模糊聚類算法在道路狀況分析中的應(yīng)用研究.pdf

1、近年來，隨著城市交通的不斷發(fā)展，交通擁堵、事故頻發(fā)、交通環(huán)境惡化及能源短缺等成為一個世界范圍的問題，各國競相投入大量的人力物力開發(fā)智能交通系統(tǒng)(ITS)。目前，作為交通智能化的一部分，包括上海在內(nèi)的世界很多城市安裝了先進的實時交通控制系統(tǒng)SCATS，它能夠在進行交通控制的同時對交通數(shù)據(jù)進行記錄。如何從這些數(shù)據(jù)中找到對交通部門的決策、人民大眾的出行有用的知識成為一個迫切需要解決的問題。 由于交通數(shù)據(jù)的固有特點，傳統(tǒng)的數(shù)據(jù)存儲與分析

2、手段已經(jīng)不再適合交通數(shù)據(jù)分析的需要，而數(shù)據(jù)挖掘和數(shù)據(jù)倉庫則不然。數(shù)據(jù)挖掘，簡單地說，就是從大量數(shù)據(jù)中提取或“挖掘”知識。數(shù)據(jù)挖掘是一門交叉學(xué)科，涉及到許多學(xué)科，它從一開始就是面向應(yīng)用的，利用數(shù)據(jù)挖掘技術(shù)，能夠有效地利用海量交通數(shù)據(jù)進行道路狀況分析、擁塞預(yù)測等任務(wù)。數(shù)據(jù)倉庫是一個面向主題的、集成的、時變的、非易失的數(shù)據(jù)集合，支持管理部門的決策過程。數(shù)據(jù)挖掘和數(shù)據(jù)倉庫是融合與互動發(fā)展的。 本文著重于研究模糊聚類算法FCM在道路狀況分

3、析中的應(yīng)用。在簡要介紹了數(shù)據(jù)挖掘與數(shù)據(jù)倉庫的基本知識后，本文首先討論了交通數(shù)據(jù)采集手段并著重分析了交通數(shù)據(jù)的特點。然后，討論了模糊聚類算法FCM，針對FCM算法收斂速度慢而在數(shù)據(jù)量較大時導(dǎo)致分析速度過慢這一缺點，提出了一種改進算法：首先通過對數(shù)據(jù)集進行單元劃分并以單元格中數(shù)據(jù)對象均值作為輸入來進行聚類，然后，以各個單元格內(nèi)均值的類標(biāo)號作為該單元格內(nèi)的所有元素的類標(biāo)號，從而有效地提高了算法的運算速度，并得到較好的聚類結(jié)果。然后，將改進算法