论文部分内容阅读
道路与道路相交的部位称为交叉口,道路交叉口把各条道路联结起来,形成网络。由于相交道路上的各种车辆和行人均须汇集于交叉口,才能转向其他的道路,这时车辆和车辆之间、车辆和横过道路的行人之间相互干扰,降低行车速度,造成交通堵塞,又容易产生交通事故。
为了解决上面的问题,人们采用在路口使用信号灯的方式来控制交通,交通流量的多少直接影响到了红绿灯的信号配时,并且采用车辆检测器来检测车流量的多少。车流量在一天24小时的变化过程中具有一定的规律,假如利用历史数据把某个路口的24小时的车流量情况分一下类,每种分类针对一个红绿灯的信号配时,并且利用数据挖掘技术中的KNN分类把实时的交通流量和历史数据比较,就可以知道实时的信号配时,并且实施到路口信号配时当中去。这样做,可以减少交通管理人员在现场的管理时间,大大的节约了人力物力,形成了交通信号自动控制。
论文主要从以下三个方面了来开展工作:
首先,对数据挖掘中的技术之一——数据分类进行研究。详细分析了现阶段比较常用的分类算法以及各自的优劣之后,重点分析了KNN分类方法的思想。
其次,将实际问题和KNN分类联系在一起,考虑在历史数据和实时数据比较时,K的取值怎么取;这个系统怎么设计。
最后,论文对新方法进行了详细而广泛的实验。实验主要分为两部分:首先验证K的取值对实验结果的影响,接下来根据系统设计的结果,验证系统的可用性。实验显示了KNN分类在交通信号配时中运用的优势。
综上,论文通过系统的设计,验证K取值的情况,理论分析和实验验证了KNN分类在交通信号配时中运用的有效性和正确性。