随着我国近些年经济建设的快速发展,机动车保有量呈逐年递增的趋势。虽然各城市道路基础建设的力度不断加大,但就城市道路建设速度而言,显然还是无法满足不断增长的机动车对道路交通的需求。在这种情况下,各城市道路拥堵状况时有发生,交通拥堵已经成为多数城市的通病。由交通拥堵带来的社会问题,如交通安全、空气污染、能源损耗、停车等诸多事故隐患严重的制约了城市的发展,也为经济建设带来了很大的负面影响。如何在交通拥堵发生时进行有效的疏导,已成为各大城市交通部门减少交通拥堵、增加人员和车辆安全亟待解决的问题。城市道路交通拥堵的形成是多方面的,其拥堵本身就是影响交通的安全问题交通拥堵持续的时间越长,则会对交通安全出行的影响越大,所以对交通拥堵进行安全疏导实际上就是消除交通的安全隐患。本文以案例推理为技术手段,结合当地交通现状,通过调研、收集、整理、分析大量交通拥堵案例,设计出城市道路拥堵疏导决策支持系统。本文主要围绕着案例推理决策支持技术中的几个关键问题进行研究,主要完成以下几个方面的工作:1.收集大量成功疏导交通拥堵的解决方案,形成交通拥堵疏导专家案例库。详细分析了进行交通拥堵疏导决策的关键因素,提出了在案例推理的决策支持模型中采用TF-IDF算法对交通拥堵的特征属性进行约简。2.研究分析TF-IDF算法的工作原理,分析了 TF-IDF算法的不足。在文本预处理阶段,根据交通拥堵事件的描述特点,针对少数特征词在文档类内或文档类间分布不均造成的权重偏移问题,展开TF-IDF的算法优化研究。并根据优化后的TF-IDF算法对交通拥堵特征值属性的权重进行计算和约简。3.在交通拥堵案例检索过程中为提高检索效率,尝试采取案例库进行先聚类后检索的策略,借此缩小案例检索的范围,从而提高案例检索的成功率。在案例聚类方面拟选取在文本聚类方面表现优良的K-means算法对交通拥堵疏导案例进行聚类。同时考虑由于交通拥堵事件描述具备一定相似性,导致聚类时出现无法准确聚类而产生边缘案例的问题,对K-means算法进行优化。引入微案例簇概念,将边缘案例形成交通拥堵的微案例簇集进行聚类,再根据聚类中心的距离判断边缘案例划分到不同的交通拥堵类别。4.详细研究了案例推理中案例检索的相似度计算环节,分析了不同数据对象相似度的计算方法,重点研究了基于距离的相似度计算方法。5.利用案例推理技术设计开发出城市道路交通疏导决策支持原型系统,为有效的交通疏导提供了相应的理论支持,也为基于文本案例推理的决策支持技术提供一定理论参考依据。图[56]表[30]参考文献[141]