数据挖掘在交通管理和控制上的应用.pdfVIP

第一章 引言 第一章 引言 1.1 选题背景和研究意义 交通运输水平是国家发达程度的一种体现。交通运输一方面促进了物资交流和人 们的往来，大大地缩短了出行时间，提高了工作效率;但另一方面也带来了许多问题。 交通拥挤、道路阻塞和交通事故频繁发生，正越来越严重的困扰着各国的大城市。为 了提高运输网络的使用效率，解决交通拥挤和交通安全问题，各国在智能交通系统的 研究上都做出了大量工作。 智能交通系统(ITS)是在关键基础理论模型研究的前提下，把先进的信息技术、 数据通信技术、电子控制技术及计算机处理技术等，有效地综合运用于地面交通管理 体系，从而建立起一种大范围、全方位发挥作用，并实时、准确、高效运作的交通运 输管理系统[1]。智能交通系统是目前国际公认的解决城市以及高速公路交通拥挤、改 善行车安全、提高交通资源运行效率、减少空气污染的最佳途径。 作为智能交通系统的重要研究方面，交通流疏导系统是目前公认的提高交通效率 和机动性的最佳途径。交通流疏导系统以交通流预测和实时动态交通分配为基础。交 通流疏导系统的实质是向出行者提供实时准确的交通信息，以便使出行者做出正确的 出行选择。路段上的交通流量是城市道路交通状况的一种重要信息，因此交通流量预 测倍受研究者重视。现代交通管理系统的一项重要功能是进行交通控制，即利用可变 信息对车辆进行疏导实现对交通流的动态分配。实现这些控制系统需要对现实交通状 况有即时的了解，因此需要在道路上安装大量先进的车辆监测器来收集交通信息，并 对这些数据收集、处理、产生新的数据信息，这就要求交通分析系统能够对交通状况 进行分析并做出一定的交通信息预测。交通流量预测是交通分析的主要功能之一，它 能为实时自适应信号控制系统和动态交通分配系统提供流量预测信息。交通流量预测 结果的好坏直接关系到交通控制与疏导的效果。因此，研究城市路网中路段上的短时 交通流量预测对于智能交通系统具有重要的现实意义。 道路交通系统是一个有人参与的、时变的、复杂的巨大的非线性系统，其显著特 点之一就是具有高度的不确定性，这种不确定性给交通流量预测，尤其是短时交通流 量预测带来了很大的困难。同时，由于城市路网中相邻路段间的相互影响，使进行流 量预测时所须考虑的因素增加，直接造成了交通流量预测的计算量的增大，当路网规 模增大或者需要预测的路段增多时，求解更加复杂，所需的计算时间已经达到人们难 1 第一章 引言 以容忍的地步。并行计算为求解大规模计算问题提供了一个有效的途径。 数据挖掘作为一门刚刚兴起的学科，它的一个重要特点就是横跨多个学科，同时 应用面十分广泛，数据挖掘的描述性任务和预测性任务在实际的生产应用中都极大地 辅助了人类的决策工作，在银行、电信、保险、交通、零售等商业领域都有着数据挖 掘的应用。 1.2 研究现状 在交通规划、交通控制、道路与交通工程设施设计等方面都广泛地应用着交通流 理论。按照研究手段和方法，交通流理论可划分为两类: 1、传统交通流理论:传统交通流理论是指以数理统计和微积分等传统数学和物理 方法为基础的交通流理论。其明显特点是交通流模型的限制条件比较苛刻，模型推导 过程比较严谨，模型物理意义明确。如交通流分布的统计特性模型、车辆跟踪模型、 交通波模型、车辆排队模型等。 2、现代交通流理论:现代交通流理论是指以现代科学技术和方法(如模拟技术、 神经网络、模糊控制等)为主要研究手段而形成的交通流理论。其特点是所采用的模 型和方法不追求严格意义上的数学推导和明确的物理意义，而更重视模型或方法对真 实交通流的拟合效果。这类模型主要用于对复杂交通流现象的模拟、解释和预测，而 使用传统交通流理论要达到这些目的就显得很困难。 交通流疏导系统的实质是向出行者提供实时的交通信息，以便使出行者做出正确 的出行选择，交通流量是城市交通状态的一种重要信息，因此，交通流量的预测倍受 研究者重视。己有的交通流量预测研究可以分为三类:基于历史数据的迭代方法、时 [2] 间序列法和模拟 。 众所周知，道路交通系统是一个有人参与的、时变的、复杂的非线性大系统，其 显著特点之一就是具有高度的不确定性，这种不确定性不但有来自自然界方面的原因 (如季节和气候因素