【摘要】：隨著城市化進程的加快和機動車的普及,交通供需矛盾愈發(fā)突出,發(fā)展智能交通,提升交通管理和信息服務(wù)能力,成為解決交通擁堵問題的有效途徑。世界各國政府都在積極發(fā)展智能交通系統(tǒng),智能交通平臺不斷地涌現(xiàn),導(dǎo)致交通數(shù)據(jù)迅速積累膨脹,然而被有效利用的數(shù)據(jù)卻很少,出現(xiàn)了一種數(shù)據(jù)爆炸但是知識匱乏的現(xiàn)象。如今,數(shù)據(jù)挖掘技術(shù)日臻成熟,數(shù)據(jù)挖掘技術(shù)具有對大數(shù)據(jù)強大、靈活的分析處理能力,適用于挖掘海量數(shù)據(jù)中隱含的信息,將數(shù)據(jù)挖掘技術(shù)引入到交通大數(shù)據(jù)分析中也是智能交通發(fā)展的趨勢。為此,本文基于時空立方體模型的時空熱點分析方法的探索性研究,旨在建立一個適用于交通擁堵信息的時空模式挖掘方案。首先,針對交通擁堵數(shù)據(jù)難以獲取問題,本文利用網(wǎng)絡(luò)爬蟲、圖像處理以及空間數(shù)據(jù)庫等技術(shù)手段,設(shè)計了一個基于網(wǎng)絡(luò)地圖的交通擁堵點實時采集、存儲和管理系統(tǒng),為交通擁堵時空熱點挖掘與分析提供數(shù)據(jù)支撐�？紤]到交通擁堵點同時包含時間、空間和屬性信息,屬于時空數(shù)據(jù)的范疇,交通擁堵點時空模式挖掘需要考慮數(shù)據(jù)間的時空約束關(guān)系。為此,將時間、空間和屬性三要素整合建模,采用時空立方體模型表達其時空關(guān)系,實現(xiàn)交通擁堵點時間和空間信息的完整性表達,為交通擁堵點時空模式的可視化提供數(shù)據(jù)模型。其次,以空間熱點分析和時間序列分析為基礎(chǔ),利用時空立方體模型將時空關(guān)系納入熱點分析中,探測交通擁堵時空分布中存在的冷熱點,并應(yīng)用時間序列分析評估這些冷熱點隨時間的變化趨勢,對冷熱點的時空類型進行分類。由于在不同的空間和時間尺度上聚合交通擁堵點,會得到不同的交通擁堵點時空立方體,最后挖掘出的模式和關(guān)系可能非常的不同。本文通過控制因素法對交通擁堵時空模式挖掘的尺度進行探究,實驗分析表明:以較小的時間步長和空間距離聚合交通擁堵點,會挖掘出更多的冷熱點;交通擁堵點時空立方體存在對應(yīng)時空鄰域閾值,達到閾值后挖掘的時空熱點大致相似。在此基礎(chǔ)上綜合利用空間自相關(guān)、時間自相關(guān)和時間周期性等理論,研究一種基于交通擁堵點的時空模式挖掘的尺度選擇方法。最后,選取成都市城區(qū)為試驗區(qū),進行交通擁堵時空熱點模式挖掘分析。根據(jù)采集的交通流量數(shù)據(jù),創(chuàng)建交通擁堵點時空立方體,用以表達交通擁堵的時空分布現(xiàn)象�；诮煌〒矶曼c時空立方體模型,分析交通擁堵的時空熱點分布模式。同時,對交通擁堵的時空變化趨勢類型進行分類,以冷熱點圖方式可視化呈現(xiàn)交通擁堵的時空分布格局。實驗結(jié)果表明利用時空立方體模型和時空熱點分析方法能夠有效地挖掘成都市交通擁堵的時空分布模式。綜上所述,本文構(gòu)建的包括交通擁堵點的數(shù)據(jù)獲取與管理、時空立方體模型以及時空熱點分析在內(nèi)的時空模式挖掘分析方法與技術(shù),在交通擁堵時空分布模式的挖掘與分析方面具有一定理論價值與應(yīng)用的意義。
[Abstract]:......
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U491.265

【相似文獻】

相關(guān)期刊論文 前10條

1 邢東山,沈鈞毅,宋擒豹;用戶瀏覽偏愛模式挖掘算法的研究[J];西安交通大學(xué)學(xué)報;2002年04期

2 趙越;劉衍珩;余雪崗;魏達;單長偉;趙洋;;基于模式挖掘與匹配的移動軌跡預(yù)測方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2008年05期

3 楊君銳;張敏;何洪德;;基于分布式的頻繁閉合模式挖掘算法[J];西南交通大學(xué)學(xué)報;2012年06期

4 劉全中;聶艷明;寧紀(jì)鋒;;高維度的數(shù)據(jù)強跳躍顯露模式挖掘方法研究[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2013年08期

