苏州市交通流大数据分析中的数据预处理开题报告

1. 研究目的与意义

随着城市快速扩张和机动车快速增长带来的迅猛交通流，我国大中城市的交通堵塞日益突出，为了有效缓解此类社会问题，针对交通流的数据分析显得格外重要。将以苏州市为对象，手机2015-2020年期间的交通流数据，包括大动脉（主干道）和支流交通、地上交通与地下交通（轨道）、机动车和非机动车、行人在不同时段的视频数据、图像数据和文字等类型数据，数据来源为各类地图与打车软件、苏州市运管部门和软件仿真等。导入数据后用SPSS、SAS等统计软件进行数据预处理，通过MATLAB生成数据矩阵，对该矩阵的稀疏结构进行分析。利用矩阵分解、机器学习、张量分解和统计建模分析等方法发现数据的主成分和内部结构，对高维数据实现降维和可视化。

本选题意在通过文献检索熟悉交通流量的处理分析，结合专业知识找出苏州市各区段时段交通流特征，从而有针对性的提出应对方案，为苏州市交通和经济建设献计献策。

2. 研究内容和预期目标

交通流预测的研究：几十年来,许多专家和学者致力于短时交通流预测研究，已建立一些交通流预测模型，常用的预测方法有平均值法、arma、线性回归、非参数回归、神经网络等，但这些模型的预测精度都不能令人满意。支持向量机（svm）是1990年代vapnik等人提出的一种新的网络模型，它建立在统计学习的vc维理论和结构风险最小原理基础上,较好地解决了小样本、非线性、高维数和局部极小点等实际问题,支持向量机的优越特性使其在各个领域得到广泛的应用。其它机器学习方法如交通流子空间学习、谱分析和统计分析方法也有运用于该领域的研究。

3. 研究的方法与步骤

本课题将采用以下步骤：

1)收集苏州市2015-2020年间交通流数据，包括大动脉（主干道）和支流交通、地上交通与地下交通（轨道）、机动车和非机动车、行人在不同时段的视频数据、图像数据和文字等类型数据，数据来源为高德地图、百度地图、滴滴打车平台和苏州市运管部门等；

2)通过matlab导入数据，进行数据预处理，生成数据矩阵，对该矩阵的稀疏结构进行分析；

4. 参考文献

[1]alshdaifat esra’a,alshdaifat doa’a,alsarhan ayoub,hussein fairouz,elsalhi subhieh moh’d faraj s.. the effect of preprocessing techniques, applied to numeric features, on classification algorithms’ performance[j]. data,2021,6(2).

[2]b. aruna kumara,mallikarjun m. kodabagi,tanupriya choudhury,jung-sup um. improved email classification through enhanced data preprocessing approach[j]. spatial information research,2021(prepublish).

[3]jiang hui,deng hongxing,kratz frederic. expressway traffic flow missing data repair method based on coupled matrix-tensor factorizations[j]. mathematical problems in engineering,2021,2021.

5. 计划与进度安排

1-2周2022年11/16-02/28:任务书,导师讲授选题状况和要求等;2-3周2022年02/24-03/07:开题报告,导师修改审定开题报告4-14周2022年03/10-05/23:毕业论文写作,学生按开题报告撰写论文11-13周2022年04/28-05/16:中期检查,汇报课题进展,论文中期检查13-14周2022年05/12-05/23:完成论文初稿,论文初稿修改14-15周2022年05/19-05/30:论文打印、审阅、定稿16周2022年06/03-06/06:论文评阅17周2022年06/07-06/11:论文答辩