面向城市道路交通信息挖掘的Apriori算法研究.pdf

1、信息時(shí)代,感知、測量、記錄、傳播及存儲(chǔ)等認(rèn)識(shí)世界的方法得到跨越式發(fā)展。數(shù)據(jù)量呈現(xiàn)井噴式增長模式,但用來改造世界的從數(shù)據(jù)中獲取的信息量相對(duì)貧乏。ITS技術(shù)的發(fā)展,利用裝有 GPS和通信設(shè)備的浮動(dòng)車采集交通信息,可獲取大量交通運(yùn)行狀態(tài)信息。人、車、路三要素相互制約,組成了城市道路交通信息。城市道路交通系統(tǒng)的時(shí)變性、復(fù)雜性和非線性特征,各種內(nèi)外因?qū)е孪到y(tǒng)具有高度的不確定性。如何讓這些交通信息“發(fā)聲”,達(dá)到對(duì)數(shù)據(jù)信息的“感傳知應(yīng)”,顯得非常重要

2、。
　　本文研究了關(guān)聯(lián)規(guī)則挖掘的基本問題,總結(jié)了經(jīng)典的挖掘算法。結(jié)合城市交通信息特征,針對(duì)Apriori算法性能的缺陷,本文作了相關(guān)改進(jìn)研究。
　　改變數(shù)據(jù)庫映射方式,避免了原有算法多次掃描數(shù)據(jù)庫的開銷;在得到每個(gè)候選項(xiàng)集的支持?jǐn)?shù)以判斷是否頻繁項(xiàng)集時(shí),借助Apriori算法的先驗(yàn)知識(shí),由已有的頻繁項(xiàng)集中的元素生成的候選項(xiàng)集確定不是頻繁項(xiàng)集,那么該元素后續(xù)就不需連接,這樣優(yōu)化了連接步驟;在掃描數(shù)據(jù)庫時(shí),Apriori算法對(duì)候選

3、項(xiàng)集和事務(wù)模式匹配,時(shí)間開銷大,為此本文引進(jìn)集合交集運(yùn)算,簡明易懂。通過這些改進(jìn)策略,綜合給出了改進(jìn)算法。理論上說明了改進(jìn)算法較原有算法的優(yōu)越性以及在城市道路交通信息挖掘領(lǐng)域更好的適應(yīng)性。
　　針對(duì)諸多研究者在對(duì)挖掘算法進(jìn)行分析和研究后,選擇蘑菇集作為測試數(shù)據(jù)集,顯得單一;且截至目前對(duì)道路交通擁堵進(jìn)行關(guān)聯(lián)規(guī)則挖掘缺乏有效研究。鑒于城市道路交通流的GPS數(shù)據(jù)經(jīng)處理后,得到的數(shù)據(jù)集契合關(guān)聯(lián)規(guī)則挖掘算法對(duì)數(shù)據(jù)的嚴(yán)格要求。因此,本文把關(guān)聯(lián)

4、規(guī)則算法應(yīng)用到城市道路交通信息挖掘中去。借助浮動(dòng)車監(jiān)控中心的數(shù)據(jù),經(jīng)過數(shù)據(jù)選擇和預(yù)處理,對(duì)區(qū)域內(nèi)和區(qū)域間早、晚高峰時(shí)段的數(shù)據(jù)分別進(jìn)行挖掘,生成了滿足約束條件的頻繁項(xiàng)集,找出了其中存在的有意義的強(qiáng)關(guān)聯(lián)規(guī)則。
　　考慮參數(shù)對(duì)結(jié)果的影響,作了進(jìn)一步的分析,同時(shí)也驗(yàn)證了優(yōu)化算法在效率上有所提升。分析所得到的關(guān)聯(lián)規(guī)則,給道路交通參與者提供路徑?jīng)Q策,用以指導(dǎo)科學(xué)出行,實(shí)現(xiàn)相對(duì)準(zhǔn)確的交通預(yù)測和控制。
　　最后,對(duì)本文所作的工作進(jìn)行了總結(jié),