智能交通控制网络的短时交通流预测研究

研究智能交通控制网络的短时交通流准确预测问题.为保证智能交通控制的效率,短时间内采集交通流信息并作为预测参数快速完成交通流的预测,然而短时间内采集到的交通流数据有限,数据间的相关性不明显,传统的交通流预测方法针对短时采集的相关性不明显的数据进行预测,存在预测准确度不高的问题.为解决上述难题,提出采用多维标度法的短时交通流预测方法.利用多维标度法处理采集到的短时交通流数据得到数据间的潜在相关性,避免因短时数据间相关性不明显而造成预测准确度不高的问题,然后根据数据相关性建立交通流预测模型,按照预测算法流程完成交通流的预测.实验表明,改进方法能够根据短时交通流数据准确完成交通流的预测,保证了智能交通控制网络的效率和性能.     

.基于GIS的城市道路交通流信息发布系统应用研究*

根据基于GPRS/GPS/GSM浮动车交通流信息采集系统实时采集的交通流瞬时速度、路段速度、车辆定位等信息,借助面向对象技术、GIS技术、数据库技术设计、开发了基于GIS的城市交通流信息发布系统,系统采用数据库中的存储过程技术处理海量交通流信息与GIS信息等数据表的多表连接,实现了高效率信息查询,并融合GIS专题地图技术和数据库技术实现浮动车辆历史轨迹动态回放、交通流路段速度查询、可视化显示。开发的系统在天津市部分路段进行试验,系统能稳定、可靠地实现交通流信息发布,并能快速有效查询城市道路交通流信息及识别城市道路网络路况瓶颈,可以辅助交通管理者进行交通管理决策。     

基于计算机数据算法模型的交通流数据分析

针对交通流数据分析滞后,交通规划效率不高等问题,提出了一种基于计算机数据算法模型的计算机数据算法数据分析方法,该方法采用基于S3C6410处理器的采集模块对影响交通流的数据进行采集或者分析,在进行数据信息采集时,还通过JZ863的无线传输模块实现数据信息传输,并通过神经网络算法模型提高了交通流数据信息分析能力。实验结果显示,本研究系统检测到发生故障的数据量数高达4735个,交通检测精度较高。     

基于数据挖掘算法的交通状态辨识方法研究

在分析现有交通状态辨识理论的局限性的基础上,提出了一种新的交通状态辨识模型。此模型针对每种交通状态样本数据都具有一定的相似性,不同状态之间的样本具有相异性的性质,采用数据挖掘方法中的聚类算法对不同状态的交通流数据进行聚类。所提出的模型避免了目前模型中只采用单个交通流参数进行状态识别的缺点,为交通状态的辨识提供了一种新的思路。     

基于数据挖掘算法的交通状态辨识方法研究

在分析现有交通状态辨识理论的局限性的基础上,提出了一种新的交通状态辨识模型。此模型针对每种交通状态样本数据都具有一定的相似性,不同状态之间的样本具有相异性的性质,采用数据挖掘方法中的聚类算法对不同状态的交通流数据进行聚类。所提出的模型避免了目前模型中只采用单个交通流参数进行状态识别的缺点,为交通状态的辨识提供了一种新的思路。     

智能交通信息物理融合云控制系统

针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题，基于云控制系统理论，以现代智能交通控制网络为研究对象，设计了智能交通信息物理融合云控制系统方案，包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据，在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.     

ITS检测器交通流数据质量控制系统研究

交通信息为智能交通系统(ITS,intelligent transportation system)提供基础的数据支持和持续原动力,所以作为系统的原材料——交通检测器采集的原始交通数据,它的质量好坏会直接影响整个系统的后续效益。以提高交通检测器采集的原始交通数据质量为目的,以交通流数据质量控制系统为研究对象,首先对整体系统框架进行结构分析,核心包括故障数据判别和故障数据修正两大部分,然后分析了交通流数据质量控制的协作流程,并给出了故障信息中的丢失数据、不规则时间点数据、异常数据的识别和修正模型,以及故障检测器的判别和处理方法。最后对系统的设计文档和程序开发给以说明,且已经在深圳城市交通仿真系统应用并取得良好的数据应用效果。     

