摘要
交通拥堵是道路网络中总车流量大于道路承载量,导致交通流无法畅行的现象。基于交通流数据挖掘的拥堵模式对于解决道路交通拥堵问题具有重要的现实意义。然而,现有的研究工作未能对“交通拥堵”进行合理准确的定义,忽略了交通流数据本身具有的时空属性和交通拥堵概念本身的模糊性。该文首先将模糊集理论引入到交通拥堵的定义中,提出用模糊隶属度衡量交通拥堵程度;其次,在传统空间并置模式挖掘的基础上加入时间属性,提出时空并置模糊拥堵模式的概念;再次,在该概念的基础上提出了挖掘时空并置模糊拥堵模式的有效方法;最后,在实际数据集上对提出的方法进行了广泛的实验评估。实验结果表明:该方法在挖掘结果上优于现有方法。
学科与关键词
关键词
信息处理空间数据挖掘时空特征时空并置模糊拥堵模式模糊参与度 information processingspatial data miningspatio-temporal featuresspatio-temporal co-location fuzzy congestion patternfuzzy participation index
- 基于多指标模糊综合评价的交通拥堵预测与评估晏雨婵; 白璘; 武奇生; 叶珍计算机应用研究, 2019, (12): 3697-3700+3704.
- 基于浮动车大数据与网格模型的城市交通拥堵识别和评价研究闫学东; 刘晓冰; 刘炀; 马世霞北京交通大学学报, 2019, (01): 1-10.
- 基于云模型的道路交通拥塞程度评估卓晓昭福建电脑, 2013, (07): 97-99.
