城市道路交通流數(shù)據(jù)的挖掘.pdf

1、城市交通流通過大量的交通流信息表征其特性和規(guī)律，綜合反映了城市交通綜合狀況，是交通管理、交通決策必不可少的科學(xué)依據(jù)，是十分寶貴的信息資源，也是城市居民出行的主要參照依據(jù)。由于城市交通流信息中包含大量可用于改善交通運(yùn)行狀況的規(guī)律，所以如何挖掘其潛在的價(jià)值和規(guī)律是當(dāng)今研究的熱點(diǎn)之一。本文主要從兩個(gè)方面對交通流信息進(jìn)行分析。
　　 （1）城市路口間的交通流相似性分析與研究。以往的實(shí)踐研究都是基于時(shí)間上的交通流信息相似性分析，如：周相似

2、特性下的交通流分析等。而交通流信息是具有時(shí)空相關(guān)性的，所以對于一個(gè)區(qū)域內(nèi)的路口間的交通流信息不僅要考慮時(shí)間上的變化，也要考慮空間上的因素。事實(shí)上，路口之間的交通流存在著如下的聯(lián)系，比如：相鄰路口之間的相似度是最大的，而且遠(yuǎn)大于與非相鄰路口的相似度；路口之間的相似度與距離成反比，即兩個(gè)路口相隔越遠(yuǎn)，相似度越小等等。這樣，交通管理者可以利用這些有用的信息來管理這個(gè)區(qū)域的交通。因此本文把路口間的距離作為一個(gè)影響因子嵌入到相似度計(jì)算的公式中，并

3、最終擬合出一個(gè)標(biāo)準(zhǔn)公式來計(jì)算路口間交通流量的相似度。
　　 （2）短時(shí)交通流預(yù)測。本文提出了一種高效的短時(shí)交通流預(yù)測方法：基于蟻群聚類的RBF神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測方法。RBF神經(jīng)網(wǎng)絡(luò)因其在逼近能力、分類能力和學(xué)習(xí)速度等方面的優(yōu)點(diǎn)，被廣泛應(yīng)用于各個(gè)領(lǐng)域。蟻群聚類算法作為一種分布式尋優(yōu)算法，展示了其優(yōu)良的搜索最優(yōu)解的能力，能夠應(yīng)用于各種優(yōu)化組合問題。本文就是用蟻群聚類算法確定RBF網(wǎng)絡(luò)的隱層中心值，對基本的蟻群算法作了進(jìn)一步改進(jìn)，