智能交通系统中数据挖掘技术的应用研究.docVIP

智能交通系统中数据挖掘技术的应用研究 　　摘要：随着当今社会的不断发展和进步，经济水平的不断提升以及城市建设脚步的不断加快，交通拥堵和事故、环境污染以及能源消耗问题越来越严重。相关的交通管理机构只有对现有的交通设施进行合理利用，促使当下所存在的交通设施都能够得到最适宜的运用，才能让交通拥堵现象得到有效缓解，让交通事故发生率得以减低，让我国的交通环境更加舒适安全。本文就智能交通检测系统中数据挖掘技术的应用进行研究和探讨，力求能够为我国交通管理事业提供一定的帮助。 　　关键词：数据挖掘 智能交通系统 应用研究 　　中图分类号：TP274 文献标识码：A 文章编号：1007-9416（2016）05-0000-00 　　随着我国城市化的不断推进发展，城市与城市之间的交通问题越来越明显。智能交通系统是通过多种先进科学技术研发出来的一种新型交通系统，能够让当下我国存在的交通问题得到有效解决。目前，智能交通系统的研发，主要研究方向在于对交通流的控制和诱导，且是往后进行研究的主要方向。然而，城市交通控制系统本身具有不确定性、较高控制性以及实时性的特点，其内部的结构相对复杂。因此，想要进行系统建模和模型求解就存在很大困难，其中实时性控制要求，是需要在快速变化的交通流状态下，将最为适宜的控制变量给计算出来，而单单依靠传统控制方法是很难解决这些问题。 　　1智能交通管理数据挖掘 　　1.1道路交通挖掘 　　所谓道路交通数据主要是指，将道路交通数据采样得到的一系列时间上离散的数值型数据，按时间顺序进行序列，这也是智能交通管理平台所进行研究的主要对象。车辆流具体是指那些在道路上不断行驶而形成的车辆流，而在道路上机动车辆连续行驶的车流，即被称为做交通连续流。假如在某个特定的时间、空间范围内，车流并没有处在横向交叉影响位置，则连续流流通状态就会由此显现而出。而在一些高速、高架以及跨江隧道等交通路段，如果没有受到其他的异常干扰，则所形成的交通流就是当下最为典型的连续流[1]。交叉路口上机动车由于受到交通信号灯的控制，出现红灯需要停止，而绿灯才可以通行，这样的交通流属于非连续状态。 　　1.2智能交通管理控制数据 　　智能交通管理平台可实现对交通管理控制所生成的信息，进行实时记录。例如：电子警察系统能够对交通流中的违法车辆及其违法的行为过程，以图像数据的形式进行实时记录，将车辆交通违法行为信息提供给相关交警部门，此外还有驾驶员管理信息和车辆管理信息等[2]。 　　1.3道路交通环境数据 　　道路交通环境信息包含很多，不管是设计道路通行能力数据、交通岗、信号灯以及限速标志等交通道路设施，还是车道宽度、公交信息、路口渠道、施工信息、临时封闭措施以及交通管等异常事件都属于道路交通环境信息。 　　2数据挖掘在智能道路交通中的应用分析 　　2.1数据净化处理 　　在检测器对数据进行自动采集或者是人工进行数据输入的过程中，都很有可能出现一定错误，造成这种现象的原因有两个方面，第一是车辆检测器存在误差，甚至以及发生故障；第二是人工在数据输入过程中由于粗心、干扰等种种原因导致出错。介于此，就需要将错误、异常数据以及没有作用的信息从大量数据中消除掉，这也就是数据净化问题。数据净化属于数据分类中的一种，是其中最为典型的问题之一，简单来说就是将数据分为两种，一种是有用数据，一种是没用数据，再详细一点就是将无用数据在分成错误和异常者两种数据。，形成丰富的数据库，并最终完善成为数据挖掘体系。通过该体系可采取的数据挖掘方法有很多，如：聚类分析、决策树、神经网络以及关联规则等等。在数据挖掘中分类是运用最为普遍且最基本的用途，不管是什么数据，都会需要进行数据净化。监视器在进行信息采集工作过程中，经历较长的时间，每个子系统中操作人员对数据进行长时间输入，就必须运用数据挖掘技术对这些大量数据进行净化。 　　2.2短缺数据的挖掘 　　只有得到最大限度的信息支持才能进科学决策，然而在实际系统操作中，对交通流信息的获取仍然存在一定难度。其主要原因有两个方面，首先，无法对相应的车辆检测器及视频监视设备等采取过多的设置，否则将导致其维护的成本和工作量变得繁多，一些地方由于没有设置检测器，也就无法获取交通流数据，这就需要从其相邻的检测器数据中，运用数据挖掘技术估算出这个地方的数据[3]。其次，不管是检测器还是视频监视设备，在误差和故障率上依旧存在，相同检测面上，一些检测器也许会发生受遮和失效的问题，在设备出现故障或者检测失效的时候，就会让数据短缺问题显现出来，因此就需要对数据进行弥补。可充分结合上下游检测器所具备的交通流数据、不同时段的交通流数据以及历史交通流数据等，通过数据挖掘技术就能够直接将，已知数据和短缺数据的联系进行计算，因而就能将未设置检测器地区的交通数据