1. 研究目的与意义（文献综述）

城市的拥堵愈演愈烈，逐渐成为社会发展的顽疾。交通信号灯作为城市交通管控的重要环节，对路网通行效率有着至关重要的意义。然而今天的绝大部分信号灯仍未有足够的智慧，不能很好的调节时空资源与交通需求相匹配，甚至对道路交通状态一无所知。

大数据在交通信号灯控制方面的应用将会与传统的人工控制有着巨大的区别，这主要体现在大数据技术的三个属性，分别是实时性、高效性和预测性。
实时性： 由于交通道路的多样性以及采集原始数据的复杂性，传统的海量数据无法达到交通实时处理的需求，而通过大数据的相关技术则可以实时地对这海量的数据处理并提供秒级响应，帮助我们从大量数据中发现交通异常，方便交通信号灯的协调控制，使交通信号灯的控制更加灵活。
高效性：高效的大数据挖掘能力，可以快速从海量的交通数据中发现内在规律，提高交通运行效率。
预测性： 大数据技术较高的预测能力可降低交通状态误报和漏报的概率，建立区域交通状态的检测及预测模型，并且共享路况数据， 对交通行实时监控， 帮助用户预先了解交通拥堵状况，避开拥堵路段。

洛杉矶是世界著名的繁忙都市。洛杉矶在全市架设摄像设备以及磁路传感器，将收集到的数据汇总至中央计算机系统，让电脑进行计算分析，并自动控制469平方英里的4500个交通信号灯，大大改善了交通拥堵情况。有统计显示，这一系统自从2013年上线运行以来，累计减少了12%的主要路口延误，交通通行速度提高了16%以上。交通状况的改善也减少了汽车尾气排放，从而提高了空气质量。不仅仅是洛杉矶，美国、日本等发达国家早已开始了相关方面的研究，并取得了大量的成果。

2. 研究的基本内容与方案

1）基本内容及目标

对滴滴车辆提供的移动出行数据做一系列的处理（如地图匹配、轨迹数据管理、异常轨迹检测等）以及完成相关的轨迹挖掘任务（如路网中序列模式挖掘），以获得优化、智能的交叉路口信号灯配时方案并且更加充分的利用城市的空间资源，极大的为居民的生活提供便利。

已经提供的数据源包括已经过脱敏处理的10个工作日同一时段的滴滴车辆轨迹数据，数据格式为[车辆id，时间戳，x轴坐标，y轴坐标，速度，载客状态]，所有轨迹数据对应同一组配时方案。在获得需要进行配时优化的7个交叉口的原有配时方案（其中右转不受信号灯控制，在配时方案中只包含各个方向的直行和左转）后，根据获得滴滴数据来获得优化的配时方案中包括交叉口编号、坐标、周期时长、相位差、各相位的时长以及最小相位时长。

3. 研究计划与安排

2018-01-14至2018-03-05：确定选题，查阅文献，外文翻译和撰写开题报告；

2018-03-06至2018-04-30：系统架构、程序设计与开发、系统测试与完善；

2018-05-01至2018-05-25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1]y. zheng, "trajectory data mining: an overview," acm transactions on intelligent systems and technology (tist), vol. 6, (3), pp. 1-41, 2015.z.

[2]feng and y. zhu, "a survey on trajectory data mining: techniques and applications," ieee access, vol. 4, pp. 2056-2067, 2016.

[3]y. zheng, "trajectory data mining: an overview," acm transactions on intelligent systems and technology (tist), vol. 6, (3), pp. 1-41, 2015.