数据仓库在智能车辆监控系统中应用.docVIP

数据仓库在智能车辆监控系统中应用 　　【摘 要】智能车辆监控系统每时每刻都在搜集和处理大量的信息，本文把数据仓库技术运用到该系统中，对大量的数据信息进行存储和管理。通过对系统主体域的分析，维表、系统数据逻辑模型和物理模型设计来构建系统数据仓库。通过数据分析和展现工具对数据仓库中的数据进行分析和汇总，使决策者可以清晰、直观地看到分析结果，为我国交通的发展提供决策依据。 　　【关键词】高速公路；车辆监控；数据仓库；决策分析 　　0 引言 　　随着我国车辆的增加，高速公路给人们带来许多方便，但同时也引发了许多新问题，超速、超载等违章现象以及汽车犯罪现象等加剧，伤亡事故不断发生。高速公路上一旦发生交通事故，大多都是重大和特大交通事故。所以，智能车辆监控系统具有一定的威慑效果，减少违法违章行为，促进交通安全[1]。智能车辆监控系统要每时每刻监视车辆的运行并搜集和处理大量的信息，比如：车辆通过率，车辆报警，天气状况，用户反映，事故处理等。数据仓库及相关技术就能够处理海量信息，它对所采集的大量交通数据及时进行快速、有效、深入的分析，实现实时数据处理，为智能车辆监控系统提供所提供准确的，有效的分析型数据平台，并能够支持管理层的决策。 　　数据仓库的发展在国外已经非常成熟，而在我国21世纪才刚刚起步。数据仓库的定义最早由W.H.inmon提出的：数据仓库是一个面向主题的、集成的、相对稳定的、反应历史变化的数据集合，用于支持管理决策[2]。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。 　　1 数据仓库的体系结构 　　车辆监控系统数据仓库的体系结构主要分为4部分：数据源、数据存储与管理、联机分析处理（On-Line Analysis Processing，OLAP）引擎和前端应用[3]。（如图 1所示）。 　　图1 车辆监控系统三层数据仓库结构 　　系统中数据处理流程为： 　　系统从车载终端采集到数据，把采集到的数据导入数据库，以数据库作为数据源，对数据进行抽取、转换和加载（Extract，Transformation，Loading，ETL），但由于本系统采集到的数据只是单纯的车辆定位信息，所以只需要对数据进行抽取、转换操作即可，然后把处理后的数据存到数据仓库中，通过OLAP服务器对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。前端应用中数据分析主要针对OLAP服务器，数据挖掘、报表和地理信息系统（Geographic Information System，GIS）显示主要针对数据仓库。 　　系统数据仓库的开发策略： 　　系统数据仓库的开发策略主要有自顶向下，自底向上以及两种策略的混合使用。由于该系统所涉及的范围是高速公路的车辆监控信息，范围不是很大，信息内容不是很杂，资金投入比较有限，也容易获得成效，所以本系统采用自底向上策略。 　　2 系统数据仓库的构建 　　2.1 主题域的分析 　　系统数据仓库的主题根据需求分析和决策支持来设计。例如在车辆监控系统中把车辆作为一个主题域，下面包含车流量、车拥塞、车事故等子主题。根据以上的分析监控系统决策主题的思想是先确定与监控系统决策相关的大的方面――主题域，然后在主题域中找出子主题域，子主题域中可能包含若干主题或下一级的主题域这样逐层细分，最后形成树状结构。根结点是监控系统决策这个大的主题域，叶结点是具体的主题。每个主题所包含的数据的个体就是监控系统决策所需要的数据。 　　2.2 维表的设计 　　维表是通过记录因素的属性来描述事件中包含的诸多因素，是多维分析空间在某个角度上的投影。例如：监控系统数据仓库各主题几乎与车流量，地理位置，天气状况，主观因素等有关，所以将这些实体作为维表来处理。监控系统中的维表有车辆定位维表，天气状况维表，路况维表，驾驶员维表等。 　　2.3 数据分析概念模型的设计 　　2.3.1 交通拥塞分析模型 　　交通拥塞分析模型由路线维表、天气维表、出警维表构成星型模型结构（如图 2所示）。该分析模型主要是对高速公路的速率作分析，为保证车辆高速而提供决策支持。 　　图2 交通拥塞分析模型 　　2.3.2 交通事故分析模型 　　交通事故分析模型是由车辆定位维表、天气维表、驾驶证维表、车牌维表及出警维表等事实表构成雪花型结构（如图 3所示）。该模型主要对高速公路的交通事故做分析处理，为保证驶进公路人员的安全提供决策支持，并及时作出预警措施。 　　2.4 系统数据仓库的物理设计 　　所谓数据仓库