开题报告-研究生.doc

①全日制博士研究生；V全U制硕士研究生；研究生③工程硕士；④ MBA；类别⑤高校教师在职攻读硕士学位；⑦同等学力申请硕丄•学位⑥中职教师在职攻读硕士学位研究生学位论文开题报告申请表学 号： 2111203087研究生姓名： 慕伟学科、专业：控制理论与控制丁.程学 院： 信息工程学院指导教师： 陈国定教授浙江工业大学研究生院（筹）制2014年3月23円填关于研究生学位论文开题报告的有关说明1、 幵题报告主要内容包拈：(1) 论文选题的□的和意义；(2) 国内外关于该课题的研究现状及趋势；(3) 木人的研究计划，包括研究目标、内容、技术路线、拟突破的难点或 攻克的难关、G己的创新或特色、实验方案或写作计划等；(4) 主要参考文献目录开题报告的书而材料不得少于3000字2、 研究生在选题、系统查阅国内外有关文献及调研的基础上写出幵题报告， 并在所在学科、专业范围报告及论证，由导师主持，丼邀请有关学科、专业的 专家三至五人组成开题报告评议组评议组对开题报告进行评议表决，并由研究 生导师在中请表上填写综合评语4、 开题报告通过后，研究生方可进入论文工作阶段如未通过者，在3个 月内可补做幵题报告，仍未通过者，则中止其学业，按退学处理。

5、 开题报告通过后，原则上一般不再随意改题如确有特殊原因需改题者， 须由研究生写书面报告，经指导教师签署意见，学院负责人审批后，报研究生院 备案，并补做幵题报告开题报告评议组成员姓 名职 称所在工作单位陈W定教授浙江工业大学张贵军教授浙江工业大学邵奇可副教授浙江工业大学表决票数 同意 不同意评议结果 □优秀 □良好 □合格 □不合格丌题报告评语及结果开题报告综合评语：指导教师签名：年 月 曰拟定宁位论文题H基于数裾挖掘技术道路交通流数椐分析开题报告具体内界：(可另附页)一、选题目的和意义随着社会经济的发展和城市化的进程，道路交通拥堵严重、交通事故率上 升、交通效率不高导致的资源浪费成为世界各个城市发展血临的共同问题安 全、便捷、好适和信息化的现代交通需求使宵能交通系统(Intelligent Transportation System, FTS)的研究和应用取得Z快速发展智能交通系统(ITS)是将先进的信息技术、数据通讯传输技术、电子传感技 术、电子控制技术以及计算机处理技术等有效地集成运用于整个地而运输管理 体系，而建立起的一种在大范闱内、全方位发挥作用的，实时、准确、高效的综 合运输和管理体系。

智能交通系统涵盖了交通运输系统的各个方面，是巾人、 车、道路、设施、管理、环境等许多了系统组成的复杂的综合性系统，其木质 是最大限度地实现信息的采集、处理、加工和井享，根据所获得的信息优化交 通系统的控制策略，调整交通参与者的行为，实现整个交通系统的优化运行交通流分析是交通系统的重要研究内容，传统交通流模型是描述交通流状 态变暈(逨度、密度和流量)随吋间和空间变化、分布规律及交通控制变景之间关 系的方程式或映射随着智能交通系统的发展，不断的产生一些新的应用和新的分析任务，如 分析道路交通拥堵模型、发现道路交通状况之间的关联关系、预测未来一段吋 间的道路交通状况等传统的交通流分析方法和交通流模型的建立，无法适应 当前智能交通系统对交通流数据分析处理的要求数据挖掘技术作为一种在海量数据中发现模式及规则的方法，经过二十多 年的发展，己取得了很多研究成果，在各个领域都有成功的应用本文在分析智 能交通系统的交通流数据特性和新的数据挖掘任务的基础上，提出了一种交通 流数椐挖掘模型交通流数据挖掘技术研究现状和趋势2.1交通流数据挖掘技术研究现状数据挖掘的主要内容包括频繁模式挖掘、关联分析、聚类分析、分类分析、 异常分析和演变分析等。

