基于共詞分析的國(guó)內(nèi)智能交通系統(tǒng)研究可視化分析

張樂(lè)瑤

（大連海事大學(xué)航運(yùn)經(jīng)濟(jì)與管理學(xué)院，遼寧 大連116033）

1 背景

智能交通系統(tǒng)（Intelligent Traffic System，ITS）[1]，指的是在較完善的基礎(chǔ)設(shè)施之上集成了先進(jìn)的科學(xué)技術(shù)（包括信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子傳感技術(shù)、電子控制技術(shù)以及計(jì)算機(jī)處理技術(shù)等）而建立起的一種在大范圍、全方位發(fā)揮作用的實(shí)時(shí)、準(zhǔn)確、高效的綜合運(yùn)輸和管理系統(tǒng)。它使得交通系統(tǒng)中“人、車、路”三者的關(guān)系以新的方式呈現(xiàn)，有利于緩解交通堵塞、降低交通事故發(fā)生率和減少環(huán)境污染。目前國(guó)內(nèi)對(duì)智能交通的研究主要集中在以下幾個(gè)方面：

1.1 智能交通系統(tǒng)涉及的相關(guān)實(shí)現(xiàn)技術(shù)的研究

郁梅、蔣剛毅、郁伯康在《智能交通系統(tǒng)中的計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用》中討論了計(jì)算機(jī)視覺(jué)技術(shù)在智能交通系統(tǒng)中的應(yīng)用，提出了一種基于背景差的車輛監(jiān)測(cè)算法。胡瀅濱、李麗華在《物聯(lián)網(wǎng)前沿技術(shù)在智能交通中的應(yīng)用研究》中研究了物聯(lián)網(wǎng)的前沿技術(shù)與智能交通系統(tǒng)的有機(jī)結(jié)合。張黃慧在《大數(shù)據(jù)技術(shù)在智能交通中的應(yīng)用》中詳細(xì)研究了智能交通中大數(shù)據(jù)技術(shù)的應(yīng)用。

1.2 對(duì)當(dāng)前國(guó)內(nèi)環(huán)境下智能交通的發(fā)展現(xiàn)狀與未來(lái)發(fā)展的分析研究

譚慧芳在《中國(guó)智能交通系統(tǒng)的現(xiàn)狀和發(fā)展對(duì)策》中選取了智能交通系統(tǒng)框架中的部分領(lǐng)域進(jìn)行現(xiàn)狀分析，并提出了發(fā)展對(duì)策。洪中榮在《淺析我國(guó)智能交通系統(tǒng)發(fā)展現(xiàn)狀與前景》中通過(guò)中國(guó)與美歐日在ITS 發(fā)展現(xiàn)狀的對(duì)比，綜合分析我國(guó)ITS 趨勢(shì)與建設(shè)ITS 路上所面對(duì)的挑戰(zhàn)，并提出了相應(yīng)對(duì)策。

1.3 對(duì)基于智能交通產(chǎn)業(yè)的研究

李正熙在《宏觀城市智能交通系統(tǒng)產(chǎn)業(yè)化發(fā)展趨勢(shì)》中指出智能交通系統(tǒng)集成、交通大數(shù)據(jù)、車聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)應(yīng)用將是中國(guó)城市智能交通系統(tǒng)產(chǎn)業(yè)化發(fā)展的重要領(lǐng)域。岳建明在《我國(guó)智能交通產(chǎn)業(yè)的發(fā)展及技術(shù)創(chuàng)新模式探討》中指出制約我國(guó)智能交通產(chǎn)業(yè)的主要因素在關(guān)鍵技術(shù)創(chuàng)新、技術(shù)標(biāo)準(zhǔn)和產(chǎn)業(yè)鏈整合方面，并探討了智能交通產(chǎn)業(yè)的產(chǎn)業(yè)化發(fā)展和技術(shù)創(chuàng)新問(wèn)題和提出了發(fā)展建議。

