基于數據挖掘的駕駛行為與道路擁堵分析.pdf

1、隨著中國經濟快速發(fā)展，汽車保有量逐年增加，交通安全和交通擁堵問題越來越突出。城市智能交通系統作為解決當前交通安全以及道路擁堵等一系列問題的信息化技術應運而生。
　　駕駛行為與道路交通安全有著緊密聯系，由于一些不安全駕駛行為所帶來的交通事故是造成交通擁堵的主要原因之一，如何準確評價駕駛員的駕駛行為并規(guī)范駕駛人的駕駛行為是保障道路交通安全的重要舉措;有效地識別道路交通擁堵狀態(tài)并對交通擁堵狀態(tài)進行預測，能夠為交通管理部門掌握道路交通擁堵

2、狀態(tài)提供有效、科學的途徑，便于及時采取交通疏散與誘導的措施，并能夠為交通出行者選擇最優(yōu)出發(fā)方式、出發(fā)時刻及出發(fā)路徑提供良好的決策依據。
　　綜上所述，駕駛行為與道路擁堵分析對于“人-車-路-生活”和諧統一新體系的構建和智能交通系統的應用前景和發(fā)展具有重要的意義和研究價值。隨著車聯網技術和城市智能交通領域的發(fā)展，智能交通系統所采集的信息維度越來越多，范圍、深度和廣度將越來越大，本文從數據挖掘角度出發(fā)對智能交通系統所采集的數據進行分析

3、，面向城市交通出行和管理者服務需求，旨在給智能交通系統提供一些技術支持與科學依據，本文主要研究成果和創(chuàng)新點如下:
　　(1)提出了一種基于聚類和BP神經網絡的駕駛行為評價方法，采用改進的K-均值聚類方法對駕駛行為特征數據進行聚類，基于駕駛行為聚類結果，利用BP網絡進行學習，最終用訓練得到的BP神經網絡分類器對駕駛行為進行在線分類評價。研究結果表明該算法摒棄了人為主觀因素，實現了駕駛行為準確、客觀、高效的評價，為交通管理部門重點監(jiān)控

4、較高風險駕駛人提供了參考依據，為UBI(Usage Based Insurance)駕駛行為評價提供一種新的方法。
　　(2)針對道路交通狀態(tài)具有模糊性的特點，提出了一種基于改進模糊C均值聚類的交通狀態(tài)實時判別的方法。該方法首先針對傳統FCM算法存在的問題，引入了一種自適應模糊聚類算法，利用模擬退火算法(SA)和粒子群優(yōu)化算法(PSO)相結合的智能算法來提高PSO的全局搜索能力并對自適應模糊聚類算法中的參數進行優(yōu)化，以實測交通流樣

5、本數據的速度、流量、占有率作為特征屬性，對構建的道路交通狀態(tài)實時識別算法進行實例研究，研究結果驗證了其有效性和可靠性。
　　(3)針對短時交通流預測問題，對交通流序列的非線性和延遲性進行了研究，給出了交通流系統延時時間確定方法?；诨疑到y理論，針對灰色預測模型存在的缺陷，對灰色預測模型進行了優(yōu)化和改進，并結合短時交通流的延遲性，建立了基于改進灰色模型的灰色延遲非線性交通流動力學模型。最后通過實例表明該模型能夠很好地反映交通流系統