利用Apriori算法对交通路况的研究
首先简单描述一下Apriori算法:Apriori算法分为频繁项集的产生和规则的产生。
Apriori算法频繁项集的产生:
令ck为候选k-项集的集合,而Fk为频繁k-项集的集合.
1.首先通过单遍扫描数据集,确定每个项的支持度。一旦完成这一步,就可以得到所有频繁1-项集的集合F1
2.接下来,该算法将使用上一次迭代的发现的频繁(k-1)-项集,产生新的候选k-项集。候选的产生使用apriori-gen函数实现。
3.为了对候选项的支持度的计算,需要再扫描一遍数据集。使用子集函数确定包含在每一个事务t中的ck中的所有候选k-项集。
4.候选项的支持度计数后,算法将删除支持度计数小于minsup的所有候选项集
5.在没有新的频繁项集产生的时候,即Fk为空时,算法结束。
目前,针对行程时间最短的动态路径导航算法已是很多,可以把他们大致分为三类。
第一类是根据路段的不同时间段,提出基于分时段的路径导航算法。该类算法在路网更新后,以车辆当前所在的路段的下游结点为起点,重新进行规划。但其所分时段由于跨越时间太长,当发生交通事故、交通阻塞是不能及时在导航算法中的到体现,从而使得到的导航路径缺乏实时性。
第二类是实时路径导航,就是将实时的交通数据反馈回来然后进行路径的选择。这类导航算法由于具有随意性,所有很难选择整体的最优路径,相反,还可能花费更长的时间。
第三类将路网看成时间的依赖网络,利用SPTDN算法采用多步预测数据进行路径导航。但是,目前多步预测导航由于步数有限,且预测的步数越多,精度越低。
在这里,基于hadoop中MapReduce的Apriori算法的改进
Mapreduce技术结合HDFS的存储情况,在Map阶段将实验交通数据样本划分成n个数据模块分布在hadoop节点上,每个节点扫描各自节点上的数据块,产生自己的频繁项集。在Reduce阶段将所有的局部频繁项集合起来,产生全局候选频繁k-项集。将每个候选频繁项集的置信度、支持度与定义的两项进行对比,筛选出有效的候选频繁项集,并排序输出,产生关联规则。
在交通车流量分析中,与之相关联的数据为点位编号、经过时间、行驶方向;在车辆超速分析中,与之相关的数据信息为点位编号、行驶方向、车辆速度。通过多车流量分析,来分析某个车道的拥挤情况;对超速数据分析,确定某车道车辆超速情况。
转载于:https://www.cnblogs.com/chenggongdeni/p/5130030.html
利用Apriori算法对交通路况的研究相关推荐
- AI 利用BP算法及Sigmoid函数,研究函数f(x)=2sinx-0.7的逼近问题-实验报告
1. 问题描述及实验要求 (1)写出包含单隐层的正向和反向推倒过程 (2)画出网络结构图 (3)完成算法代码(要求体现推倒过程,也可采用tensorflow完成) (4)画出误差随迭代次数变化曲线.测 ...
- 数据挖掘——如何利用Python实现产品关联性分析apriori算法篇
在实际业务场景中,我们常常会探讨到产品的关联性分析,本篇文章将会介绍一下如何在Python环境下如何利用apriori算法进行数据分析. 1.准备工作 如果需要在Python环境下实现apriori算 ...
- 关联规则—频繁项集Apriori算法
转载地址:http://liyonghui160com.iteye.com/blog/2080531 一.前言 频繁模式和对应的关联或相关规则在一定程度上刻画了属性条件与类标号之间的有趣联系,因此将关 ...
- matlab 关联规则挖掘,数据挖掘实验(六)Matlab实现Apriori算法【关联规则挖掘】...
本文代码均已在 MATLAB R2019b 测试通过,如有错误,欢迎指正. (一)关联规则挖掘 关联规则挖掘(Association rule mining)是数据挖掘中最活跃的研究方法之一,可以用来 ...
- 《机器学习实战》之十一——使用Apriori算法进行关联分析
Apriori算法目录 一.前言 二.关联分析 三.Apriori原理 四.利用Apriori算法来发现频繁集 1.Apriori算法及实例描述 2.生成候选项集 2.组织完整的Apriori算法 五 ...
- #研发解决方案#基于Apriori算法的Nginx+Lua+ELK异常流量拦截方案
郑昀 基于杨海波的设计文档 创建于2015/8/13 最后更新于2015/8/25 关键词:异常流量.rate limiting.Nginx.Apriori.频繁项集.先验算法.Lua.ELK 本文档 ...
- Apriori算法进行关联分析(2)
频繁项集及关联规则的应用中,购物.搜索引擎中的查询词等,下面看一个美国国会议员投票的例子. 1. 示例:发现国会投票中的模式 这个例子虽然在数据的获取过程中有点复杂,但我觉得还是很有必要分析下整个过程 ...
- 关联性挖掘--Apriori算法详解
首先,要感谢谭武和张朋博同学的PPT,怀念以前一起学习数据挖掘十大算法的时光! 1.关联挖掘例子 啤酒和尿布的故事: 在一家超市中,人们发现了一个特别有趣的现象:尿布与啤酒这两种风马牛不相及的 ...
- 【大数据算法】:apriori算法详解,非常清晰
如果看懂了apriori算法的直接看下面的过程, 从第k-1层推到第k层的时候的过程就是扩大-连接-剪支的过程,明白了这个了就好写了 1. 扫描数据库,生成候选1项集和频繁1项集. 2. 从2项集开始 ...
最新文章
- 广西中专机器人应用与维护_我校2018级工业机器人应用与维护专业跟岗实习
- 使用 Visual Studio 2019 批量添加代码文件头
- vantUI组件:Grid宫格 - 案例篇
- 惠州交警携手高德地图 引导市民智慧出行
- 利用JAVA手机登录页面_Java用户登陆界面例子 代码
- 密码库LibTomCrypt学习记录——(0)LibTomCrypt简介
- 惜败!国足2-3不敌沙特,输球原因有哪些?
- 多元微积分_向量函数偏导
- FZU 2213 Common Tangents(公切线)
- Android开发我音乐App
- SLAM学习笔记——BOW
- 指令流水线 —— 分类和多发技术
- 十行代码写个摸鱼神器,帮你自动化操作Excel
- Windows下使用Darknet训练自己的数据集(模型:yolov4-tiny、数据集:垃圾分类)
- TCP服务器和客户端的创建(socket/socketserver)
- seo排名工具:网站快速排名需要哪些seo推广工具?
- 如何经营一家水果店,怎么做好水果店的经营
- Struts2漏洞修复方案
- EasyUi DataGrid打印问题处理
- 针对 exchange 的杀毒软件
热门文章
- IPv6邻居发现协议ND学习笔记
- 通信工程本科生要考Java编程_请问本科“通信工程”这个专业有什么是要学的?...
- 添加多浏览器支持是什么意思_为什么刀郎会被那么多华人支持呢?
- 我自己选择的定点医院和北京市的19家A类医院
- 族谱 php,关系树族谱echarts +php
- DB2 SQLSTATE 及其含义
- Task 06 数据增强;模型微调;目标检测基础 学习笔记
- 转载 用MS Windows 字体美化 Ubuntu(6.06)
- EasyNLP 带你实现中英文机器阅读理解
- k8s免费在线集群工具