2 構(gòu)建關(guān)鍵詞矩陣

2.1 提取高頻關(guān)鍵詞并統(tǒng)計(jì)詞頻

本研究以中國(guó)知網(wǎng)(CNKI)作為數(shù)據(jù)源，以“智能交通系統(tǒng)”為主題詞，在2010 年1 月1 日到2019 年12 月31 日的時(shí)間范圍內(nèi)，從CNKI 數(shù)據(jù)庫(kù)中搜索得到4464 篇中文文獻(xiàn)。經(jīng)過(guò)人工刪除無(wú)摘要、無(wú)關(guān)鍵詞，并篩選剔除與智能交通系統(tǒng)主題無(wú)關(guān)的文獻(xiàn)，共得到2293 篇有效文獻(xiàn)，每個(gè)關(guān)鍵詞單獨(dú)占有一列。使用統(tǒng)計(jì)篩選功能進(jìn)行關(guān)鍵詞的詞頻統(tǒng)計(jì)，獲得原始關(guān)鍵詞9207個(gè)，去除重復(fù)項(xiàng)后得到4215 個(gè)關(guān)鍵詞及其詞頻。因?yàn)楸疚难芯康氖菄?guó)內(nèi)智能交通系統(tǒng)的研究重點(diǎn)，故剔除與主題完全重合的“智能交通系統(tǒng)”和“ITS”這兩個(gè)關(guān)鍵字，之后選取詞頻不小于12 的關(guān)鍵詞，共得到76 個(gè)高頻關(guān)鍵詞及其詞頻。其中“智能交通”詞頻為553 次，為出現(xiàn)頻率最高的關(guān)鍵詞。此外，“物聯(lián)網(wǎng)”、“大數(shù)據(jù)”和“車聯(lián)網(wǎng)”等關(guān)鍵詞的出現(xiàn)頻率也很高，表明這些方向國(guó)內(nèi)智能交通系統(tǒng)研究的熱點(diǎn)與重點(diǎn)。

2.2 構(gòu)建高頻關(guān)鍵詞的共詞矩陣

在根據(jù)高頻關(guān)鍵詞表得知近十年國(guó)內(nèi)智能交通系統(tǒng)的研究頻率較高的重點(diǎn)方向后，現(xiàn)構(gòu)建這些關(guān)鍵詞的共詞矩陣來(lái)探究它們的出現(xiàn)是否有相關(guān)關(guān)系：在關(guān)鍵詞總表中用VLOOKUP 函數(shù)篩選除去高頻關(guān)鍵詞之外的其他關(guān)鍵詞，之后將幾個(gè)關(guān)鍵詞列兩兩組合后形成兩列的關(guān)鍵詞表，最后運(yùn)用數(shù)據(jù)透視表分析得到高頻關(guān)鍵詞的共詞矩陣（部分）[1]。

2.3 構(gòu)建關(guān)鍵詞相似矩陣

在獲得共詞矩陣之后，可以觀察到該共詞矩陣內(nèi)的頻次差距較為懸殊，不利于后面運(yùn)用多元統(tǒng)計(jì)方法進(jìn)行計(jì)算，故此處使用Ochiia 系數(shù)將共詞矩陣轉(zhuǎn)化為相似矩陣。將每個(gè)單元格的數(shù)據(jù)進(jìn)行變換，計(jì)算公式如下：

在關(guān)鍵詞相似矩陣中的數(shù)據(jù)可以表示其所對(duì)應(yīng)的行和列的兩個(gè)關(guān)鍵詞的相似程度，取值范圍為0 到1：數(shù)值越接近于1，表明關(guān)鍵詞之間的相似度越大，也即一起出現(xiàn)的頻率越高；反之，數(shù)值越接近于0 表明關(guān)鍵詞之間的相似度越小，一起出現(xiàn)的頻率越小。而對(duì)角線上的數(shù)據(jù)表示關(guān)鍵詞與自己本身的相似度，均為1。

2.4 構(gòu)建關(guān)鍵詞相異矩陣

在獲得相似矩陣后，觀察到相似矩陣內(nèi)的0 值過(guò)多，為避免因此導(dǎo)致在統(tǒng)計(jì)時(shí)誤差過(guò)大，現(xiàn)用1 與全部相似矩陣中的數(shù)據(jù)相減，得到表示兩關(guān)鍵詞相異程度的相異矩陣。

在關(guān)鍵詞相異矩陣中的數(shù)據(jù)可以表示其所對(duì)應(yīng)的行和列的兩個(gè)關(guān)鍵詞的相異程度，取值范圍為0 到1：數(shù)值越接近于1，表明關(guān)鍵詞之間的相異程度越大，也即一起出現(xiàn)的頻率越低；反之，數(shù)值越接近于0 表明關(guān)鍵詞之間的相異程度越小，一起出現(xiàn)的頻率越高。而對(duì)角線上的數(shù)據(jù)表示關(guān)鍵詞與自己本身的相異程度，均為0。

3 數(shù)據(jù)分析

用SPSS 軟件對(duì)之前得到的76 個(gè)高頻關(guān)鍵詞進(jìn)行因子分析的降維處理。由所得的總方差解釋表可以看出，前34 個(gè)因子的特征值較大，均大于1，且前34 個(gè)因子的旋轉(zhuǎn)載荷平方和累計(jì)為62.990%；再觀察圖1 的碎石圖，可以認(rèn)為碎石圖從35 個(gè)因子開(kāi)始趨于平緩，故選取前34 個(gè)因子為主因子，如表1 所示。