5 蔣夏軍;皮德常;張育平;;組移動模式挖掘中軌跡聚類的置信區(qū)間法[J];中國科技論文;2013年10期

6 鄧悅;趙井文;;基于Web的用戶行為模式挖掘研究[J];硅谷;2009年10期

7 呂明琪;陳嶺;陳根才;王琦暉;;移動通信網(wǎng)絡(luò)環(huán)境下的用戶運動模式挖掘[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年02期

8 貝毅君;陳剛;董金祥;;面向Web活躍用戶的樹型訪問模式挖掘算法[J];浙江大學(xué)學(xué)報(工學(xué)版);2009年06期

9 王曉曄;肖迎元;張德干;;時間序列部分周期模式的更新算法[J];哈爾濱工程大學(xué)學(xué)報;2011年11期

10 凌海峰,劉業(yè)政,楊善林;基于蟻群算法的用戶導(dǎo)航模式挖掘的研究[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2005年08期

相關(guān)會議論文 前10條

1 王肅;杜軍平;高田;;基于本體與知識背景的模式挖掘框架研究[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

2 繆裕青;尹東;;分布式存儲結(jié)構(gòu)的頻繁閉合模式挖掘并行算法[A];2007年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(下冊)[C];2007年

3 王淼;尚學(xué)群;謝華博;李戰(zhàn)懷;;行常量差異共表達基因模式挖掘算法研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

4 劉玉葆;蔡嘉榮;印鑒;黃志蘭;;基于最大訪問模式挖掘的數(shù)據(jù)庫異常行為檢測[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

5 陸葉;王麗珍;陳紅梅;趙麗紅;;基于可能世界的不確定空間co-location模式挖掘研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

6 王麗珍;陸葉;陳紅梅;肖清;;基于前綴樹結(jié)構(gòu)的空間co-location模式挖掘算法研究[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

7 胡偉成;曹三省;李丹;;一種基于QPop增量時域分割升維的媒體內(nèi)容應(yīng)用模式挖掘改進算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

8 薛丹;李德敏;裴仁林;;移動計算中基于PrefixSpan算法的用戶移動模式挖掘[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

9 宋國杰;馬帥;唐世渭;楊冬青;;基于模式挖掘的交通預(yù)測模型[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2002年

10 夏慶;馬元元;孫志揮;;路徑遍歷模式挖掘方法的改進[A];第十六屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1999年

相關(guān)重要報紙文章 前1條

1 辛苑薇;誰將分享“大數(shù)據(jù)”的智慧盛宴？[N];21世紀(jì)經(jīng)濟報道;2012年

相關(guān)博士學(xué)位論文 前7條

1 Shafqat Ali Shad;移動用戶軌跡與行為模式挖掘方法研究[D];中國科學(xué)技術(shù)大學(xué);2013年

2 錢烽;同位模式挖掘研究[D];浙江大學(xué);2012年

3 劉勇;圖模式挖掘技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2010年

4 覃桂敏;復(fù)雜網(wǎng)絡(luò)模式挖掘算法研究[D];西安電子科技大學(xué);2012年

5 王樂;數(shù)據(jù)流模式挖掘算法及應(yīng)用研究[D];大連理工大學(xué);2013年

6 林耀進;多源環(huán)境中數(shù)據(jù)預(yù)處理與模式挖掘的研究[D];合肥工業(yè)大學(xué);2014年

7 曾海泉;時間序列挖掘與相似性查找技術(shù)研究[D];復(fù)旦大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 楊陽;云計算環(huán)境下時空軌跡伴隨模式挖掘研究[D];南京師范大學(xué);2015年

2 李海;基于用戶軌跡數(shù)據(jù)的周期活動模式挖掘[D];江蘇科技大學(xué);2015年

3 周青峰;云計算環(huán)境下的模式挖掘算法研究[D];浙江工商大學(xué);2015年

4 陳瑞;基于分治子圖和極大有序團樹的co-location模式挖掘研究[D];云南大學(xué);2015年

5 尹騰騰;軟件執(zhí)行軌跡中行為模式挖掘算法研究[D];燕山大學(xué);2015年

6 陳明福;縮小候選集的Top-k高效模式挖掘算法研究[D];重慶大學(xué);2015年

7 張子瀚;面向大數(shù)據(jù)的高效用模式挖掘方法研究[D];北方工業(yè)大學(xué);2016年

8 張剛領(lǐng);一種基于團的閉頻繁Co-location模式挖掘方法[D];云南大學(xué);2016年

9 江萬國;基于領(lǐng)域驅(qū)動的空間高效用Co-location模式挖掘[D];云南大學(xué);2016年

10 吳錫宇;基于約束的城市co-location模式挖掘[D];云南大學(xué);2016年

，

本文編號：2429535