分類方法在交通數(shù)據(jù)挖掘系統(tǒng)的應用研究.pdf

1、近年來，隨著我國經(jīng)濟建設的持續(xù)高速發(fā)展和城市現(xiàn)代化進程的加快，城市智能交通建設得到了長足的發(fā)展。智能交通系統(tǒng)中積累了大量的交通數(shù)據(jù)，為數(shù)據(jù)挖掘技術在城市交通領域中的發(fā)展提供了廣泛的數(shù)據(jù)支持。同時，交通數(shù)據(jù)的實時性和復雜性也對數(shù)據(jù)挖掘技術的發(fā)展提出了巨大的挑戰(zhàn)。 本文以車輛GPS信息為研究內(nèi)容，以分類模型為研究主線，對數(shù)據(jù)挖掘過程中幾個重要階段（包括數(shù)據(jù)預處理技術、數(shù)據(jù)挖掘建模、模型評估）及其具體技術分別進行了研究： 首先

2、，介紹了數(shù)據(jù)挖掘技術產(chǎn)生的背景，定義和功能，及其在交通信息數(shù)據(jù)處理領域的研究現(xiàn)狀。接著著重闡述了數(shù)據(jù)挖掘中的分類技術，從分類的一般方法入手，分析并比較了幾種不同分類方法和分類性能評估方法。分類方法包括決策樹，K-最近鄰分類，神經(jīng)網(wǎng)絡和貝葉斯分類；分類性能評估方法包括保持方法，隨機二次抽樣，交叉驗證和自助法。 其次，分析了數(shù)據(jù)挖掘中的預處理技術。其中最重要的技術是數(shù)據(jù)離散化和屬性簡約。這兩種技術分別被運用到了對車輛GPS數(shù)據(jù)，包括

3、經(jīng)度坐標，緯度坐標，速度，角度的處理中。研究了決策樹分類模型，基本算法以及具有可伸縮性的改進算法。提出了用分類樹的方法解決單個車輛GPS坐標匹配多條道路的問題。該方法利用精確匹配的車輛GPS坐標訓練和生成決策樹，在利用該決策樹判斷可能匹配多條道路的車輛GPS坐標。 最后，研究了模糊粗糙集理論，提出了在現(xiàn)有認識能力有限的條件下分析和解決復雜問題的一般方法。將其應用于道路交通狀況預測中，完成基于模糊粗糙集的道路預測模型和算法。該模型