数据挖掘作为目前最强冇力的一种数据分析技术，在 智能交通数据分析方面已经取得了良好的应用但是，如何设计有效的挖掘算 法仍然是当前智能交通数据挖掘研究的关键短时交通流预测是现代智能交通系统的核心N容，是实现先进的交通控制 和交通诱导的基础近几十年岡内外的许多专家和学者都致力于该领域的研究, 研究了很多预测模型大体分为三类：一是基于解析数学方法的模型，包括历史平均模型、自回归模型、滑动平 均模型、自冋归滑动平均模型及卡尔曼滤波模型；二是基于经验的智能预测模型，包括非参数回归模型、神经网络模型、动 态交通分配模型及基于混沌理论的模型等；三是组合预测模型，单~的数学解析模型难以适应交通流所具冇的短吋随 机性强的特点，基于经验的智能预测模型其复杂度高，在工程实现上有一定的 闲难，有研究者提出了组合预测算法2.2微逆变技术的发展趋势数据挖掘技术的研究为交通流数据的处理提供了新的分析手段，但是通用 的数据挖掘算法不适应智能交通系统对交通流数据挖掘分析的具体应用需求， 将己有的数据挖掘分析方法直接应用到道路交通流分析中不能得到很好的应用 效果如道路交通流除了具有时问特性外，还具有很强的空问相关性，各种交通 流检测设备产生积累了海量的具有复杂的时空关系的时空信息数据集，这些数 据对智能交通系统提出了一些新的数据挖掘需求，如对道路交通流的复杂时空 查询、发现道路交通状况之间的关联关系、分析道路交通流的拥堵模型等。

今 后交通流数据分析得发展趋势有以下几个方面：(1) 云计算平台云计算(Cloud Computing)是一种能够通过网络以便利的、 按需的方式获取计算资源(网络、服务器、存储、应用和服务)的模式，这些 资源来G—个共享的、可配置的资源池，并能够快速获取和释放云计算系统 的平台管理技术能够使大量的服务器协同工作，方便的进行业务部署和开通， 快速发现和恢复系统故障，通过自动化、智能化的手段实现大规模系统的可靠 运营云计算平台可以很好地为交通数据挖掘提供服务，通过建设云计算数据 中心可充分承载交通业务数据，实现交通数据共享交换，并满足交通业务支撑、 决策支持需求，从根本上解决交通信息数据统一存储、共享和业务支撑的难题，形成交通信息决策支持体系2) 大数据挖掘随着分布式计算框架MapReduce,实吋分布式高维数数据 庳HBase、分布式文件系统HDFS等技术的飞速发展，基于这些技术的交通流大 数据挖掘将成为今后的主流发展方向3) 云计算与大数据的结合两者的结合将为交通流数裾分析带來无可比拟 的效果，基于云计算平台的人数据分析系统将打破以往传统的智能交通平台系 统的低效率、数据分析误差较大、能耗高等缺点的局面。

口前，已经有国外的 Google、IBM、微软、yahoo都提岀了自己的云计算以及大数据处理的平台，国 内的百度、阿里巴巴、华为、腾讯等公句也都基于Yahoo公司开发的Hadoop平 台进行0己云计算与大数据结合的平台构建三、课题研究计划3.1研究目标本文针对道路交通流数据的特点以及智能交通系统的新的数据挖掘应用需 求，对交通流空间聚类分析以及交通等若干问题进行Y研究，设计Y适合的数据 挖掘模型和算法利用所设计的模型和算法对交通流数据进行处理，对道路交 通状态信息、交通拥堵信息、交通事故信息进行分析预测3.2研究内容和技术路线对应课题的研究0标，主要研究N容和技术路线如下：(1) 交通信息数据平台架构的研究本课题研究的交通信息平台由基础层数据源、数据传输、数据存储及处理 层、数据挖掘分析层和应用服务层数据源包括路网、监控、报警和外部数据 等，数据的传输主耍分为非实时和实时传输，数裾的存储主要利用分布式数据 库技术对历史数据进行存储，数据处理层批处理平台用来对历史数据进行处理、 流计算平台对实吋数据进行处理，数据分析为木课题研究的重点包括对海量历 史数据挖掘出分类规则存入规则厍和利用已知规则对实时数据进行预测分析， 应用服务层则包括流量分析、交通拥堵预警、交通诱导、信号灯控制和信息发 布等。

