���ģ��ͨ��Ԥ�ⷽ���о�

随着交通信息化的快速发展,可供分析的交通流数据量越来越大,如何利用大规模交通流数据进行交通预测分析是智能交通的重要研究内容.为解决大规模交通流数据预测问题,本文提出了一种基于分层抽样与k均值聚类相结合的抽样方法,并与基于序贯最小优化方法的支持向量机结合,进行大规模交通流预测.实例分析结果表明,本文提出的聚类方法比现有抽样方法的抽样质量有所提高,基于序贯最小优化方法的支持向量机可有效提高交通流预测的精度.因此,本文提出的方法对于大规模交通流预测是有效的.     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

基于车牌照数据的通勤特征车辆识别研究

近几年来,交通拥堵日益成为大中城市最严重的交通问题之一,而由通勤行为 引起的早晚高峰交通拥堵最为突出,严重影响了城市居民的出行和交通系统的运行.因 此,本文从车辆的角度出发,采用上海快速路牌照识别系统采集数据,通过k-means 聚类 数据挖掘方法,提取路网中的通勤特征车辆,并分析了通勤特征车辆在路网中的出行时 空分布.分析得出,在上海快速路网中,占全部检测车辆2.8%的通勤特征车辆在早晚高峰 时提供了高达36%的交通量.在早高峰时段,识别出的通勤特征车辆主要分布路段为中环 外圈、陆家嘴方向、逸仙高架和沪闵高架;晚高峰时段,基本集中在与早高峰的相反方向. 研究结果表明,本文基于车牌照数据的数据挖掘方法,可以有效地提取通勤特征车辆并 研究其出行行为的时空特征,能够为城市交通拥堵问题的缓解和交通需求管理政策的提 出提供辅助决策信息.     

基于指标体系的扇区复杂性评估方法

为了全面分析扇区复杂性,将其分解为结构复杂性和运行复杂性.借鉴已有的研究成果,围绕结构特征和运行特征,分别建立了多维指标体系.利用主成分分析方法提炼指标信息,评估扇区的结构复杂性和运行复杂性.最后采用k-means 聚类算法对多个扇区进行聚类分析,选取Dunn 指标评价聚类质量,实现了对扇区复杂程度的最佳等级划分,同时对复杂性指标分析结果进行了验证.实例表明,复杂性计算结果能够较好地体现多个指标的综合影响,区分不同扇区的复杂程度,聚类结果与实际情况相符.该结论可以为空域规划和管理提供参考意见.     

基于多因素聚类的城市轨道交通 换乘车站分类方法研究

为解决换乘车站分类标准缺失或不精准的问题,从用地、区位、客流 3 个维度,分析换乘站分类的影响 因素并提出分类指标计算方法,结合 k-means 聚类算法,构建基于多因素聚类的换乘站分类方法,应用南京地铁 换乘站开展实例分析。结果表明：与单因素(仅用地、仅区位、仅客流)聚类方法相比,多因素聚类方法在分类均 匀度、实际分类效果等方面具有明显优势。结合分类结果,提出南京地铁换乘站宜按综合枢纽型、公共中心Ⅰ型、 公共中心Ⅱ型、居住生活型及外围接驳型 5 类划分,并分析换乘站在不同要素上的阈值特性及取值建议,为未来 地铁换乘站规划及设计提供借鉴。     

基于AFC数据的南昌轨道交通车站精细化分类

为满足城市轨道交通车站精细化客运组织需求,对车站进出站客流特性进行有效的分类管理。结合自动售检票系统(auto fare collection,AFC)采集的进出站客流数据,从车站进出站客流总量及时序特性方面入手,提出一种基于K-means算法的双层规划聚类方法对全线所有车站进行聚类并划分车站类型。首先以车站进出站客运总量为特征指标进行上层聚类,得出不同客运规模的车站大类;然后考虑车站进出站客流的时变特征,根据不同时段内的客流变化特点构建特征向量进行下层聚类,识别车站客流的时序分布特性。研究结果表明：利用本算法得到的分类结果与实际高度吻合,不同类别车站在客运规模和时变特性上差异明显。双层K-means聚类分析算法通过把握客运规模和客流时变特征,对车站进行精细划分,为车站的客运组织提供依据。     

大数据k-Means聚类挖掘优化算法

基于数据规模导致难以应对的存储量、数据规模导致传统算法失效、大数据复杂的数据关联性导致高复杂度的计算等问题,对大数据下的k-means聚类优化算法进行研究,给出了适用于大数据任务处理的MapReduce软件架构的模型机制,通过改进k-means初始聚类中心的选取,提出了一种基于MapReduce模型的k-means聚类优化算法.最后将改进的算法应用于煤炭煤质的分析中,结果显示较传统算法,改进算法的效率有明显提高.     

营运车辆驾驶人驾驶适应性检测标准

使用日本警察厅开发的CRT驾驶适应性综合检测仪和长安大学交通运输部人-车-环境系统安全重点实验室研制的驾驶适宜性检测设备,对江苏省内963名专职营运车辆驾驶人的感知能力、判断能力和操作能力等各项指标进行检测,综合运用独立样本t检验、单因素方差分析、K-均值聚类分析和因子分析等方法,确定了驾驶适应性检测指标体系及各单项指标值和综合指标值,制定了江苏省营运车辆驾驶人驾驶适应性检测标准.