基于CPS的交通多流式數據聚類及演化趨勢發(fā)現研究.pdf

1、交通需求的持續(xù)增長使得交通擁堵、環(huán)境污染、交通安全等問題日趨嚴重。如何運用科學的方法準確認知交通物理系統(tǒng)的演化規(guī)律，對現有路網資源進行優(yōu)化配置，提高現有道路資源的利用效率，為緩解交通擁堵等問題已成為目前亟待解決的問題。信息物理系統(tǒng)（Cyber Physical Systems，CPS）的提出及應用為解決交通系統(tǒng)中存在的問題提供了新思路。將CPS技術應用于交通系統(tǒng)，一方面，可以廣域多維地獲悉表征交通物理系統(tǒng)實時狀態(tài)的信息，為獲悉交通物理系

2、統(tǒng)實時狀態(tài)和運行規(guī)律提供了重要的信息來源；另一方面，通過對所獲取的海量交通數據的及時分析和有效處理，進而為交通物理系統(tǒng)的全面協調和實時優(yōu)化提供新的依據。
　　將大量的感知設備布設于道路交通系統(tǒng)中用以實時監(jiān)控道路交通狀態(tài)，進而獲取表征交通物理系統(tǒng)的實時狀態(tài)信息，通過分析這些信息并將處理結果反饋于交通物理系統(tǒng)中，進而實現交通物理系統(tǒng)的實時協調和全面優(yōu)化，體現了CPS的典型特征。在交通物理系統(tǒng)中，由GPS、RFID、感應線圈等不同感知設

3、備所產生的交通數據以流的形式不斷涌現。通過對監(jiān)控道路交通實時狀態(tài)的交通流式數據的分析，不僅可以對道路交通狀態(tài)進行評價和預測，還可以解析交通狀態(tài)演變的機理、掌握交通物理系統(tǒng)的運行規(guī)律。
　　本文通過對交通流式數據的特點及特性的分析，在現存的流式數據聚類方法研究的基礎上，研究表征交通物理系統(tǒng)狀態(tài)廣域多維的交通多流式數據的聚類分析及交通多流式數據的演化趨勢發(fā)現方法。
　　論文的主要工作如下：
　?、購腃PS的角度，分析交通流

4、式數據的特點及特性。
　　為探索基于CPS的交通流式數據的分析及處理方法，對表征道路交通狀態(tài)的常用參數進行了描述，總結了交通流式數據的特點。基于固定檢測器所采集的道路實時狀態(tài)信息，對交通流式數據的周期演化和縱向傳播特性進行分析。
　?、跒榘l(fā)現交通多流式數據之間的關聯關系，結合交通流式數據的周期演化特性，提出交通多流式數據的進化聚類分析方法。
　　為解決交通多流式數據聚類時的高維問題，受啟發(fā)于聯合聚類以及基于矩陣分解聚類

5、的思想，提出了基于低秩近似矩陣分解的多流式數據進化聚類算法EC-NMF。
　　首先，EC-NMF算法充分利用流形與低秩結構來學習非負數據的有效表示，分別在數據空間和特征空間中構建基于近鄰的數據圖和特征圖來反映它們各自的幾何流形結構。為保持聚類結果隨時間變化的平滑性，EC-NMF算法考慮了隨時間滑動的歷史聚類結果的信息。其次，推導出了EC-NMF模型的交替迭代更新規(guī)則，并從理論上證明了EC-NMF模型的收斂性和正確性。最后，基于合成

6、和實測數據集對所提出的EC-NMF算法進行了相關驗證。
　　③結合具有上下游關系的交通流式數據之間的縱向空間傳播特性，基于聯合聚類多個相關類型數據的研究現狀，提出了交通多流式數據的聯合聚類算法。
　　首先，為能夠更客觀地分析多交通流式數據之間的關聯關系，結合交通系統(tǒng)中流式數據隨空間演化的縱向傳播特性分析，提出基于非負矩陣三分解的交通多流式數據聯合聚類框架 STClu。其次，給出了 STClu模型的交替迭代更新規(guī)則。最后，基于

7、合成和實測數據集對STClu算法進行了實驗驗證。
　　④為揭示交通流式數據之間隨時空的演化特性，進一步獲悉多個相似斷面之間的交通狀態(tài)隨時間演化的特性，提出了基于聚類思想的交通多流式數據演化趨勢發(fā)現方法。
　　首先，將以單條流式數據為單位的聚類問題轉化為多流式數據的圖聚類模型。根據交通流式數據之間的滯后相關性特征，給出了基于滑動窗口的交通流式數據的滯后相關性計算方法。其次，基于譜圖理論的相關思想，提出了基于滯后相關的交通多流式

8、數據的聚類算法ICMDS。為通過分析不同時刻交通多流式數據的聚類結果，獲悉交通流式數據的演化趨勢，提出了基于ICMDS算法的交通多流式數據演化趨勢發(fā)現算法 TEEMA。最后，基于合成和實測數據集分別驗證了 ICMDS算法的有效性和TEEMA算法的可擴展性。
　　綜上所述，本文深入地研究了流式數據的聚類分析方法，詳細地分析了基于CPS的交通流式數據的特點及隨時空演化的周期和縱向傳播特性，提出了更符合交通實際的交通多流式數據聚類分析及