论文部分内容阅读
道路交通的持续发展,机动营运车辆的大幅增加,使得交通安全形势日趋严峻,而超速行驶是导致交通事故的主要原因之一。长期以来,由于相关职能部门信息化程度低,缺乏大量数据和先进技术的支持,无法把握营运车辆的超速规律,导致安全管理工作缺乏针对性和有效性。GPS系统的安装和运行,累积了大量的监控数据,为营运车辆超速规律的分析提供了数据基础;基于信息技术的发展,数据仓库、OLAP联机分析处理和数据挖掘等技术为超速规律的分析提供了一种新的解决途径。因此,将数据挖掘中的聚类分析和OLAP技术应用于营运车辆监控数据的分析,获取营运车辆特定的超速行驶规律,以辅助职能部门的安全管理工作,对提高管理的科学化水平具有重要的意义。本文针对当前营运车辆的安全管理需求,利用营运车辆车载GPS装置获得的定位数据,结合数据仓库、聚类分析和OLAP等关键技术,提出了一种基于聚类分析及OLAP的营运车辆超速规律分析的总体解决方案。论文首先分析了车辆超速分析的现状和存在的问题,介绍了相关的理论知识,然后提出了总体的解决方案。对于道路超速多发点段的排查,充分考虑了营运车辆的超速特征,在分析了原DBSCAN聚类算法在数据结构的建立和参数设置的不足的基础上,提出了营运车辆超速点聚类分析算法。算法利用简单直观的邻接表替代了R*-树,简化了数据结构的建立并减少内存占用,同时提出了不同道路选取不同参数的方案,避免了全局参数的盲目性。在此基础上,针对道路运输管理部门不同角度的超速分析需求,提出将OLAP技术应用于营运车辆超速多维分析中。该方法在实现过程中解决了如下几项关键技术:利用功能强大的DTS设计器执行了数据的抽取、转换和加载,基于Analysis Services创建了OLAP多维数据集,并运用多维表达式MDX通过ADO MD接口访问多维数据集。最后重点研究了OLAP多表连接查询优化策略,提高了查询的性能。基于上述研究成果,利用重庆市“两客一危”GPS监控系统采集的车辆报警数据进行了验证。系统应用效果表明改进后的聚类算法运行速度明显优于原算法,将OLAP技术应用于营运车辆的超速规律分析能有效进行超速的多维展现和结果的可视化。