数据挖掘论文聚类分析论文摘要:结合数据挖掘技术的分析,对基于数据挖掘的道路交通流分布模式问题进行了探讨,最后进行了实验并得出结果。关键词:数据挖掘;聚类分析;交通流roadtrafficflowdistributio
moderesearchbasedo
datami
i
gche
yua
hu
a
vocatio
ala
dtech
icalcollegecha
gsha410004chi
aabstractcombi
dedwiththea
alysisofdatami
i
gtech
ologythedistirbutio
modeloftrafficflowisdiscusseda
da
experime
tiscarriedouta
ditsrelatedco
clusio
saremadei
thispaperkeywordsdatami
i
gclusteri
ga
alysistrafficflow道路网络上不同空间上的交通流具有相异的空间分布模式,如“线”性模式主要代表有城市主干道,“面”状模式主要出现在繁华地段等。本文设计了一个道路交通流空间聚类算法以挖掘道路交通流分布模式,在真实数据和模拟数据上的实验表明spa
bre算法具有良好的性能。
f数据挖掘(datami
i
g),也称数据库的知识发现(k
owledgediseoveryi
database)是指从随机、模糊的受到一定影响的大容量实际应用数据样本中,获取其中隐含的事前未被人们所知具有潜在价值的信息和知识的过程。
数据挖掘非独立概念,它涉及很多学科领域和方法,如有人工智能、数据统计、可视化并行计算等。数据挖掘的分类有很多,以挖掘任务为区别点,可以划分为模型发现、聚类、关联规则发现、序列分析、偏差分析、数据可视化等类型。
一、基于数据挖掘的道路交通流分布模式问题分析类似化整为零各个击破的思想,交通区域划分通常会将整个交通网络分为若干个相互联系的子区域,再通过协调子区域各监测点交通信号配时方案,对个区域内运行的交通流在整体上进行管理与控制,从而达到优化整个道路网络的交通流。但是人为划定子区域的方案在实时改变因缺少自学习与自组织功能而导致整体方案出现滞后性。所以要加强路网通行能力,必须寻找突破人为划分、有效获取道路网络上交通流的空间分布模式的方法,以实现根据交通流的空间分布特点,合理划分路网交通区域,缓解交通拥挤的现状的目标。在智能交通系统中应用最广泛的交通流信息采集方法是电磁感应技术支撑的环形感应线圈检测器。这种流行甚广
f的工具具有价格低廉、检测性能高等优势,基于回路电感量变化的应用,将环形感应器埋设路面下,即可收集经过或停留其上的车辆的数量信息,进而得到道路网络上运行的交通流信息。
图1是某交通网络上环形感应线圈检测器节点与空间拓扑关系的示意图。图中用l1,l2,l3,l4,l5,l6代表预设的六个检测器节点,用sll,sl2,sl3,sl4,slr