交通擁堵區(qū)域的發(fā)現(xiàn)與預測技術研究.pdf

1、從全國乃至全世界的交通情況來看，隨著各個國家的機動車數(shù)目的不斷增加，現(xiàn)有的公共交通條件將越來越不能達到機動車容量對其的要求，從而將會導致各種交通系統(tǒng)的問題，現(xiàn)如今交通擁堵這個問題的普遍存在已經(jīng)是人們和社會都不能忽視的一個嚴峻問題，而解決此問題最好的辦法便是預防，預防交通擁堵問題的出現(xiàn)并將交通擁堵扼殺在搖籃中。另外，本文通過分析交通系統(tǒng)中所存在的不足得知ITS系統(tǒng)中存在數(shù)據(jù)資源浪費等問題。
　　針對交通擁堵問題以及智能交通系統(tǒng)的數(shù)據(jù)

2、資源浪費問題，本文首先利用智能交通系統(tǒng)所采集到的時空數(shù)據(jù)找出交通擁堵區(qū)域，其次根據(jù)交通擁堵區(qū)域的發(fā)現(xiàn)結果預測各個區(qū)域在之后的時間出現(xiàn)交通擁堵情況的幾率。本文利用的是智能交通系統(tǒng)中所采集到的數(shù)據(jù)，選取了北京市出租車系統(tǒng)中的12,000輛出租車于2012年11月所反饋的GPS數(shù)據(jù)作為數(shù)據(jù)源。
　　本文首先根據(jù)GPS定位系統(tǒng)原理所造成的數(shù)據(jù)噪聲以及本文實情將數(shù)據(jù)集進行了清洗及時間片分割的操作。其次本文根據(jù)擁堵區(qū)域車輛密集的特點針對時間片

3、數(shù)據(jù)集進行基于距離聚類分析（K-means、DBSCAN聚類算法），并且將兩種聚類方法的結果及性能作比較，本文最終根據(jù)比較結果的分析選取了DBSCAN聚類算法來分析各個時間片的數(shù)據(jù)集。時間片數(shù)據(jù)集在進行聚類后，將算法得到聚類結果與分割后的網(wǎng)格區(qū)域相匹配，并將區(qū)域分為聚類數(shù)據(jù)簇內(nèi)部、聚類數(shù)據(jù)簇邊緣、聚類數(shù)據(jù)簇外部。然后本文將各個區(qū)域的車輛平均時速進行計算，其中將聚類數(shù)據(jù)簇外部車輛時速記為零。本文根據(jù)擁堵區(qū)域判定規(guī)則得到每個時間片上各個區(qū)域

4、的交通擁堵情況，并將交通情況細分為“嚴重擁堵”、“中度擁堵”、“輕度擁堵”、“暢通”，最后將最終結果以矩陣的形式存儲于文本文件當中。
　　由于導致交通擁堵的原因較為復雜多變，所以出現(xiàn)交通擁堵的情況有一定的隨機性。交通擁堵狀況可以看做是當前時刻的狀態(tài)只依賴于上一個時刻的狀態(tài)，所以本文根據(jù)馬爾可夫鏈鏈預測模型建立交通擁堵情況預測模型，將交通擁堵情況的發(fā)現(xiàn)結果分為訓練集和驗證集。其中利用訓練集進行基于Markov鏈的交通擁堵預測，利用驗