路网交通亚健康状态下交通流的分形特性

路网交通亚健康状态下大量的实时路况信息难以得到有效应用,容易导致交通路网区域的某个路段距离完全"堵塞"剩余时间随机性严重等问题,因此,对亚健康状态下交通流的特性进行细致分析成为解决交通拥挤及阻塞状况面临的一个关键问题。在考虑山地特色独有路网结构的基础上,针对山地城市路网交通亚健康状态的特点,结合分形理论对路网交通亚健康状态下的短时交通流数据信号进行分析。研究了路网交通亚健康状态下的短时交通流数据信号的分形特性,并通过对交通流信号多重分形谱参数特征的计算,得到了亚健康状态下交通流信号非平稳信息的表征。实验分析表明,所提出的分析方法具有良好的效果,可以为山地城市路网亚健康状态下交通的畅通控制提供良好的理论支撑。     

基于改进KNN算法的交通流异常数据修复方法

交通流数据分析是交通规划、控制、管理等工作实施的基础。交通流数据异常会给交通状态辨识及交通管理和控制带来困扰,不利于交通领域各方面研究及工作的开展。因此,对异常数据进行修复具有必要性。为了提高交通流异常数据修复精度,进一步改善交通数据质量,构建了基于改进K近邻（K-Nearest Neighbor,KNN）算法的交通流异常数据修复模型。通过对KNN基础模型中k值和状态向量进行优选、提出距离占比的近邻值权重选取方式,实现对其模型的改进。为了验证模型的有效性,采用实测交通流数据进行实验分析。实验结果表明,改进的KNN数据修复模型具有更高的修复精度,其平均相对误差为9.88%,能够有效改善数据质量,为智能交通控制体系提供基础数据支持。     

基于雷视一体机的交通流数据采集系统设计

交通流数据是进行交通管理宏观决策的基础数据,交通流数据采集系统是交通管理信息化智能化的重要组成部分;随着我国交通领域的蓬勃发展,交通流量激增、高速交通拥堵、交通事故等突发事件频发,为此,设计一套实时性好、准确度高的交通流数据采集系统是十分必要的;文章基于雷视一体机开发了一套高速公路交通流数据采集系统,采用端-边-云分级传输的物联网架构,并结合了自主研发的雷视一体机,采用CNN神经网络技术提取图像信息后,在边缘计算机中通过一维数据最优估计、多传感器数据匹配、多传感器双向最优估计、多传感器目标特征融合的软件工作流程,将雷达与监控相机提取到的信息进行最优化估计,准确提取道路目标交通信息,仅将处理后的特征信息上传至云端服务器,实现交通流数据的精确、实时采集;系统试运行结果表明,该基于雷视一体机的交通流数据采集系统能够有效提高检测准确性,加强检测结果的实时性。     

多源信息约束下的路径选择模型与算法

针对交通诱导管理措施的制定常缺乏理论支持的问题,提出信息约束机理作用下的时变路径选择行为研究方法。从人的知觉角度出发基于模糊聚类算法深入解析了多源交通信息(MSTI)的约束规律,借助VISSIM软件模拟路网环境并构建交通状态模式识别模型模拟信息约束下出行者的心理活动。采用意向(SP)调查法获取驾驶员在路网中的路径选择决策数据,并利用Biogeme软件对行为数据建模。结果表明,当偏好路径拥挤不严重时,信息很难对行为产生约束,出行者更倾向于坚持偏好路径;但随着偏好路径拥挤加剧,在信息影响下路径变更行为渐趋频繁,相应的信息对行为的约束也逐渐增强。研究结论为信息环境下出行者的不完全理性行为研究提供了思路及借鉴,并可为交通管理部门提供决策支持。     

基于粒子群优化算法和相关性分析的特征子集选择

特征选择是模式识别与数据挖掘等领域的重要问题之一.针对此问题,提出了基于离散粒子群和相关性分析的特征子集选择算法,算法中采用过滤模式的特征选择方法,通过分析网络入侵数据中所有特征之间的相关性,利用离散粒子群算法在所有特征的空间里优化搜索,自动选择有效的特征子集以降低数据维度.1999 KDD Cup Data中IDS数据集的实验结果表明了提出算法的有效性.     

