原文传递
面向智能交通系统的空间数据挖掘技术研究
| 论文题名： | 面向智能交通系统的空间数据挖掘技术研究 |
| 关键词： | 智能交通系统;空间数据;数据挖掘;BP神经网络;交通流量预测;GIS |
| 摘要： | 随着信息技术的发展，智能交通系统和数据挖掘都成为研究热点。智能交通系统基于GIS(Geographic Information Systern)技术的应用和发展，拥有了庞大的空间数据，如何充分利用这些空间数据，从中发掘出隐含其中的知识，进而依据这些知识进行决策，从而使GIS成为更智能的系统，成为数据挖掘研究的一个重要内容。交通控制与诱导系统，是ITS研究的热门核心课题，而实现交通流诱导系统的关键问题是实时准确的交通流量预测。 本文基于深圳市城市交通仿真系统(SUTSS)的空间采集数据支持，结合数据挖掘技术中的神经网络模型，主要运用了BP神经网络的结构，构造出短时交通流量的预测模型。其中改进了传统的神经预测完全黑箱操作的模式，引入了交通流理论的相关概念，对训练样本进行先分类，后学习的方法，提高预测模型的精准度，一定程度上，避免神经网络收敛速度过慢，陷入局部极小。并通过采用路段实测交通采集数据，验证所提的算法的有效性。 |
| 作者： | 徐甲平 |
| 专业： | 计算机科学与技术 |
| 导师： | 穆斌;陈秋林 |
| 授予学位： | 硕士 |
| 授予学位单位： | 同济大学软件学院 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
