交通数据的多维索引分析-计算机软件与理论专业论文.docxVIP

变通数据的多维索引研究交通数据的多维索引研究 变通数据的多维索引研究 交通数据的多维索引研究 专业： 计算机软件与理论 硕士生： 肖恒聪 指导老师：印鉴教授 摘 要 通过对交通数据的分析处理来提高交通管理的效率，是现代智能交通系统 (ITS)研究的核心问题。随着道路条件的日益完善，越来越多的交通数据被积累 了下来，从海量的历史交通数据中找到所需要的数据成为了一项耗时的工作。本 文利用多维向量的索引结构X一树来组织交通数据，根据交通数据的时序性特点。 提出了一种新的相似性度量方法并将其应用到X_树索引中。实验表明，本文的 交通数据多维索引可提供快速的k最近邻居(KNN)查询，为交通流量的预测和 异常探测等交通领域的数据挖掘应用提供便利。 关键词： 交通数据数据挖掘多维索弓 Z 交通数据的多维索引研究Indexing 交通数据的多维索引研究 Indexing i]rluItidimensional 1：raffic dal：a Major：Computer Software and Theory Name：Xiao Hengcong Supervisor：Professor Yin Jian Abstract The problem of finding useful information from the traffic data has attracted much attention in the ITS(Intelligence Transport System) research field．However,the retrieval of useful information from huge traffic data wastes a lot of time．This paper treats traffic data as multidimensional vectors and USeS a multidimensional index structure X-Tree to organize thenL A new similarity measure is used for indexing the time．series traffic data and the index structure is modified．Our experiments show that the index can provide much faster KNN retrieval than sequential scan． Key words：traffic data，data mining，multidimensional index 3 交通数据的多维索引研究第1章引言 交通数据的多维索引研究 第1章引言 1．1背景 随着计算机技术的发展和道路交通设施的日渐完善，城市道路和高速公路的 监测系统积累了大量的交通数据，如每天的车流量的记录和道路的占有率记录 等。如果能够正确地处理和分析这些数据，将给交通管理的决策提供有力的支持。 因此，如何将数据挖掘技术应用于交通数据咀提高管理的效率，已成为现代智能 交通研究的一个核心问题。 目前，交通数据的主要来源是铺设在道路下面的车流量监测器f1J。这些监测 器是由磁感线圈和累加器组成的传感器，每当有车辆经过时，磁感线圈会产生感 应电流，使累加器加1，当到达固定的时间间隔时，传感器将累加器中的车流量 数值传到数据中心，并把累加器清零，重新开始计算车流量。发达国家的城市道 路和高速公路一般都铺设了车流量监测器，我国近年的道路建设中也开始了铺设 工作，没有铺设监测器的也大多在设计上为今后的铺设预留了位置。 在城市道路或高速公路的网络上，往往分布了成百上千的车流量监测器，数 据中心在每个时间间隔收到的是成百上千的车流量数据，这些数据不但包含了车 流量本身的信息，也包含了空间位置和时间的信息，是时空数据。时空数据挖掘 是数据挖掘的一个崭新的领域【2lf31，一方面，数据中包含了空间对象，空间对象 在空间位置上是相互关联的，而以往的数据挖掘方法往往认为数据的各属性是相 互独立的；另一方面，数据中包含了时间信息，所以时空数据也是一种时序数据， 代表的是动态的趋势，因此趋势分析和周期分析等时间序列的分析方法将显得更 为重要。 时空数据挖掘主要有以下的应用【3】： 1数据分害O(scgmcntation)，主要是指带有时空信息的分类和聚类。 2依赖分析(dependency analysis)，指通过对数据某些属性的分析，预测另一 些属性的值。 3异常检测(deviation and outlier analysis)，是从数据中找出背离预期聚类的 孤立点，快速发现异常的技术。 4趋势发现(