基于时序关联规则挖掘的交通拥堵预测技术研究
当前我国城市现代化进程不断推进,然而交通拥堵问题日益突显,交通拥堵已经成为困扰各个大中城市的严重问题之一.城市交通拥堵带来的危害性主要有两个方面:一是交通拥堵发生时造成的时间延误和能源浪费,给社会带来了巨大的经济损失.据中科院专家统计得出的数据,我国每天因城市交通拥堵造成的经济损失可达约10亿元.二是当车速过低时,汽车尾气污染程度大大增加,与此同时会产生大量噪声,使空气质量以及城市环境质量急剧下降,进而对市民的身心健康造成严重危害,降低了市民生活水平.所以,对复杂的交通状况进行有效的预测是当前亟须解决的重要问题.近年来,越来越多的学者开始致力于智能交通系统的研究,提出多种交通拥堵预测方法.常见的交通拥堵预测方法主要是基于各类数学模型,并且大多只对单一道路单一时刻进行预测.由于交通系统复杂多变的特性,这类方法往往考虑的参数并不全面,同时没有考虑到交通拥堵事件的时序性,无法很好地适应实际情况.在交通系统中,各个路段发生拥堵往往遵循一定的因果关系,同时考虑到交通拥堵事件的时序性,本文提出一种基于时序关联规则挖掘的交通拥堵预测方法,先利用遗传算法挖掘出时序关联规则,再将这些关联规则作为数据样本构建分类器,以达到对交通拥堵预测的目的.本方法采用进化算法的思想,有效避免了传统方法需要确定参数过多的弊端,算法更为贴近实际生活情况,能够有效预测交通拥堵,为及时缓解城市交通压力、降低道路拥堵发生率、提高道路通畅度、保障高效快捷地出行提供了参考依据.
- 作者：
- 乔春凯
- 学位授予单位：
- 沈阳理工大学
- 专业名称：
- 计算机技术(专业学位)
- 授予学位：
- 硕士
- 学位年度：
- 2017年
- 导师姓名：
- 文峰
- 中图分类号：
- U491.14；TP311.13
- 关键词：
- 交通拥堵预测；数据挖掘；关联规则；遗传算法
- Traffic Congestion Prediction； Data Mining； Association Rule； Genetic Algorithm