滕威

摘 要： 對城市智能交通管理系統(tǒng)進行了研究和開發(fā)，通過充分運用數(shù)據(jù)挖掘技術完成了一種智能交通管理系統(tǒng)的設計及系統(tǒng)多層體系結構的構建。闡述了系統(tǒng)交通數(shù)據(jù)集合及多方聯(lián)動的實現(xiàn)路徑，詳細介紹了各功能模塊的設計與實現(xiàn)方案。通過數(shù)據(jù)挖掘技術，完成了交通流模式庫的構建，在此基礎上完成對城市短時間內(nèi)交通流量的預測，并對城市交通流擁堵情況進行科學合理的分析挖掘。據(jù)此進一步完善和優(yōu)化城市道路交通流分布模式。

關鍵詞： 城市交通; 智能管理系統(tǒng); 數(shù)據(jù)挖掘; 交通流; 實現(xiàn)路徑

中圖分類號： U 215.1 ? ? ?文獻標志碼： A

Abstract： This article mainly researches and develops the urban intelligent traffic management system. Through the full use of data mining technology， it completes design of an intelligent traffic management system and construction of a multi-layered system structure. It describes the system traffic data collection and multi-party interaction. The implementation path of the model is described， and the design and implementation of each functional module are introduced in detail. The construction of the traffic flow pattern library is completed through the use of data mining technology. Based on this， the prediction of urban traffic flow in a short time is completed， scientific and reasonable analysis and excavation of traffic flow congestion are carried out， and these further improve and optimize the distribution pattern of urban road traffic flow.

Key words： urban transportation; intelligent management system; data mining; traffic flow; realization path

0 引言

隨著改革開放的深入發(fā)展，我國的社會經(jīng)濟總量不斷增長，其中一項增長較為明顯的就是汽車數(shù)量，汽車已經(jīng)成為日常出行中必不可少的交通工具，在為生產(chǎn)生活帶來巨大便利的同時，為城市交通管理帶來了極大的挑戰(zhàn)，成為急需解決的一項社會問題，如何解決運用現(xiàn)代化技術和方法解決城市交通管理難題成為領域內(nèi)的一項研究熱點，目前智能交通管理系統(tǒng)已經(jīng)成為提高城市交通系統(tǒng)管理效率及交通運力的有效途徑，在城市智能系統(tǒng)的開發(fā)與應用過程中通常會通過綜合運用包括信息通信、網(wǎng)絡計算、大數(shù)據(jù)、云計算等在內(nèi)的多項現(xiàn)代化技術實現(xiàn)交通信號的采集和當前交通狀況的獲取，然后據(jù)此制定出有效的交通管理方案，幫助城市交通中的參與者通過不同渠道實現(xiàn)所需交通信息的獲取，進而減緩城市交通壓力[1]。

1 需求分析

作為政府公共管理中的重要職能之一，城市道路交通管理需要行政部門采取行政手段（以相關法律法規(guī)等為依據(jù)）監(jiān)督管理交通活動及相關要素，隨著我國經(jīng)濟的不斷發(fā)展城鎮(zhèn)化得到了快速發(fā)展，不斷增加的城市人口規(guī)模引發(fā)了許多亟待解決的問題，尤其是規(guī)模不斷擴大的城市路網(wǎng)帶來的日益復雜的城市交通系統(tǒng)結構，交通擁堵等問題愈發(fā)突顯，傳統(tǒng)的城市交通管理已經(jīng)難以滿足日益增長的出行需求，對交通管理及服務能力提出了更高的要求。城市交通作為城市正常運行的基本和重要保障，已經(jīng)是政府、市民的關注焦點，逐年增加的汽車保有量在為日常出行帶來極大便利的同時，也帶來了包括交通擁堵、噪聲及空氣污染等在內(nèi)的一系列交通問題，很多城市采取了包括調(diào)整交通規(guī)則、車輛限行、車牌搖號等在內(nèi)的應對措施，但交通管理質(zhì)量及效率仍然有待提升，現(xiàn)階段由靜態(tài)交通引發(fā)的城市問題日益凸顯，為此各城市不斷進行諸多有益探索，不斷發(fā)展完善的計算機為了信息、云計算、大數(shù)據(jù)等現(xiàn)代技術為平臺式的城市交通管理模式提供了強大的技術支撐，通過有效的管理平臺解決城市交通問題成為領域內(nèi)的一項研究重點，這就需要借助物聯(lián)網(wǎng)和大數(shù)據(jù)技術打造一個科學高效的基于互聯(lián)網(wǎng)平臺的城市智能交通管理系統(tǒng)，由政府、企業(yè)、車主共同參與的多功能管理系統(tǒng)，為解決交通問題提供支撐，實現(xiàn)對路網(wǎng)結構的持續(xù)優(yōu)化和改進及交通誘導策略動態(tài)有效的實施，并為研究和預測交通行為及容量提供數(shù)據(jù)支撐[1]。