智能交通系统框架如图1所示应用服务层流量分析拥堵预警交通诱导信号灯控制信息发布等会f访问接口^大数据分析大数据深度分析 获取知识、模式实时查询、分 析，实时布控 （控制、调度）1批处理平台 1 流处理平台 L 二„上 i 基础层路网数据监控数据报警数据外部数据数据处理层| 、 ， 、 ，，分布式数据库\ （历史数据）1玫讯卞.输卜彳中 实时数据传输和同步j ＜实吋数据传输平台~）阁1智能交通系统倍息处理框架阁本课题研究的重点数据挖掘技术，该技术是一个多步骤、可能需多次反复 的处理过程主要包括以下步骤:准备、数据选择、数据预处理、确定数据挖掘 的目标、确定知识发现算法、数据挖掘、模式解释、知识评价其中最重要的 一个步骤是数据挖掘，它是利用某些特定的知识发现算法,在可接受的运算效率 的限制卜，从宥效数据中发现宥关的知识2）交通数据仓库与预处理的研究交通信息数据库数据量庞大，科学地管理好这些数据是口前急待解决的问 题数据的价值依赖于它的可获取性和有用性，而这些乂极大地依赖于数据存 储时的组织方式传统的交通系统业务数据库，仅将当前事务所产生的记录保 存下来，并对这些数据进行芥类操作随着数据量增大，杳询越來越复杂，业 务数据库逐渐出现了许多难以克服的W题，集中表现为：缺乏组织性；效率极 为低下；数据难以转化为有用信息；只保存短期数据，分析吋不能满足K：期预 测需要。

交通数据仓庳的引入将会很好的改变这一现状数据仓庳技术能够满 足数据挖掘技术对数据环境的耍求实际上，数据仓库技术所耍研究和解决的 问题就是从OLTP系统、异构分散的外部数裾源、脱机的历史业务数据中获取数 据，处理后为数据分析和管理决策提供应用服务交通流数据仓库的整理架构如图2所示:■ 元数据管理设计建模交油敗ECTLT 具 数裾的济洗 林換嘗阁2交通流数据仓痄的整理架构数据预处理包括数据质量控制、交通数据规约、特征数据选取，以及交通数 据转换2)交通状态信息数据挖掘分析的研究道鉻交逍历： 史&裾昨本课题以杭州天H山路环形线圈检测器所采集的交通流数据为对象，对该道 路的交通状态的分类和交通状态实时识别进行放用研究该实际处理流程如图2 所示阁2交通状态信息挖掘处理流程对历史数据进行处理，采川聚类算法，以K-means算法为葙点对数裾进行处理分类,最后得到交通状态的分类对实吋数裾进行模式的匹配然后预测出实时交通状态信息3) 交通拥堵信息数据挖掘分析的研究本课题将在聚类分析的基础上采用决策树C4.5算法对交通数据进行挖掘分 类得到交通拥堵信息，并与实际的道路交通拥堵信息对比，最盾比较二者的差 异得出结论。

交通拥堵信息挖掘流程如下图3所示史败榍麻分臾規則本实財变通拥访状态I分炎 I评佔I递路4嫌实G \吋数裾痄j图3交通拥堵信息挖掘流程(4) 基于关联规则的交通事故数据分析的研究数据挖掘中的多维关联规则相对数理统计方法更适合丁 •事故诱因分析，它 不但可以宥效的简化并处理事故记录数据，还可以推导出一些宥用的规则表达 式，以充分展示事故发生的各个客观因素对事故发生的影响程度，是当前数据 分析的先进手段木课题将探讨如何在交通事故数据分析中应用数据挖掘中的 关联分析自从Agrawal等人于1993年首先提出了挖掘顾客交易数据库中项集间的 关联规则问题以來，很多研究人员对关联规。