智能交通中的数据挖掘技术■王亚琴覃明贵朱建秋朱扬勇(复旦大学计算机信息与技术系,上海,200433) 擒要:数据挖掘技术提供了对海量交通数据的强大分析处理功能。;,分类模型和关联模型。关键字:,模型、体系结构 Data Mining Techniques inIntelligent Transportation SystemWang yaqin。Qin minggui. Zhu jianqiu,Zhu yanyong (Department puter Information and Technology,Fudan University,Shanghai 200433) Abstract:Data mining techniques are applied toanalysis the large amount ofITS data toacquire useful traffic pattern. This paper summarizes thecharacteristic ofthe traffic proposes thesystem model and thescalable architecture oftrafficdatamining system(TDMS).We alsopresentsthemaintrafficpatternofTDMS,includingtrafficforecast model。classification model and association model. Keywords:ITS,data mining,pattern。system architecture 【11是近年来发展起来的一种数据处理技术,在大规模数据中挖掘隐含的模式,提供了对大规模数据强大、灵活的数据分析处理功能, 在决策支持系统(DSS)中得到了很好的应用。安全、便捷、舒适和信息化的交通需求,使智能交通系统【21的研究和应用取得了快速发展。各种先进的信息技术在智能交通系统中得到广泛应用,智能交通系统积累了巨大而复杂的交通数据,复杂的交通数据对信息的管理和处理都提出了新的要求,文献[3。4。5]提出了利用数据仓库、数据一体化平台等对复杂智能交通信息进行组织与管理,并对智能交通信息进行数据融合、数据压缩、数据标准化、数据挖掘、, 可以快速、有效、深入的分析海量交通信息,挖掘大量交通数据中隐含的交通模式。文献[6,7]研究了利用神经网络进行短时交通流量预测,以及道路交通状态的分类:文献[8]研究了基于模糊逻辑的道路拥堵评价:文献[9,10,11]研究了基于ARIMA、神经网络、非参数回归等模型的交通流量预测方法: 文献[12]提出了利用数据挖掘技术进行交通事件分析。数据挖掘技术交通系统的各种实时交通模型和综合交通模型,可以用于交通的管理和控制,改善智能交通系统的服务水平。本文分析了智能交通系统中交通数据的特点,提出了对智能交通进行数据挖掘的主要模犁及方法。并设计了在
智能交通中的数据挖掘技术 来自淘豆网www.taodocs.com转载请标明出处.