2 智能交通管理系統(tǒng)總體架構

目前交通的構成元素呈現(xiàn)多樣化，并同土地、住房及城市交通發(fā)展等密切相關，城市交通問題的解決不能局限于汽車自身，需推廣城市智能交通技術實現(xiàn)對交通問題的有效緩解，本文從城市交通數(shù)據(jù)挖掘出發(fā)完成了一種智能交通管理系統(tǒng)的開發(fā)，基于數(shù)據(jù)挖掘算法及聯(lián)動特性完成了智能交通管理系統(tǒng)的構建，交通信息的智能化是實現(xiàn)該管理系統(tǒng)功能的關鍵所在，該系統(tǒng)層次結構模型，如圖1所示。

主要由相應管理模塊、指揮中心、數(shù)據(jù)交換平臺構成，其體系結構主要可劃分為監(jiān)控層（通過分布安裝于不同地點的視頻攝像頭等設備實現(xiàn)對各區(qū)域內(nèi)道路交通情況的有效監(jiān)控）、管理層（主要通過不同功能模塊實現(xiàn)具體的事故處理、交警調(diào)度等功能）和決策層（由交通指揮中心以各類事故情況為依據(jù)完成決策分析及綜合指揮）[2]。

城市交通管理系統(tǒng)中的數(shù)據(jù)信息普遍具有分布分散且數(shù)量較多的特點，城市交通流信息量的合理有效的采集是提高城市交通管理系統(tǒng)智能化及信息化水平的基礎和關鍵，本文所構建的基于數(shù)據(jù)挖掘的系統(tǒng)功能模塊，如圖2所示。

智能交通管理系統(tǒng)先通過數(shù)據(jù)挖掘技術的使用完成對各種交通信息數(shù)據(jù)（來源不同，包括區(qū)域地理信息、交通信息流等）的清洗和轉(zhuǎn)換處理等，完成對某路段交通路況的實時判斷，據(jù)此實現(xiàn)對交通事故頻繁路段的分析和判斷，并不斷豐富和完善交通管理系統(tǒng)的數(shù)據(jù)倉庫，從而能夠?qū)煌鞣植技奥范螕矶虑闆r進行科學高效的預測。該管理系統(tǒng)的數(shù)據(jù)挖掘平臺架構（通過編寫程序?qū)崿F(xiàn)）主要分為數(shù)據(jù)層（主要負責存儲多源海量數(shù)據(jù)及必要時的數(shù)據(jù)轉(zhuǎn)換）、算法層（負責完成實現(xiàn)數(shù)據(jù)挖掘的相關算法）、邏輯分析層（主要負責完成對交通信息流的預測及相應的任務分配）及應用層（作為分析層的輸出可根據(jù)實際需求使用）[3]。

