高海峰

摘要：隨著當(dāng)今社會的不斷發(fā)展和進(jìn)步，經(jīng)濟(jì)水平的不斷提升以及城市建設(shè)腳步的不斷加快，交通擁堵和事故、環(huán)境污染以及能源消耗問題越來越嚴(yán)重。相關(guān)的交通管理機(jī)構(gòu)只有對現(xiàn)有的交通設(shè)施進(jìn)行合理利用，促使當(dāng)下所存在的交通設(shè)施都能夠得到最適宜的運(yùn)用，才能讓交通擁堵現(xiàn)象得到有效緩解，讓交通事故發(fā)生率得以減低，讓我國的交通環(huán)境更加舒適安全。本文就智能交通檢測系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用進(jìn)行研究和探討，力求能夠?yàn)槲覈煌ü芾硎聵I(yè)提供一定的幫助。

關(guān)鍵詞：數(shù)據(jù)挖掘 智能交通系統(tǒng) 應(yīng)用研究

中圖分類號：TP274 文獻(xiàn)標(biāo)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(jìn)發(fā)展，城市與城市之間的交通問題越來越明顯。智能交通系統(tǒng)是通過多種先進(jìn)科學(xué)技術(shù)研發(fā)出來的一種新型交通系統(tǒng)，能夠讓當(dāng)下我國存在的交通問題得到有效解決。目前，智能交通系統(tǒng)的研發(fā)，主要研究方向在于對交通流的控制和誘導(dǎo)，且是往后進(jìn)行研究的主要方向。然而，城市交通控制系統(tǒng)本身具有不確定性、較高控制性以及實(shí)時性的特點(diǎn)，其內(nèi)部的結(jié)構(gòu)相對復(fù)雜。因此，想要進(jìn)行系統(tǒng)建模和模型求解就存在很大困難，其中實(shí)時性控制要求，是需要在快速變化的交通流狀態(tài)下，將最為適宜的控制變量給計(jì)算出來，而單單依靠傳統(tǒng)控制方法是很難解決這些問題。

1智能交通管理數(shù)據(jù)挖掘

1.1道路交通挖掘

所謂道路交通數(shù)據(jù)主要是指，將道路交通數(shù)據(jù)采樣得到的一系列時間上離散的數(shù)值型數(shù)據(jù)，按時間順序進(jìn)行序列，這也是智能交通管理平臺所進(jìn)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(jī)動車輛連續(xù)行駛的車流，即被稱為做交通連續(xù)流。假如在某個特定的時間、空間范圍內(nèi)，車流并沒有處在橫向交叉影響位置，則連續(xù)流流通狀態(tài)就會由此顯現(xiàn)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(dāng)下最為典型的連續(xù)流[1]。交叉路口上機(jī)動車由于受到交通信號燈的控制，出現(xiàn)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(xù)狀態(tài)。

1.2智能交通管理控制數(shù)據(jù)

智能交通管理平臺可實(shí)現(xiàn)對交通管理控制所生成的信息，進(jìn)行實(shí)時記錄。例如：電子警察系統(tǒng)能夠?qū)煌髦械倪`法車輛及其違法的行為過程，以圖像數(shù)據(jù)的形式進(jìn)行實(shí)時記錄，將車輛交通違法行為信息提供給相關(guān)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(huán)境數(shù)據(jù)

道路交通環(huán)境信息包含很多，不管是設(shè)計(jì)道路通行能力數(shù)據(jù)、交通崗、信號燈以及限速標(biāo)志等交通道路設(shè)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(huán)境信息。

2數(shù)據(jù)挖掘在智能道路交通中的應(yīng)用分析

2.1數(shù)據(jù)凈化處理

在檢測器對數(shù)據(jù)進(jìn)行自動采集或者是人工進(jìn)行數(shù)據(jù)輸入的過程中，都很有可能出現(xiàn)一定錯誤，造成這種現(xiàn)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(fā)生故障；第二是人工在數(shù)據(jù)輸入過程中由于粗心、干擾等種種原因?qū)е鲁鲥e。介于此，就需要將錯誤、異常數(shù)據(jù)以及沒有作用的信息從大量數(shù)據(jù)中消除掉，這也就是數(shù)據(jù)凈化問題。數(shù)據(jù)凈化屬于數(shù)據(jù)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(shù)據(jù)分為兩種，一種是有用數(shù)據(jù)，一種是沒用數(shù)據(jù)，再詳細(xì)一點(diǎn)就是將無用數(shù)據(jù)在分成錯誤和異常者兩種數(shù)據(jù)。，形成豐富的數(shù)據(jù)庫，并最終完善成為數(shù)據(jù)挖掘體系。通過該體系可采取的數(shù)據(jù)挖掘方法有很多，如：聚類分析、決策樹、神經(jīng)網(wǎng)絡(luò)以及關(guān)聯(lián)規(guī)則等等。在數(shù)據(jù)挖掘中分類是運(yùn)用最為普遍且最基本的用途，不管是什么數(shù)據(jù)，都會需要進(jìn)行數(shù)據(jù)凈化。監(jiān)視器在進(jìn)行信息采集工作過程中，經(jīng)歷較長的時間，每個子系統(tǒng)中操作人員對數(shù)據(jù)進(jìn)行長時間輸入，就必須運(yùn)用數(shù)據(jù)挖掘技術(shù)對這些大量數(shù)據(jù)進(jìn)行凈化。

