论文部分内容阅读
随着交通车辆的日剧增多，交通拥堵变得越来越严重，缓解交通拥堵成了目前迫切需要解决的问题。在缓解交通拥堵的过程中，智能交通技术快速地发展了起来。在智能交通技术快速发展的过程中，越来越多的传感器被用来获取交通数据，例如GPS(Global Position Systems)浮动车、SCATS(Sydney CoordinatedAdaptive Traffic System)线圈、交通视频摄像头、远程微波等。异类交通传感器获取的海量原始交通数据形式各异。使得各种交通应用（例如交通流量预测、交通状态评估等）面临“处理海量异类交通数据”的巨大代价问题。 “海量异类交通数据统一形式化表达”这一研究正在这种需求背景下产生。它为智能交通系统的研究领域提供了一种全新的数据共享平台。海量异类交通数据统一形式化表达是将异类传感器所获得的原始交通数据转换成相应的交通属性特征。在原始交通数据归一化处理之后，构建三维的时空坐标系。借助于数据挖掘方法来挖掘异类交通数据之间的关联信息，构建统一形式化表达海量异类交通数据的数据域。 文章的主要工作内容和创新点包含如下: 1.对原始的海量异类交通数据进行分析，设计了一种基于异类数据统一形式化表达的三维时空数据域。本文通过将获取的两类交通数据，SCATS线圈数据，浮动车GPS数据，转换成流量，速度，饱和度，以单位有向路段为基本的处理单元进行表达。从数学理论上创新性地提出了海量异类交通数据统一表达模型。 2.采用聚类方法k-medoids来挖掘统一表达的交通数据之间的关联信息，以交叉口的SCATS数据为基本数据来挖掘交叉口流量之间的关联信息。实验结果表明，联合饱和度和流量来挖掘得到的车道之间的关联信息是有效性。将数据之间的关联信息有效地表达。 3.研究基于海量异类交通数据统一形式化表达的应用，在统一表达的数据域上来进行短时交通流量预测。预测准确性的提高说明了模型的有效性。交通流量预测实验表明附加关联信息的海量异类交通数据统一形式化表达模型给各种交通应用提供了一个数据共享平台，并且减少了异类数据处理代价。