3 智能交通管理系統(tǒng)的數(shù)據(jù)挖掘算法

3.1 數(shù)據(jù)挖掘模型

本文交通管理系統(tǒng)中主要可劃分為靜態(tài)數(shù)據(jù)（主要包括城市地表路形、城市地理交通、交通管理、道路等級及客運信息、車輛信息及交通調(diào)查等方面的數(shù)據(jù)）和由基礎數(shù)據(jù)構成的動態(tài)數(shù)據(jù)（主要通過遙感手段及移動終端獲?。?，所構建的系統(tǒng)的數(shù)據(jù)挖掘模型，如圖3所示。

該模型采用非結構化數(shù)據(jù)形式，進一步豐富了在線數(shù)據(jù)采集的途徑，采用數(shù)據(jù)的聚類關聯(lián)等數(shù)據(jù)挖掘算法完成數(shù)據(jù)的處理加工后將其存儲于數(shù)據(jù)庫中，根據(jù)實際需要選用適用的挖掘算法完成對數(shù)據(jù)的分析和計算（同樣在數(shù)據(jù)庫中記錄和存儲）。此外，該模型還可作為用于接收反饋信息的接口，在此基礎上實現(xiàn)對該信息模型的評價和解釋[4]。

3.2 數(shù)據(jù)挖掘算法

針對交通管理系統(tǒng)構建的數(shù)據(jù)挖掘模型綜合應用了包括道路交通流量及其擁堵事件挖掘算法、交通流量空間聚類算法等在內(nèi)的多種數(shù)據(jù)挖掘算法，如圖4所示。

以道路交通流量預測算法為主的交通流量挖掘算法主要負責對城市道路交通流的基本情況進行實時反映，本文設計了一種組合預測算法，通過綜合運用BP神經(jīng)網(wǎng)絡和交通流量序列分割法實現(xiàn)了對實際道路交通流情況的有效反映，針對交通模式主要通過 K-Means聚類算法的使用實現(xiàn)在不同維度上（包括時間和流量）的劃分，然后在此基礎上針對交通流數(shù)據(jù)通過使用BP神經(jīng)網(wǎng)絡算法實現(xiàn)建模預測過程。道路交通流挖掘算法流程為：開啟交通信號控制系統(tǒng)后，獲取實時的交通流量，然后采用交通流量挖掘算法獲取交通流量的預測值，無需信號切換則結束挖掘算法，繼續(xù)信號切換則重新開始獲取交通流量并計算預測值[5]。

交通擁堵事件挖掘算法具體流程如圖5所示。

需先對原始交通流數(shù)據(jù)進行處理后采用有效的數(shù)據(jù)結構進行展示，并進行數(shù)據(jù)分段分層處理（以數(shù)據(jù)屬性的差異為依據(jù)），然后在模式庫中完成針對當前數(shù)據(jù)的比較和匹配，最后根據(jù)得出的結果完成對道路交通流量擁堵情況的判斷。實際應用過程中需以道路情況為依據(jù)對模式庫進行實時更新，并對模式庫進行不斷優(yōu)化實現(xiàn)匹配時間的有效縮短。道路交通流量空間聚類算法（針對交通流不同空間分布模式）能夠?qū)Σ煌瑪?shù)據(jù)模式（屬于高維度的時間序列）間的關聯(lián)性進行分析，采用明可夫斯基距離函數(shù)對數(shù)據(jù)對象間的相似性進行有效表示，通過對新的類內(nèi)聚度臨界約束進行設置使其小于類間距離，進而使類的內(nèi)聚性得到顯著提升;通過采用類的合并和分類優(yōu)化聚類算法實現(xiàn)整體的最優(yōu)[6]。

4 智能交通管理系統(tǒng)功能與實現(xiàn)

