论文题名: | 基于数据挖掘的城市交通流预测研究 |
关键词: | 时空建模;数据挖掘算法;城市交通流预测;信息管理 |
摘要: | 城市交通管理是时空数据挖掘的一个主要的应用领域,为城市交通信息管理、交通出行决策疏导等提供了很好的技术支持。随着城市交通出行需求的不断增长,人们对出行决策服务的需求也越来越强烈。出行决策服务的研究与发展,依赖于数据挖掘技术、导航定位技术、自动控制技术、图像分析技术以及计算机网络技术等的发展应用,集中体现了智能交通系统的服务理念。在交通信息领域,人们不单要求实现数据的存储和基本信息查询,更需要利用时空数据挖掘技术来帮助理解时空对象间的联系以及潜在的时空知识。 针对城市交通领域的相关需求和具体特点,本文根据面向城市交通领域的特殊要求,基于时空数据挖掘的基本理论,研究Apriori算法和BP神经网络预测算法,实现对现有交通监测数据库中数据的挖掘与分析。具体工作为:1)建立城市交通出行决策系统的体系结构和其时空数据模型;2)结合含有时空约束的Apriori算法和BP神经网络预测方法,设计交通流的短期预测算法;3)给出具体的短期交通流预测应用实例,从某城市交通模型中抽取相关数据,利用建立的模型加以学习,对15分钟后的交通流量进行了预测,对比实际数据表明,预测结果较为可靠,预测平均误差在1.5到3(辆/秒)之间,达到了较高的预测精度。 |
作者: | 潘晓敏 |
专业: | 电子与通讯工程 |
导师: | 林晓平;陈秀真 |
授予学位: | 硕士 |
授予学位单位: | 上海交通大学 |
学位年度: | 2013 |
正文语种: | 中文 |