基于交通大數據的智能分析決策技術概述

李廣

摘 要 隨著我國社會經濟飛速發展，私家車以及大貨車等各種交通工具數量大幅度增加，各高速公路上經常出現交通運行不暢的現象，交通事故也時有發生。針對這一情況，應當結合大數據分析技術，構建智能交通系統，本文將圍繞著基于交通大數據的智能分析決策技術展開論述，對構建ITS數據挖掘平臺和設計數據倉庫的策略進行分析。

關鍵詞 數據倉庫;數據挖掘;智能交通系統

引言

就目前的交通系統建設來看，交通智能化趨勢十分明顯，數據挖掘技術、數據倉庫設計等基于交通大數據的智能分析決策技術的研究和應用是交通設計領域中的熱門話題，能夠有效提升交通管理的水平和效率。國內外眾多學者都對數據挖掘技術在交通設計中多樣化應用、模型的構建等內容進行了研究和分析，關于這些問題都得到了專家學者的關注。

1ITS數據挖掘平臺

構建ITS數據挖掘平臺首先要進行框架的設計，設計人員在設計過程中應當對信息處理流程進行把握，從平臺的功能出發，參考一般情況下的數據信息綜合信息平臺的構架，還要特別注意ITS平臺的特殊性和處理對象的特點，接著設計人員要掌握ITS數據挖掘平臺的數據組織策略，關鍵在于交通數據倉庫的構建，這就要求把智能交通系統中的所有數據進行綜合處理。構建ITS數據挖掘平臺的重點在于要將系統模型中融入數據倉庫和數據挖掘技術，形成一個層次性的結構，結構可以按照不同的層次分為數據層、算法層、分析層和應用層。這樣ITS數據平臺才能夠實現跨平臺的應用，并且提升系統的靈活性，促使系統從實際情況出發分析出最佳應用方式。總而言之，在ITS數據挖掘平臺的構建過程中，不僅僅要進行數據信息集成處理平臺，更重要的是在數據倉庫的基礎上進行數據挖掘技術的應用，對數據信息進行深化處理，才能夠豐富平臺的功能性，促進數據信息的處理效率和水平，獲得更好的數據挖掘技術的應用效果[1]。

2數據倉庫的設計策略

2.1 數據倉庫的概念模型

交通數據倉庫概念模型的構建是以決策分析主題作為中心的，圍繞著不同的決策分析主題進行數據集成分析，將與分析決策主題相關的數據列入相應的數據倉庫。例如，當決策分析主題是短時交通流預測時，相應的模型事實屬性就是流量、速度、占有率，維度屬性就是時間、路段、天氣情況;當決策分析主題是交通狀態辨識時，相應的模型事實屬性就是流量、速度、占有率、狀態等級，維度屬性就是時間、路段、流量等級、速度等級、占有率等級、天氣情況、狀態類型。在概念模型中對主題和主體之間進行描述可以借助E-R圖來完成。圖中間的長方形代表的是主題，上方和下方的橢圓形表示的是主題相關的事實屬性和維度屬性，長方形和橢圓形之間用無向邊來連接，無向邊所表示的聯系是一對一，有向邊所表示的聯系是一對多或者多對多。

2.2 數據倉庫的邏輯模型

在交通數據倉庫的構建過程中，進行邏輯模型設計時主要是以關系數據庫為基礎完成星型模型的構建。例如，進行交通狀態辨識主題的邏輯模型構建時，中間是交通狀態事實表，內容是與交通流情況有所聯系的信息、數據屬性，左右兩側是信息屬性具體的數據內容表，也就是維度表。事實表中含有一定的數據屬性，也就是流量、速度、占有率。在數據倉庫發揮交通狀態辨識功能時，從事實表出發查詢，就可以獲得相關的多項數據信息內容，而不用再對多個屬性表進行連接，這樣就很大程度上縮短了查詢的時間，提升了查詢效率[2]。

2.3 數據倉庫的物理模型

物理模型的構建有多重作用，能夠解決數據索引策略問題，有助于進行數據存儲設計，提升存儲分配水平。模型所針對的主要有兩點，分別是提高系統性能和提升存儲數據管理的水平和效率。數據倉庫的數據量很大，在多維查詢的OLAP中，索引的重要性不言而喻。這就要求保證數據存取路徑的正確性，提升索引的有效性，以便減少數據讀取時間以及提高數據檢索效率。在數據倉庫中常用的索引策略有四種：B-Tree索引、位圖索引、廣義索引以及連接索引。當今主流商業數據中已普遍實現了位圖索引，因此本系統采用位圖索引是合適的。

3智能交通數據挖掘系統的應用

3.1 創造系統所需的軟硬件環境

要想在實際的交通管理中應用智能交通數據挖掘系統，就要創造出系統運營所需的軟硬件環境。首先要對系統內的多項子系統進行了解，這些子系統分別是數據區、交通應用區、GIS區、通信區和終端區，然后為各個子系統配備相應的服務器等操作終端，例如為數據區子系統配備數據區服務器，為通信區子系統配備通信服務器，以此來保證各個子系統的正常運行。除此之外，還要設置綜合交通應用服務器操作系統和數據庫服務器。

3.2 把握系統的設計要點

要保證智能交通數據挖掘系統正常運轉，還要做好系統設計。這就要求對數據倉庫進行全方位的了解和掌握，將其中的數據組織與顯示方式作為出發點，通過B/S的體系結構完成系統設計，對系統模塊的功能開展設計時要注意以下內容，多維數據集定制模塊：可以方便地對所要分析的多維數據集的維度進行設置，導入所用分析的維度，或過濾掉此維度。圖表顯示模塊：可以靈活配置圖表類型、橫軸、縱軸的名稱，顯示的字體，圖表的大小，圖例顯示等并實現結果顯示功能。數據挖掘模型選擇模塊：可以根據所要分析數據的特點以及分析的目標，合理的確定所要應用的挖掘模型。

4結束語

綜上所述，為了促進交通問題的解決，構建智能交通系統，給人們的日常生活提供便利，給經濟發展創造有利條件，應當合理應用智能分析決策技術。這就要求構建ITS數據挖掘平臺和設計交通數據倉庫，對基于交通大數據的智能分析決策技術進行研究和應用，有利于將交通建設與數字信息技術合理結合在一起，提升交通系統的智能化程度，更好地對實際路況信息進行掌握，更好地做出決策。

參考文獻

[1] 章威.廣州市ITS共用信息平臺體系結構與關鍵算法研究[D].廣州：華南理工大學，2007.

[2] 楊宏旭.上海市公路網交通信息化與智能化關鍵技術研究[D].上海：同濟大學，2006.