2.2短缺數(shù)據(jù)的挖掘

只有得到最大限度的信息支持才能進(jìn)科學(xué)決策，然而在實(shí)際系統(tǒng)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(yīng)的車輛檢測器及視頻監(jiān)視設(shè)備等采取過多的設(shè)置，否則將導(dǎo)致其維護(hù)的成本和工作量變得繁多，一些地方由于沒有設(shè)置檢測器，也就無法獲取交通流數(shù)據(jù)，這就需要從其相鄰的檢測器數(shù)據(jù)中，運(yùn)用數(shù)據(jù)挖掘技術(shù)估算出這個地方的數(shù)據(jù)[3]。其次，不管是檢測器還是視頻監(jiān)視設(shè)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(fā)生受遮和失效的問題，在設(shè)備出現(xiàn)故障或者檢測失效的時候，就會讓數(shù)據(jù)短缺問題顯現(xiàn)出來，因此就需要對數(shù)據(jù)進(jìn)行彌補(bǔ)。可充分結(jié)合上下游檢測器所具備的交通流數(shù)據(jù)、不同時段的交通流數(shù)據(jù)以及歷史交通流數(shù)據(jù)等，通過數(shù)據(jù)挖掘技術(shù)就能夠直接將，已知數(shù)據(jù)和短缺數(shù)據(jù)的聯(lián)系進(jìn)行計(jì)算，因而就能將未設(shè)置檢測器地區(qū)的交通數(shù)據(jù)或者因故障讓數(shù)據(jù)丟失的地區(qū)數(shù)據(jù)都能夠被大致估算出來。

2.3交通流參數(shù)的預(yù)測

為了讓有效的交通控制得以實(shí)現(xiàn)，就需要對交通流動態(tài)參數(shù)每隔五分鐘進(jìn)行一次預(yù)測。將實(shí)際的交通流數(shù)據(jù)檢測出來，以此來對下一個五分鐘交通流動態(tài)參數(shù)進(jìn)行預(yù)測，將交通流數(shù)據(jù)和預(yù)測值的關(guān)系給找出來。但是，交通流屬于典型的非平穩(wěn)隨機(jī)過程，五分鐘的交通流參數(shù)預(yù)測問題是一種弱結(jié)構(gòu)化的問題，其不確定性非常明顯。通常不能夠運(yùn)用簡單的數(shù)學(xué)解析式來對二者間的關(guān)系進(jìn)行描述，只能夠從采集的實(shí)測數(shù)據(jù)中將二者關(guān)系給挖掘出來，將這種關(guān)系用知識表達(dá)出來，形成豐富的知識庫。

3結(jié)語

總而言之，在對交通中特定問題進(jìn)行分析和處理的過程中，運(yùn)用傳統(tǒng)方法具有較大局限性，對當(dāng)下智能交通系統(tǒng)發(fā)展的需求很難做到有效滿足，而數(shù)據(jù)挖掘法的出現(xiàn)則能夠讓這些問題得到有效解決，相信在未來發(fā)展中，數(shù)據(jù)挖掘定會在智能交通領(lǐng)域中發(fā)揮出更加強(qiáng)大的作用。

參考文獻(xiàn)

[1]趙祥模，惠飛，史昕，馬峻巖，楊瀾.泛在交通信息服務(wù)系統(tǒng)的概念、架構(gòu)與關(guān)鍵技術(shù)[J].交通運(yùn)輸工程學(xué)報，2014，04：105-115.

[2]秦佳.數(shù)據(jù)挖掘技術(shù)在智能交通管理中的應(yīng)用[J].中國高新技術(shù)企業(yè)，2013，08：45-46.

[3]覃娜，孫小雁.入侵檢測系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用分析[J].信息與電腦（理論版），2012，01：13-14.