交通流时间序列分离方法研究-计算机软件与理论专业论文.docxVIP

交通流时间序列分离方法研究交通流时间序列分离方法研究 交通流时间序列分离方法研究 交通流时间序列分离方法研究 专业：计算机软件与理论 硕士生：谢琼琼 指导老师：印鉴教授 摘要 近年来，随着数据处理工具、先进数据库技术以及万维网(WWW)技术的 迅速发展，大量的形式各异的复杂类型的数据不断涌现，数据挖掘面临的一个重 要课题就是针对复杂类型数据的挖掘，其中包括时间序列数据。 时间序列在曰常工作和生活中是最为常见的数据形式之一，特别在智能交通 系统中，对交通流时间序列的分析就显得尤为重要。采用聚类分析方法对交通流 时间序列进行分析可以发现典型的交通流变化模式，可以实现对不同流量特性的 交通检测点所在路段进行合理分组，进而结合空间信息可以发现一些有意义的交 通时空分布规律。 本文在分析时间序列挖掘技术和实际应用需求的基础上，针对交通流时间序 列，主要做了如下几方面的工作：第一、详细讨论了时间序列相似性度量方法： 第二、针对传统的层次聚类算法在时间序列变化趋势上效果不佳的缺点，提出了 改进的层次聚类算法；第三、在研究中，采用将k一平均算法和层次聚类算法结合 来实现不同变化趋势的交通流时间序列分离，并可视化聚类结果。 关键词：数据挖掘；交通流；时间序列；相似性：聚类 变通流时阿序列分离方法研究Traffic 变通流时阿序列分离方法研究 Traffic Flow Time Series Separation Methods Major：Computer Software and Theory Name：Xie Qiongqiong Supervisor：Yin Jian Abstract Recently,with the development of data anaIysis technology,advanced database technology and、^r、)lr、V various Complex Type Data have appeared．Mining among these Complex Type Data which include time series data becomes an important direction of Data Mining． Time series is one of the most COIT¨TlOn data type in oar daily life．The analysis of traffic flow time series turns particularly important especially in Intelligent Transportation System．Using data mining technology to analysis time series of traffic flow not only forecast the short·time or long·time traffic volume，but also judge which city street is bottleneck．So that it helps lot to analysis the traffic situation of the city．Furthermore，combined with some spatial information，some useful spatial and temporal distributed laws in transportation could be revealed． In this paper，some research work traffic flow time series data mining has been done．Firstly,introduce some similarity methods of time series in detail．Secondly， propose improved—hierarchical clustering algorithm for the traditional hierarchical clustering method has bad effect the variation tendency of time series．Thirdly， combine k—means method with hierarchical method to analysis traffic flow time series that have different variation tendency．Moreover，visualization of c