预处理和聚类分析
| 论文题名： | 停车场监控数据预处理和聚类分析 |
| 关键词： | 正态判断;相似性度量;停车场;监控数据;聚类分析;归一化处理 |
| 摘要： | 随着汽车保有量的快速增加，对停车场所的需求日益加剧。然而机动车停车场的建设速度却落后于机动车的增长速度，造成停车泊位严重不足，停车供求严重不平衡的矛盾也在日益凸显。停车场大规模建设受到土地和资金等因素的限制，因此，对停车场资源的合理利用、规划、智能停车诱导，并实现城市停车事业的市场化、产业化是解决停车问题的主要途径。 停车事业的市场化和产业化离不开科学技术的指导，而解决一个问题，首先要进行调查，在停车规划前先进行调查和收集停车资料。数据挖掘，能从大量不完整的、有噪声的、模糊的实际应用数据中提取出潜在有用的信息，进而可指导停车场的规划和建设。 本文使用某市大量停车场的进出车辆的采集数据，首先应用数理统计的方法，对数据对象做了预处理；其次研究了停车场的进出车流量的采样时间序列的相似性；最后对停车场网络的进出车流量的采样时间序列进行了归一化处理，采用改进的基于停车场相似度的k-means聚类算法和基于欧氏距离的经典k-means算法进行聚类，并结合停车场的地理分布对结果比较和分析，得到停车场的分类结果。 本文的主要工作如下： 1、根据数据字段类型在数据库中建表空间和表，将原始数据导入数据库的表中，并进行预处理，包括从定性和定量角度进行正态性分析，使用改进的分位数法判断错误数据，并对空缺数据进行填补等。 2、将单停车场的进出车流量采样后用时间序列的方式表示，通过定义一种新的相似性度量函数，验证了单停车场在不同天的时间序列之间的相似性。 3、对停车场网络在一个周期内的采样时间序列，首先进行了归一化，然后使用改进的基于停车场相似度的k-means算法和基于欧氏距离的k-means算法，对处理后的目标数据集进行聚类，得到停车场的分类结果，结合停车场的地理分布，验证了该聚类方法用于停车场的分类是有效的。 |
| 作者： | 高梦婷 |
| 专业： | 智能交通工程 |
| 导师： | 侯忠生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
