數(shù)據(jù)挖掘技術(shù)在智能交通管理中的應(yīng)用

摘要：隨著社會的發(fā)展，交通事故、交通擁堵、環(huán)境污染和能源消耗等問題日趨嚴(yán)重，交通管理部門力求利用現(xiàn)有的交通設(shè)施，在宏觀上使現(xiàn)有的交通設(shè)施得到最佳的利用，有效緩解交通擁堵，減少交通事故，給出行者以舒適安全的交通環(huán)境。

關(guān)鍵詞：數(shù)據(jù)挖掘；交通流；數(shù)據(jù)倉庫；智能交通管理；交通擁堵；交通事故

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-2374（2013）08-0045-02

1 智能交通管理數(shù)據(jù)挖掘

城市道路交通數(shù)據(jù)來源廣泛，具有結(jié)構(gòu)各不相同、數(shù)據(jù)間多層次性等特點(diǎn)，城市道路交通數(shù)據(jù)包括靜態(tài)的交通道路環(huán)境數(shù)據(jù)以及動(dòng)態(tài)的交通流數(shù)據(jù)等。

數(shù)據(jù)挖掘是從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，主要有數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘，最后找出規(guī)律并表示，如圖1所示。

1.1 道路交通數(shù)據(jù)

道路交通數(shù)據(jù)是指按時(shí)間順序?qū)⒌缆方煌〝?shù)據(jù)采樣得到的一系列在時(shí)間上離散的數(shù)值型數(shù)據(jù)序列，它成為智能交通管理平臺的主要研究對象。車輛在道路上行駛形成交通流，交通連續(xù)流是機(jī)動(dòng)車輛在道路上連續(xù)行駛形成的車流，如果車流在一定的時(shí)間和空間范圍內(nèi)不處于橫向交叉影響的路段上，交通流將呈現(xiàn)連續(xù)流狀態(tài)，比較典型的是高架道路段、越江隧道、高速公路等路段上在沒有異常干擾的情況下的交通流就是典型的連續(xù)流；機(jī)動(dòng)車輛在交叉路口的交通信號燈控制下，紅燈停止，綠燈通行，交通流則呈現(xiàn)非連續(xù)狀態(tài)。

1.2 智能交通管理控制數(shù)據(jù)

智能交通管理平臺記錄了大量交通管理控制信息，如電子警察系統(tǒng)將交通違法車輛的違法行為過程用圖像等數(shù)據(jù)信息記錄下來，為交警部門提供車輛交通違法信息，還有車輛管理信息、駕駛員管理信息等。

1.3 道路交通環(huán)境數(shù)據(jù)

道路交通環(huán)境信息包括車道寬度、路口渠劃、設(shè)計(jì)道路通行能力數(shù)據(jù)、交通道路設(shè)施（如交通崗、信號燈、限速標(biāo)志等）、異常事件（如施工信息、臨時(shí)封閉措施、交通管制等）、公交信息等。

2 數(shù)據(jù)挖掘體系結(jié)構(gòu)

智能交通管理平臺主要是針對交通流量中的數(shù)據(jù)分析和處理，交通流量預(yù)測要解決的問題就是如何從帶有隨機(jī)性和不確定性的交通流變化中，分散在道路交通的信息采集設(shè)備將所采集到的數(shù)據(jù)信息匯總到道路交通管理中心，綜合道路交通其他狀況的影響因素，智能交通管理平臺將對所有數(shù)據(jù)進(jìn)行系統(tǒng)分析，找出其中的規(guī)律性，智能交通管理平臺數(shù)據(jù)挖掘體系結(jié)構(gòu)如圖2所示。

把數(shù)據(jù)挖掘技術(shù)應(yīng)用于智能交通管理平臺數(shù)據(jù)分析，將能解決“數(shù)據(jù)豐富、知識貧乏”的問題，同時(shí)，也能為平臺數(shù)據(jù)融合提供支持。比如，當(dāng)前的專家系統(tǒng)依賴于用戶或領(lǐng)域?qū)＜胰斯さ貙⒅R輸入知識庫，而這一過程常常有偏差和錯(cuò)誤，并且耗時(shí)、費(fèi)用高。通過數(shù)據(jù)挖掘工具進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)重要的規(guī)則存入知識庫中，將能有效解決知識庫偏差和錯(cuò)誤的問題。

