交通流量数据的分类规则挖掘.pdf

交通流量数据的分类规则挖掘 巩 帅 (清华大学软件学院,北京 100084) 摘 要 概述了数据挖掘的分类算法,并简要介绍了C5.0决策树算法。以北京市 “三横两纵”主干道交通流量数据为例, 采用C5.0决策树算法提取交通流量的分类规则,用于分析交通流量规律、信息模式和数据趋势,并对分类树进行量化, 为交通信号设计、路网规划、道路设计、路网节点设计等提供决策支持。 关键词 交通流量数据 分类规则 数据挖掘 C5.0决策树算法 文章编号 ( ) 文献标识码 中图分类号 1002-8331-200606-0219-02 A TPU491.1 MiningClassificationRulesfrom TrafficFlowData GongShuai ( , , ) SchoolofSoftwareTsinghuaUniversityBeijing100084 : , Abstract ClassificationalgorithmsofdataminingarereviewedbrieflyandC5.0decisiontreealgorithm isintroduced , concisely.TakingtrafficflowdataoftheThree-horizontalTwo-longitudinalarteriesinBeijingasanexampleC5.0 , decisiontreealgorithm isappliedtoextracttheclassificationruleshiddenintrafficflowdatatoanalyzetrafficrules patternsandtrends.Theclassificationtreearequantifiedtohelpmakedecisionsforthedesignoftrafficsignaltiming , , planstrafficnetworklayoutsroadsandintersections. : , , , Keywords trafficflowdataclassificationruleDataMiningC5.0decisiontreealgorithm 1 引言 描述。第二步,使用类别的模型或描述对测试样本集中的数据 随着中国加入WTO和汽车价格的下调,私家汽车的数量 进行分类,预测这些数据所属的类别,从而对这些类别有更好 的理解[4] 大幅度增长,对道路交通也提出了更大的需求,但单纯地修建 。 道路基础设施是不能完全解决这一问题的。智能交通管理系统 随着数据挖掘研究的不断进展,已经提出了很多分类规则 是解决交通拥堵、改善交通条件、降低交通事故发生率、减少尾 挖掘的算法,这些算法包括决策树归纳、贝叶斯分类、基于关联 气污染和提高交通管理水平的有效手段和方法。系统通过各种 规则分类、数据仓库技术、神经网络、遗传算法、模糊集、粗糙集