10.16182/j.issn1004731x.joss.22-0898
基于轨迹数据的大规模路网交通拥挤时空关联规则挖掘
提出了K近邻RElim(K neighbor-RElim,KNR)算法和时序K近邻RElim(sequential KNbr-RElim,SKNR)算法,利用大规模路网的车辆轨迹数据来挖掘路段拥挤关联规则和拥挤传播时空关联规则.其中KNR算法在RElim算法基础上拓展了空间拓扑约束,可高效从大规模车辆轨迹数据集中挖掘路网中关联性拥挤易发路段,并量化这些路段间拥挤的关联性强度.而SKNR算法进一步以滑动窗口的形式拓展时间维度,可以挖掘出大规模路网中难以直接观测的拥挤传播现象,并追溯拥挤传播路径.以成都路网和车辆轨迹数据的挖掘结果对所提出的算法进行了说明和验证,结果表明了算法的有效性和鲁棒性.
数据挖掘、关联规则、拥挤传播、轨迹数据、RElim算法
36
TP301.6(计算技术、计算机技术)
国家自然科学基金;湖北省交通运输厅科技项目
2024-02-02(万方平台首次上网日期,不代表论文的发表时间)
共12页
260-271