智能交通管理平臺數(shù)據(jù)倉庫是數(shù)據(jù)挖掘的基礎(chǔ)，為數(shù)據(jù)挖掘提供強(qiáng)有力的數(shù)據(jù)支持。智能交通管理平臺的數(shù)據(jù)倉庫積累了海量的歷史數(shù)據(jù)，這些數(shù)據(jù)包含了城市交通所有的基礎(chǔ)信息等信息，并且這些數(shù)據(jù)是一系列在某時(shí)刻生成的復(fù)雜的快照，包含了時(shí)間元素，能反映某一信息數(shù)據(jù)的變化過程。同基于數(shù)據(jù)庫的數(shù)據(jù)挖掘相比，基于數(shù)據(jù)倉庫的數(shù)據(jù)挖掘具有三點(diǎn)顯著優(yōu)勢：

（1）數(shù)據(jù)倉庫的數(shù)據(jù)在加載前已經(jīng)過了清洗和轉(zhuǎn)換，保證了數(shù)據(jù)的質(zhì)量；同時(shí)也避免了數(shù)據(jù)挖掘必須消耗很長時(shí)間對數(shù)據(jù)進(jìn)行抽取、清洗、轉(zhuǎn)換和裝載。

（2）數(shù)據(jù)倉庫的數(shù)據(jù)是按主題組織的，這為數(shù)據(jù)挖掘選擇合適的數(shù)據(jù)源提供了方便。

（3）數(shù)據(jù)庫不能存放歷史數(shù)據(jù)，因此如果直接在數(shù)據(jù)庫中挖掘，許多知識無法挖掘出來，那么就不能運(yùn)用現(xiàn)有的數(shù)據(jù)進(jìn)行預(yù)測；與其相反，數(shù)據(jù)倉庫卻能夠存放歷史數(shù)據(jù)，以便于提供數(shù)據(jù)進(jìn)行預(yù)測。

3 交通流量組合模型

及時(shí)、準(zhǔn)確地預(yù)測道路交通流量是智能交通管理平臺實(shí)現(xiàn)動(dòng)態(tài)交通管理的重要前提。由于道路交通的變化過程是一個(gè)實(shí)時(shí)、非線性、高維、非平穩(wěn)的隨機(jī)過程，隨著統(tǒng)計(jì)時(shí)段的縮短，交通流變化的隨機(jī)性和不確定性越來越強(qiáng)。交通流短時(shí)變化不僅與本路段過去幾個(gè)時(shí)段的道路交通情況有關(guān)，還受上下游的道路交通情況及天氣變化、交通事故和交通環(huán)境等因素的影響，這些因素都給交通流量預(yù)測帶來一定的難度。

交通流量數(shù)據(jù)是時(shí)間序列的一種形式，根據(jù)時(shí)間序列數(shù)據(jù)特征的變化對其進(jìn)行分割，常用的時(shí)間序列分割方法是逐段線性描述，即用線性模型對序列進(jìn)行分割與逐段描述。交通流量組合模型是將交通流量時(shí)間序列分割和BP神經(jīng)網(wǎng)絡(luò)組合使用，即在交通流量時(shí)間序列分割的基礎(chǔ)上，使用BP神經(jīng)網(wǎng)絡(luò)作為預(yù)測算法對所獲得的時(shí)段數(shù)據(jù)分別進(jìn)行建模和預(yù)測。

采用交通流組合模型會降低智能交通管理平臺對交通流預(yù)測的誤差率，如圖3所示：

4 結(jié)語

針對當(dāng)前智能交通管理平臺發(fā)展和應(yīng)用的需求，基于組合模型的交通流量預(yù)測方法能夠有效地預(yù)測交通流量，是對當(dāng)前交通流量預(yù)測的補(bǔ)充和完善并進(jìn)一步發(fā)揮數(shù)據(jù)挖掘技術(shù)在智能交通管理數(shù)據(jù)分析中的作用，對于改善智能交通管理平臺的能力具有積極意義。

作者簡介：秦佳（1979—），女，黑龍江哈爾濱人，雞西大學(xué)電信系講師，碩士，研究方向：數(shù)據(jù)庫。

（責(zé)任編輯：劉 晶）