数据挖掘技术在时交通流预测上的应用研究.pdf

摘 要 摘 要 随着城市化的进展以及汽车工业的发展，交通问题已成为当今社会的严重问 题。智能交通系统是目前国际公认的解决城市以及高速公路交通拥挤、提高运行 效率、减少空气污染的最佳途径。而智能交通系统对交通流进行控制和诱导的前 提及关键是准确的短时交通流预测。本文主要研究了基于对路段上交通流控制和 诱导的主要交通流参数(包括车流量、平均车速和车道占有率) 的数据挖掘技术在短 时交通流预测中的应用。 为了提高预测的准确率，在进行数据挖掘前，先对数据集分别进行数据修补、 离散化和符号化、以及交通时段划分等预处理，给出了一种基于关联规则挖掘算 法，对问题数据进行修补的方法，并通过实验证明GSP算法的执行效率明显优于 Apriori算法。然后，基于对预测实时性的考虑，选择执行效率相对较高的PrefixSpan 算法，以预处理后的历史交通流数据为挖掘对象进行序列模式挖掘，利用生成的 频繁序列对下一时刻的交通流情况进行预测。由于PrefixSpan算法本身的特性，不 适合对多时刻的短时交通流预测，因此，对PrefixSpan算法进行了改进，并用太阳 黑子预测实验证明改进算法对时间序列挖掘的适用性。最后，重点研究了改进后 的PrefixSpan算法，在短时交通流多时刻预测上的应用。实验表明，该算法对未来 若干时刻交通流的情况起了较好的预测效果，有利于对交通的控制和交通流的诱 导，可对智能交通系统进行完善。 关键词：短时交通流预测 数据挖掘 PrefixSpan 数据预处理 ABSTRACT ABSTRACT With the progress of urbanization, and the development of the automotive industry, traffic has become a serious problem in todays society. Intelligent transportation system is an internationally recognized settlement of the best way to solve city and highway traffic congestion, improve operating efficiency, and reduce air pollution. And the accurate short-time traffic flow prediction is the premise and key of the intelligent transportation system to traffic flow controlling and inducing. Mainly studies on the prediction of short-time traffic flow using the data mining technology of a major traffic flow parameters (including traffic volume, average speed and lane share) based on road traffic flow controlling and inducing. In order to improve the accuracy of the prediction, before the data mining, first, data should be pre-processed including repairing, dispersing, noting, and plotting. Then proposed a method to fix data based on association rule mining algorithm and the experiments proved the efficiency of the implementation of GSP