序列模式挖掘在网络业务流分析中的应用

网络业务流分析是为了适应网络优化的需要而出现的分析方法。把一种新的序列模式挖掘算法用于网络业务流分析，对网络业务的模式进行挖掘，性能上优于以往的算法。     

基于数据挖掘加权方法实现锁定重点行为人

数据挖掘加权方法是一种特定应用的数据分析通过对海量数据进行智能化处理,抽象出利于进行判断和的特征模型,从而为做出正确决策提供依据,它为海量数据库中发现最大频繁项目集和仅需发现最大频繁项目集的数据挖掘应用提供了一种有效而快速的算法,它是从包含大量冗余信息的数据中通过加权计算快速提取重点信息的过程。随着公安信息化应用的深入...     

交通事故信息分析与责任认定系统建模研究

交通事故信息分析和事故责任认定是交通管理工作的重要内容之一,将交通事故信息分析放入人、车、路等交通大环境中考虑,以数据仓库为基础,采用联机分析、数据挖掘、知识发现等新一代信息分析手段和计算智能技术,构建了一个实用高效的交通事故信息智能分析与责任认定系统,并阐述了系统各主要组成部分功能及其关键技术与实现方法。系统正应用于我国南方某省的交通管理部门。     

议数据挖掘

随着信息技术的高速发展,人们积累的数据量急剧增长,如何从海量的数据中提取有用的知识成为当务之急。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。     

离群点挖掘技术在交通事件检测中的应用

交通事件的检测与确认是交通事件管理中的首要问题。基于线圈和视频数据的检测方法由于成本高,检测效果不明显,在实际应用中受到限制。提出了一种基于离群点挖掘的交通事件检测算法。该算法通过使用浮动车（floatingcardata,FcD）技术得到路况信息,并提取交通事件特征,建立特征向量。算法简单、高效、易于部署。实验结果表明,同模式识别方法相比,该算法具有较高的准确度,能有效区分常规拥堵与交通事件。     

Privacy preserving data mining of sequential patterns for network traffic data

As the total amount of traffic data in networks has been growing at an alarming rate, there is currently a substantial body of research that attempts to mine traffic data with the purpose of obtaining useful information. For instance, there are some investigations into the detection of Internet worms and intrusions by discovering abnormal traffic patterns. However, since network traffic data contain information about the Internet usage patterns of users, network users’ privacy may be compromised during the mining process. In this paper, we propose an efficient and practical method that preserves privacy during sequential pattern mining on network traffic data. In order to discover frequent sequential patterns without violating privacy, our method uses the N-repository server model, which operates as a single mining server and the retention replacement technique, which changes the answer to a query probabilistically. In addition, our method accelerates the overall mining process by maintaining the meta tables in each site so as to determine quickly whether candidate patterns have ever occurred in the site or not. Extensive experiments with real-world network traffic data revealed the correctness and the efficiency of the proposed method.     

数据挖掘技术在经营分析系统中的应用

数据挖掘技术是对海量数据进行分析和信息提取的重要工具。本文首先介绍了数据挖掘的基本概念和相关知识。然后结合电信的具体行业特点,建立了一个基于数据挖掘的系统(MDMS),并对该系统的结构、模块组成等问题进行了深入的讨论。文中详细介绍了该系统中关联规则挖掘技术、分类模型挖掘技术和聚类分析技术等关键技术的实现。最终对该系统在电信运营过程中所起的作用作了一个总评。     

数据采掘技术

本文针对数据采掘技术展开讨论和研究。如何快速有效地从海量的网络信息中,采掘出潜在的、有价值的信息,使之有效地在使用和管理决策中发挥作用,是急需要解决的问题。