基于弱关联频繁模式的超限行为挖掘优化

• 作者: 万芳 胡东辉
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 频繁模式 行为挖掘 超限 交通安全
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 智能交通和数据挖掘
• 页码范围: 31-37
• 页数: 7页
• 分类号: TP39
• 字数: 5914字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2018.02.005

摘要

目前采用博弈分析和流量预测等模型,对未来时间段道路网货运车辆超限行为进行提前识别,取得一定的检测效果,但对具有时空动态性和迁移性的超限车辆分布挖掘仍具有局限性.根据道路网超限车辆数据特点,提出一种基于弱关联频繁模式的超限行为的挖掘优化算法,该算法采用空间弱关联频繁模式构建的超限频繁模式树,建立时间弱关联的状态转移模型,得到频繁模式的预测值.在FP-growth频繁模式挖掘算法的基础上,首次建立了超限模式挖掘与货运车辆行为数据的时空弱关联,使超限行为预测算法误差率降至6％以下,有效提高了超限行为的检测效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡东辉	合肥工业大学计算机与信息学院	35	286	8.0	16.0
2	万芳		11	28	4.0	4.0