基于數(shù)據(jù)挖掘的短時交通流預(yù)測及輔助誘導(dǎo).pdf

1、該文開展四個方面的研究:1)基于數(shù)據(jù)挖掘的交通流數(shù)據(jù)過濾算法.該文提出在綜合結(jié)合閥值和交通流機理的算法的基礎(chǔ)上,采用基于時間和空間檢驗的錯誤交通流數(shù)據(jù)剔除算法;同時提出基于時間序列方法,并綜合考慮交通事件的丟失數(shù)據(jù)估計算法.2)基于數(shù)據(jù)挖掘的單點實時交通流預(yù)測算法.首先對現(xiàn)有的非參數(shù)回歸預(yù)測算法進行三點改進:基于相關(guān)分析和自相關(guān)分析的狀態(tài)向量的選取;基于密集度的變K歷史數(shù)據(jù)搜索方法;基于動態(tài)聚類和散列函數(shù)的歷史數(shù)據(jù)組織方式.接下來結(jié)合上

2、述算法,通過對一天的平均交通流進行基于數(shù)據(jù)挖掘的算法分析,提出基于不同時段的綜合預(yù)測方法.3)基于數(shù)據(jù)挖掘的路網(wǎng)實時交通流預(yù)測算法.首先對路網(wǎng)中各路段的交通流數(shù)據(jù)進行的各種基于數(shù)據(jù)挖掘的算法分析,得出路段流量之間的相關(guān)關(guān)系和路段流量之間的關(guān)聯(lián)規(guī)則.然后基于這些關(guān)系和規(guī)則提出一種新穎的實時的路網(wǎng)流量預(yù)測算法.4)基于CBR的交通流輔助誘導(dǎo)算法.這部分研究內(nèi)容是上述內(nèi)容的延伸.為了提高目前誘導(dǎo)算法的實時性,該文將CBR(Case Based