表1 主因子關(guān)鍵詞表

圖1 碎石圖

去掉重復(fù)的代表因子，最后形成的主因子關(guān)鍵詞共30 個(gè)。將篩選后得到的主因子關(guān)鍵詞的相異矩陣導(dǎo)入SPSS 進(jìn)行組間聯(lián)接法的系統(tǒng)聚類，根據(jù)聚類結(jié)果將因子分析得到的30 個(gè)主因子關(guān)鍵詞分為7 個(gè)類團(tuán)，如表2 所示。

表2 聚類結(jié)果的類團(tuán)表

4 結(jié)論

本文通過(guò)對(duì)2293 篇文獻(xiàn)的關(guān)鍵詞進(jìn)行因子分析與聚類分析，得到了7 個(gè)智能交通系統(tǒng)的研究熱點(diǎn)。現(xiàn)綜合分析結(jié)果與相關(guān)文獻(xiàn)對(duì)這7 個(gè)方面進(jìn)行闡釋。

4.1 交通燈的實(shí)現(xiàn)技術(shù)。交通信號(hào)燈在調(diào)節(jié)交通流量、維持交通平穩(wěn)狀態(tài)方面起著關(guān)鍵性作用。交通燈主要涉及技術(shù)主要包括PLC 控制技術(shù)與檢測(cè)技術(shù)。其中大多數(shù)的檢測(cè)技術(shù)是利用地磁線圈的檢測(cè)技術(shù)，而隨著人工智能與計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，視頻檢測(cè)技術(shù)逐漸成為交通燈檢測(cè)技術(shù)研究的新方向。

4.2 交通燈智能控制系統(tǒng)的設(shè)計(jì)。交通燈控制系統(tǒng)的研究通常包括選擇和優(yōu)化控制算法、選擇合適的控制硬件等。隨著科學(xué)技術(shù)的發(fā)展，交通燈的控制算法也由最開(kāi)始的常規(guī)的時(shí)間順序控制方法向深度學(xué)習(xí)、模糊控制等智能算法方向轉(zhuǎn)變[2]。

4.3 智能交通系統(tǒng)的檢測(cè)與定位技術(shù)。智能交通系統(tǒng)識(shí)別“人、車、路”之間的矛盾的主要依據(jù)就來(lái)源于車流量檢測(cè)了。隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，視頻檢測(cè)技術(shù)[3]逐漸成為研究熱點(diǎn)，其中基于深度學(xué)習(xí)等人工智能算法的發(fā)展更為迅速。

4.4 城市交通系統(tǒng)的智能化。當(dāng)前在我國(guó)只有少數(shù)幾個(gè)大城市建立了先進(jìn)的智能交通系統(tǒng)，所以未來(lái)一段時(shí)間內(nèi)城市智能交通系統(tǒng)仍是國(guó)內(nèi)智能交通系統(tǒng)的主要應(yīng)用方向，隨著一些類似計(jì)算機(jī)視覺(jué)的人工智能技術(shù)加入，國(guó)內(nèi)的城市智能交通系統(tǒng)會(huì)有很大的研究空間。

4.5 智能交通系統(tǒng)中的交通管理與控制。智能交通系統(tǒng)中的交通管理與交通控制也是解決城市交通問(wèn)題的必要方式，而GPS 技術(shù)和人工智能技術(shù)的運(yùn)用則會(huì)使交通管理與交通控制變得更加智能與高效，從而可以更好地解決交通問(wèn)題，實(shí)現(xiàn)交通系統(tǒng)的智能化。

4.6 交通擁堵的識(shí)別、解決及管理。在智能交通系統(tǒng)中，解決交通擁堵是其首位功能要求，所以智能交通系統(tǒng)中采用了云計(jì)算、物聯(lián)網(wǎng)等先進(jìn)技術(shù)對(duì)擁堵進(jìn)行識(shí)別和監(jiān)控，之后通過(guò)智能交通管理系統(tǒng)進(jìn)行解決。

4.7 交通信息的采集與使用。智能交通系統(tǒng)內(nèi)交通信息的采集與使用也是智能交通系統(tǒng)中的研究重點(diǎn)。信息的來(lái)源除了最基本的直接獲取，還可以通過(guò)車聯(lián)網(wǎng)、物聯(lián)網(wǎng)等途徑，利用無(wú)線通信技術(shù)等手段為智能交通系統(tǒng)提供信息來(lái)源。