4.1 智能交通管理系統(tǒng)的聯(lián)動

作為交通事件的一種執(zhí)行過程系統(tǒng)聯(lián)動主要負責在發(fā)生交通聯(lián)動事件的情況下，根據(jù)系統(tǒng)對交通事件狀況做出的評判自動執(zhí)行相應動作，同時向工作人員發(fā)出相應的提示信息，從而實現(xiàn)對城市交通更高質(zhì)量的調(diào)度管理過程。針對不同交通事件聯(lián)動系統(tǒng)能夠整合內(nèi)外部進行綜合處理（同時記載處理過程），聯(lián)動系統(tǒng)具有可重用性的預案庫有效簡化了用戶配置過程，聯(lián)動以出現(xiàn)一個或多個監(jiān)控對象狀態(tài)作為觸發(fā)條件，并以具體情況為依據(jù)執(zhí)行多路動作，在此基礎上實現(xiàn)對交通各路資源的統(tǒng)一協(xié)調(diào)和調(diào)度，聯(lián)動執(zhí)行示意圖，如圖6所示。

聯(lián)動觸發(fā)源主要包括基于時間和報警條件的觸發(fā)源與具有統(tǒng)一且可擴展特點的基于數(shù)據(jù)庫或消息的觸發(fā)源，可重用的聯(lián)動系統(tǒng)的預案庫能夠提供簡潔的配置途徑，預案庫由預先定義了一個聯(lián)動動作的預案項構成（可執(zhí)行包括語音播報、畫面操作等在內(nèi)的動作），觸發(fā)源同預案項間具有映射關系。由各聯(lián)動構成了聯(lián)動關系庫（包含了系統(tǒng)的所有聯(lián)動行為），一個聯(lián)動關系可包含多個觸發(fā)源，各觸發(fā)源同聯(lián)動關系一一對應[7]。

4.2 系統(tǒng)主要功能模塊的實現(xiàn)

智能交通管理系統(tǒng)功能結構示意圖，如圖7所示。

主要由應用表示層、業(yè)務邏輯層、數(shù)據(jù)存儲層、數(shù)據(jù)處理層、接口層構成。（1） 交通狀態(tài)實時判斷，系統(tǒng)完成交通流數(shù)據(jù)的實時采集后由交通流模式庫里的挖掘算法進行分析并獲取道路交通狀況，然后在系統(tǒng)界面上并以不同顏色標記不同路況。執(zhí)行道路擁堵算法之前，對采集的原始數(shù)據(jù)進行清洗處理以便有效避免一些無關數(shù)據(jù)及異常數(shù)據(jù)帶來的干擾，進而確保判斷結果更加準確，完成數(shù)據(jù)清洗后，結合相關數(shù)據(jù)和具體算法要求完成對交通狀況的判斷及交通流模式庫的生成，同時校驗歷史監(jiān)控數(shù)據(jù)。將交通流的數(shù)據(jù)通過使用挖掘算法進行循環(huán)處理實現(xiàn)交通擁堵狀況判斷結果的準確獲取，并將其存儲到數(shù)據(jù)庫中用于系統(tǒng)自動讀取和后續(xù)查詢，展示的數(shù)據(jù)變化情況采用不同的標記，然后在聯(lián)動系統(tǒng)作用下生成路網(wǎng)圖，由系統(tǒng)向各交通崗路口的引導設備中自動發(fā)送，通過這些設備完成道路信息的及時發(fā)布，據(jù)此實現(xiàn)對車流量的引導，進而有效緩解交通擁堵情況?？紤]到聯(lián)動系統(tǒng)可能存在一定的誤判率，結合運用人工控制方式，在檢測到交通數(shù)據(jù)發(fā)生變化時先切換路口監(jiān)控人工確定真實性后再向引導設備傳輸[8]。（2） 交通信號控制，以交通量的預測信息為依據(jù)對交通流信息進行提前判斷，通過控制交通信號疏散交通流，以實現(xiàn)對市區(qū)內(nèi)交通流量的有效控制，交通控制系統(tǒng)從單一路口（主要采用單時間、定期的優(yōu)化控制）、采用交叉口協(xié)調(diào)算法綜合設計的單一區(qū)域（主要針對交通流量、飽和度及車速等）和兼顧所有區(qū)域和路口的頂層控制（采用綜合協(xié)調(diào)優(yōu)化控制策略）實施控制，交通信息的獲取途徑包括歷史道路流信息和路網(wǎng)信息，以交通信息特征和實際交通習慣為依據(jù)通過優(yōu)先模式控制算法的使用完成合理控制策略（由各區(qū)域和各路口進行實施）的設計。（3） 關聯(lián)挖掘算法，主要包括針對異常情況、交通事故高發(fā)路段、虛假車輛及嫌疑車輛信息等方面的關聯(lián)挖掘算法，在事故現(xiàn)場挖掘車輛關聯(lián)性，篩選車輛相關信息、獲取特定車輛運行軌跡，并進行預測;對不同時段內(nèi)的車輛行駛軌跡進行分析，結合所采集到的車輛信息判斷車輛駕駛情況的正常與否及車輛信息的正確性;根據(jù)區(qū)域的交通擁堵情況分析交通事故高發(fā)路段情況，并通過地理顯示軟件提供具體信息[9]。

