论文部分内容阅读
在飞速发展的现代社会中，人们对发展智能交通的需求日益强烈。随着GIS(GeographicInformation System)技术和数据采集技术的发展，数据量越来越大，已拥有了庞大的空间交通数据，其中大量的原始数据可能隐藏着一些未知的知识，它们的价值亟需挖掘。如何充分利用这些空间数据，如何从这些数据中获得有效的知识正是数据挖掘所要解决的问题。因此，数据挖掘成为本课题研究的一个重要内容。
本文利用数据仓库ETL技术转化和分析从多种采集平台得到的各种空间数据，建立了一套综合的多功能省级交通量调查管理系统的空间数据仓库，研究了交通量调查管理系统的空间数据仓库的模型设计和多维数据集的建立，并提出了利用OLAP技术对多维数据集进行分析，利用空间数据挖掘K-Means聚类算法技术对道路数据进行分析，从而建立了交通量信息中隐含的道路空间分布模式。根据系统实际情况，继续研究预测模型的建立，并且分析和应用这些预测结果。本研究在智能交通系统的区域交通信号控制、动态交通分配以及路径诱导等方面具有重要的应用价值。主要研究内容如下：
(1)研究了空间数据仓库的概念、结构及其实现流程，多维数据模型和联机分析处理(OLAP)的技术特点，以及聚类数据挖掘方法的基本原理。
(2)研究建立多维数据集并对数据仓库进行联机分析处理(OLAP)，重点分析了月交通数据多维数据集。最后对数据仓库进行数据挖掘操作，以月交通数据事实表为基础，用聚类的方法，挖掘出了某段时间内月交通流数据的一些交通特征，为道路管理施工、公众出行等提供了依据，并基于此构建交通量预测模型，对其预测结果进行分析和应用。
(3)研究了交通量调查管理系统的方案、系统结构框图、并提出了实现系统的技术思路以及系统设计的依据。