智能交通系統中數據挖掘技術的應用研究

高海峰

摘要：隨著當今社會的不斷發展和進步，經濟水平的不斷提升以及城市建設腳步的不斷加快，交通擁堵和事故、環境污染以及能源消耗問題越來越嚴重。相關的交通管理機構只有對現有的交通設施進行合理利用，促使當下所存在的交通設施都能夠得到最適宜的運用，才能讓交通擁堵現象得到有效緩解，讓交通事故發生率得以減低，讓我國的交通環境更加舒適安全。本文就智能交通檢測系統中數據挖掘技術的應用進行研究和探討，力求能夠為我國交通管理事業提供一定的幫助。

關鍵詞：數據挖掘 智能交通系統 應用研究

中圖分類號：TP274 文獻標識碼：A 文章編號：1007-9416（2016）05-0000-00

隨著我國城市化的不斷推進發展，城市與城市之間的交通問題越來越明顯。智能交通系統是通過多種先進科學技術研發出來的一種新型交通系統，能夠讓當下我國存在的交通問題得到有效解決。目前，智能交通系統的研發，主要研究方向在于對交通流的控制和誘導，且是往后進行研究的主要方向。然而，城市交通控制系統本身具有不確定性、較高控制性以及實時性的特點，其內部的結構相對復雜。因此，想要進行系統建模和模型求解就存在很大困難，其中實時性控制要求，是需要在快速變化的交通流狀態下，將最為適宜的控制變量給計算出來，而單單依靠傳統控制方法是很難解決這些問題。

1智能交通管理數據挖掘

1.1道路交通挖掘

所謂道路交通數據主要是指，將道路交通數據采樣得到的一系列時間上離散的數值型數據，按時間順序進行序列，這也是智能交通管理平臺所進行研究的主要對象。車輛流具體是指那些在道路上不斷行駛而形成的車輛流，而在道路上機動車輛連續行駛的車流，即被稱為做交通連續流。假如在某個特定的時間、空間范圍內，車流并沒有處在橫向交叉影響位置，則連續流流通狀態就會由此顯現而出。而在一些高速、高架以及跨江隧道等交通路段，如果沒有受到其他的異常干擾，則所形成的交通流就是當下最為典型的連續流[1]。交叉路口上機動車由于受到交通信號燈的控制，出現紅燈需要停止，而綠燈才可以通行，這樣的交通流屬于非連續狀態。

1.2智能交通管理控制數據

智能交通管理平臺可實現對交通管理控制所生成的信息，進行實時記錄。例如：電子警察系統能夠對交通流中的違法車輛及其違法的行為過程，以圖像數據的形式進行實時記錄，將車輛交通違法行為信息提供給相關交警部門，此外還有駕駛員管理信息和車輛管理信息等[2]。

1.3道路交通環境數據

道路交通環境信息包含很多，不管是設計道路通行能力數據、交通崗、信號燈以及限速標志等交通道路設施，還是車道寬度、公交信息、路口渠道、施工信息、臨時封閉措施以及交通管等異常事件都屬于道路交通環境信息。

2數據挖掘在智能道路交通中的應用分析

2.1數據凈化處理

在檢測器對數據進行自動采集或者是人工進行數據輸入的過程中，都很有可能出現一定錯誤，造成這種現象的原因有兩個方面，第一是車輛檢測器存在誤差，甚至以及發生故障；第二是人工在數據輸入過程中由于粗心、干擾等種種原因導致出錯。介于此，就需要將錯誤、異常數據以及沒有作用的信息從大量數據中消除掉，這也就是數據凈化問題。數據凈化屬于數據分類中的一種，是其中最為典型的問題之一，簡單來說就是將數據分為兩種，一種是有用數據，一種是沒用數據，再詳細一點就是將無用數據在分成錯誤和異常者兩種數據。，形成豐富的數據庫，并最終完善成為數據挖掘體系。通過該體系可采取的數據挖掘方法有很多，如：聚類分析、決策樹、神經網絡以及關聯規則等等。在數據挖掘中分類是運用最為普遍且最基本的用途，不管是什么數據，都會需要進行數據凈化。監視器在進行信息采集工作過程中，經歷較長的時間，每個子系統中操作人員對數據進行長時間輸入，就必須運用數據挖掘技術對這些大量數據進行凈化。

2.2短缺數據的挖掘

只有得到最大限度的信息支持才能進科學決策，然而在實際系統操作中，對交通流信息的獲取仍然存在一定難度。其主要原因有兩個方面，首先，無法對相應的車輛檢測器及視頻監視設備等采取過多的設置，否則將導致其維護的成本和工作量變得繁多，一些地方由于沒有設置檢測器，也就無法獲取交通流數據，這就需要從其相鄰的檢測器數據中，運用數據挖掘技術估算出這個地方的數據[3]。其次，不管是檢測器還是視頻監視設備，在誤差和故障率上依舊存在，相同檢測面上，一些檢測器也許會發生受遮和失效的問題，在設備出現故障或者檢測失效的時候，就會讓數據短缺問題顯現出來，因此就需要對數據進行彌補?？沙浞纸Y合上下游檢測器所具備的交通流數據、不同時段的交通流數據以及歷史交通流數據等，通過數據挖掘技術就能夠直接將，已知數據和短缺數據的聯系進行計算，因而就能將未設置檢測器地區的交通數據或者因故障讓數據丟失的地區數據都能夠被大致估算出來。

2.3交通流參數的預測

為了讓有效的交通控制得以實現，就需要對交通流動態參數每隔五分鐘進行一次預測。將實際的交通流數據檢測出來，以此來對下一個五分鐘交通流動態參數進行預測，將交通流數據和預測值的關系給找出來。但是，交通流屬于典型的非平穩隨機過程，五分鐘的交通流參數預測問題是一種弱結構化的問題，其不確定性非常明顯。通常不能夠運用簡單的數學解析式來對二者間的關系進行描述，只能夠從采集的實測數據中將二者關系給挖掘出來，將這種關系用知識表達出來，形成豐富的知識庫。

3結語

總而言之，在對交通中特定問題進行分析和處理的過程中，運用傳統方法具有較大局限性，對當下智能交通系統發展的需求很難做到有效滿足，而數據挖掘法的出現則能夠讓這些問題得到有效解決，相信在未來發展中，數據挖掘定會在智能交通領域中發揮出更加強大的作用。

參考文獻

[1]趙祥模，惠飛，史昕，馬峻巖，楊瀾.泛在交通信息服務系統的概念、架構與關鍵技術[J].交通運輸工程學報，2014，04：105-115.

[2]秦佳.數據挖掘技術在智能交通管理中的應用[J].中國高新技術企業，2013，08：45-46.

[3]覃娜，孫小雁.入侵檢測系統中數據挖掘技術的應用分析[J].信息與電腦（理論版），2012，01：13-14.