1、在飛速發(fā)展的現(xiàn)代社會中，人們對發(fā)展智能交通的需求日益強烈。隨著GIS(GeographicInformation System)技術(shù)和數(shù)據(jù)采集技術(shù)的發(fā)展，數(shù)據(jù)量越來越大，已擁有了龐大的空間交通數(shù)據(jù)，其中大量的原始數(shù)據(jù)可能隱藏著一些未知的知識，它們的價值亟需挖掘。如何充分利用這些空間數(shù)據(jù)，如何從這些數(shù)據(jù)中獲得有效的知識正是數(shù)據(jù)挖掘所要解決的問題。因此，數(shù)據(jù)挖掘成為本課題研究的一個重要內(nèi)容。
　　 本文利用數(shù)據(jù)倉庫ETL技術(shù)轉(zhuǎn)化和分

2、析從多種采集平臺得到的各種空間數(shù)據(jù)，建立了一套綜合的多功能省級交通量調(diào)查管理系統(tǒng)的空間數(shù)據(jù)倉庫，研究了交通量調(diào)查管理系統(tǒng)的空間數(shù)據(jù)倉庫的模型設(shè)計和多維數(shù)據(jù)集的建立，并提出了利用OLAP技術(shù)對多維數(shù)據(jù)集進行分析，利用空間數(shù)據(jù)挖掘K-Means聚類算法技術(shù)對道路數(shù)據(jù)進行分析，從而建立了交通量信息中隱含的道路空間分布模式。根據(jù)系統(tǒng)實際情況，繼續(xù)研究預(yù)測模型的建立，并且分析和應(yīng)用這些預(yù)測結(jié)果。本研究在智能交通系統(tǒng)的區(qū)域交通信號控制、動態(tài)交通分配

3、以及路徑誘導(dǎo)等方面具有重要的應(yīng)用價值。主要研究內(nèi)容如下：
　　 (1)研究了空間數(shù)據(jù)倉庫的概念、結(jié)構(gòu)及其實現(xiàn)流程，多維數(shù)據(jù)模型和聯(lián)機分析處理(OLAP)的技術(shù)特點，以及聚類數(shù)據(jù)挖掘方法的基本原理。
　　 (2)研究建立多維數(shù)據(jù)集并對數(shù)據(jù)倉庫進行聯(lián)機分析處理(OLAP)，重點分析了月交通數(shù)據(jù)多維數(shù)據(jù)集。最后對數(shù)據(jù)倉庫進行數(shù)據(jù)挖掘操作，以月交通數(shù)據(jù)事實表為基礎(chǔ)，用聚類的方法，挖掘出了某段時間內(nèi)月交通流數(shù)據(jù)的一些交通特征，為道