交通客流時間序列數(shù)據(jù)的聚類挖掘研究.pdf

1、隨著智能交通系統(tǒng)ITS的高速發(fā)展，大量的交通流檢測數(shù)據(jù)被積累下來，如何充分的利用這些交通流檢測數(shù)據(jù)來指導(dǎo)交通的規(guī)劃控制是智能交通領(lǐng)域需要解決的關(guān)鍵問題之一，而數(shù)據(jù)挖掘技術(shù)的出現(xiàn)正好為這一問題的解決提供了強(qiáng)大的理論與實現(xiàn)基礎(chǔ)。聚類分析作為一種重要的數(shù)據(jù)挖掘技術(shù)，它可以從大量的數(shù)據(jù)中發(fā)現(xiàn)隱含的數(shù)據(jù)分布和模式，采用聚類分析方法對智能交通系統(tǒng)中海量的交通客流時間序列數(shù)據(jù)進(jìn)行研究分析具有很大的應(yīng)用價值：一方面可以發(fā)現(xiàn)典型的客流變化規(guī)律；另一方面還

2、可以發(fā)現(xiàn)客流狀況的異常，分析異常出現(xiàn)原因；同時還能壓縮數(shù)據(jù)為后續(xù)的數(shù)據(jù)預(yù)測等其它挖掘分析做好準(zhǔn)備。
　　客流時間序列具有的高維、高噪聲、波動頻繁等特點(diǎn)，給序列的聚類挖掘帶來了很大的不便，因此，有效地壓縮序列是交通客流數(shù)據(jù)聚類分析中首先需要解決的問題。
　　本文結(jié)合交通客流數(shù)據(jù)的特點(diǎn)，在分析和總結(jié)已有時間序列降維算法KPS的不足和不適用性的基礎(chǔ)上，通過改進(jìn)算法的關(guān)鍵點(diǎn)提取方法，從而設(shè)計出一種改進(jìn)的基于關(guān)鍵點(diǎn)的時間序列降維算法E

3、KPS。并通過仿真實驗表明，本文所設(shè)計的改進(jìn)算法 EKPS能夠在較高壓縮率的情況下很好的保留原始時間序列的形態(tài)變化趨勢，達(dá)到有效地降低時間序列維度的目的。
　　在采用本文改進(jìn)的EKPS算法對交通流時間序列進(jìn)行關(guān)鍵點(diǎn)提取降維預(yù)處理之后，本文考慮到交通客流數(shù)據(jù)劃分具有的模糊特性，采用經(jīng)典的模糊 C-均值聚類算法FCM對預(yù)處理后的客流時間序列數(shù)據(jù)集的進(jìn)行聚類分析。針對FCM算法對初始聚類中心敏感以及需要人為規(guī)定聚類數(shù)目的不足，本文結(jié)合凝