5 總結

隨著城市中人口和汽車保有量的不斷增加，包括交通擁堵在內(nèi)的交通運力不足問題日益突出，對城市管理提出了更高的要求，本文通過使用數(shù)據(jù)挖掘技術完成了一種城市智能交通管理系統(tǒng)的設計，基于所構建的管理系統(tǒng)總體架構，詳細闡述了系統(tǒng)各模塊的功能，介紹了基于數(shù)據(jù)挖掘算法的系統(tǒng)聯(lián)動及管理功能的實現(xiàn)路徑，該系統(tǒng)的交通流量數(shù)據(jù)挖掘及數(shù)據(jù)分類使交通管理中的數(shù)據(jù)處理效率得以有效提升，實現(xiàn)了對短期交通流量的預測功能，為優(yōu)化道路交通流空間分布模式以及實時控制和分配交通信號的實現(xiàn)提供有力支撐，可有效緩解城市交通阻塞問題，為實現(xiàn)城市交通的智能化管理提供參考。

參考文獻

[1] 主洪任.城市智能交通管理系統(tǒng)在應對突發(fā)交通事故中的運用研究[J].數(shù)字技術與應用，2018（11）：40-43.

[2] 朱文杰，翁儒鴻，李鴻橋，等.基于移動互聯(lián)網(wǎng)的軌道交通運營安全隱患排查系統(tǒng)研發(fā)[J]. 城市軌道交通研究， 2019（11）：67-70.

[3] 張祎. 對交通領域大數(shù)據(jù)和人工智能的“冷”思考——2018年交通智能化的“熱”與“冷”[J].交通與港航， 2019（1）：93-95.

[4] 翁小雄，劉永鑫，盧炬康. 基于大數(shù)據(jù)挖掘的城市公交站點生活服務評價方法研究[J].現(xiàn)代電子技術， 2019（2）：67-70.

[5] Eleonora DAndrea，F(xiàn)rancesco Marcelloni. Detection of traffic congestion and incidents from GPS trace analysis[J]. Expert Systems With Applications， 2017（12）：43-56.

[6] Xiangjie Kong，Zhenzhen Xu，Guojiang Shen，et al. Urban traffic congestion estimation and prediction based on floating car trajectory data[J]. Future Generation Computer Systems， 2018（11）：97-107.

[7] 薛寶華，史巖.北京城市副中心智慧交通管理系統(tǒng)規(guī)劃研究與設計[J] .交通工程，2018（6）：1-7.

[8] 閆學東，劉曉冰，劉煬，等. 基于浮動車大數(shù)據(jù)與網(wǎng)格模型的城市交通擁堵識別和評價研究[J]. 北京交通大學學報， 2019（1）：104-113.

[9] 何志濤，田鐵紅，孫世臻，等.基于大數(shù)據(jù)技術的視頻監(jiān)控應用研究與探索[J]. 數(shù)字技術與應用， 2017（1）：95-96.

（收稿日期： 2020.02.21）