文档介绍：编号：
时间：2021年x月x日
书山有路勤为径，学海无涯苦作舟
页码：第页共10页
: .
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
摘要：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。本文分析了智能交通系统中交通数据的特点，提出了交通数据挖掘系统的系统模型和分层体系结构；并介绍了智能交通数据挖掘的主要模型及方法，包括交通预测模型、分类模型和关联模型。
关键字：ITS、数据挖掘、模型、体系结构
Data Mining Techniques in Intelligent Transportation System
Wang yaqin, Qin minggui, Zhu jianqiu,, Zhu yanyong
Department of Computer Information and Technology, Fudan University, Shanghai 200433
Abstract: Data mining techniques are applied to analysis the large amount of ITS data to acquire useful traffic pattern. This paper summarizes the characteristic of the traffic data, and proposes the system model and the scalable architecture of traffic data mining system (TDMS). We also presents the main traffic pattern of TDMS, including traffic forecast model, classification model and association model.
Keywords: ITS, data mining, pattern, system architecture
1 引言
数据挖掘技术[1]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[2]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、数据联机分析处理等。数据挖掘技术作为一种产生于应用且面向应用的数据分析处理技术，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