滕威

摘 要： 對(duì)城市智能交通管理系統(tǒng)進(jìn)行了研究和開(kāi)發(fā)，通過(guò)充分運(yùn)用數(shù)據(jù)挖掘技術(shù)完成了一種智能交通管理系統(tǒng)的設(shè)計(jì)及系統(tǒng)多層體系結(jié)構(gòu)的構(gòu)建。闡述了系統(tǒng)交通數(shù)據(jù)集合及多方聯(lián)動(dòng)的實(shí)現(xiàn)路徑，詳細(xì)介紹了各功能模塊的設(shè)計(jì)與實(shí)現(xiàn)方案。通過(guò)數(shù)據(jù)挖掘技術(shù)，完成了交通流模式庫(kù)的構(gòu)建，在此基礎(chǔ)上完成對(duì)城市短時(shí)間內(nèi)交通流量的預(yù)測(cè)，并對(duì)城市交通流擁堵情況進(jìn)行科學(xué)合理的分析挖掘。據(jù)此進(jìn)一步完善和優(yōu)化城市道路交通流分布模式。

關(guān)鍵詞： 城市交通; 智能管理系統(tǒng); 數(shù)據(jù)挖掘; 交通流; 實(shí)現(xiàn)路徑

中圖分類號(hào)： U 215.1 ? ? ?文獻(xiàn)標(biāo)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(kāi)放的深入發(fā)展，我國(guó)的社會(huì)經(jīng)濟(jì)總量不斷增長(zhǎng)，其中一項(xiàng)增長(zhǎng)較為明顯的就是汽車(chē)數(shù)量，汽車(chē)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(lái)巨大便利的同時(shí)，為城市交通管理帶來(lái)了極大的挑戰(zhàn)，成為急需解決的一項(xiàng)社會(huì)問(wèn)題，如何解決運(yùn)用現(xiàn)代化技術(shù)和方法解決城市交通管理難題成為領(lǐng)域內(nèi)的一項(xiàng)研究熱點(diǎn)，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(yùn)力的有效途徑，在城市智能系統(tǒng)的開(kāi)發(fā)與應(yīng)用過(guò)程中通常會(huì)通過(guò)綜合運(yùn)用包括信息通信、網(wǎng)絡(luò)計(jì)算、大數(shù)據(jù)、云計(jì)算等在內(nèi)的多項(xiàng)現(xiàn)代化技術(shù)實(shí)現(xiàn)交通信號(hào)的采集和當(dāng)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(guò)不同渠道實(shí)現(xiàn)所需交通信息的獲取，進(jìn)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(mén)采取行政手段（以相關(guān)法律法規(guī)等為依據(jù)）監(jiān)督管理交通活動(dòng)及相關(guān)要素，隨著我國(guó)經(jīng)濟(jì)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(wèn)題，尤其是規(guī)模不斷擴(kuò)大的城市路網(wǎng)帶來(lái)的日益復(fù)雜的城市交通系統(tǒng)結(jié)構(gòu)，交通擁堵等問(wèn)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(zhǎng)的出行需求，對(duì)交通管理及服務(wù)能力提出了更高的要求。城市交通作為城市正常運(yùn)行的基本和重要保障，已經(jīng)是政府、市民的關(guān)注焦點(diǎn)，逐年增加的汽車(chē)保有量在為日常出行帶來(lái)極大便利的同時(shí)，也帶來(lái)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(wèn)題，很多城市采取了包括調(diào)整交通規(guī)則、車(chē)輛限行、車(chē)牌搖號(hào)等在內(nèi)的應(yīng)對(duì)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(wèn)題日益凸顯，為此各城市不斷進(jìn)行諸多有益探索，不斷發(fā)展完善的計(jì)算機(jī)為了信息、云計(jì)算、大數(shù)據(jù)等現(xiàn)代技術(shù)為平臺(tái)式的城市交通管理模式提供了強(qiáng)大的技術(shù)支撐，通過(guò)有效的管理平臺(tái)解決城市交通問(wèn)題成為領(lǐng)域內(nèi)的一項(xiàng)研究重點(diǎn)，這就需要借助物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)打造一個(gè)科學(xué)高效的基于互聯(lián)網(wǎng)平臺(tái)的城市智能交通管理系統(tǒng)，由政府、企業(yè)、車(chē)主共同參與的多功能管理系統(tǒng)，為解決交通問(wèn)題提供支撐，實(shí)現(xiàn)對(duì)路網(wǎng)結(jié)構(gòu)的持續(xù)優(yōu)化和改進(jìn)及交通誘導(dǎo)策略動(dòng)態(tài)有效的實(shí)施，并為研究和預(yù)測(cè)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(gòu)

目前交通的構(gòu)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(guān)，城市交通問(wèn)題的解決不能局限于汽車(chē)自身，需推廣城市智能交通技術(shù)實(shí)現(xiàn)對(duì)交通問(wèn)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(kāi)發(fā)，基于數(shù)據(jù)挖掘算法及聯(lián)動(dòng)特性完成了智能交通管理系統(tǒng)的構(gòu)建，交通信息的智能化是實(shí)現(xiàn)該管理系統(tǒng)功能的關(guān)鍵所在，該系統(tǒng)層次結(jié)構(gòu)模型，如圖1所示。

主要由相應(yīng)管理模塊、指揮中心、數(shù)據(jù)交換平臺(tái)構(gòu)成，其體系結(jié)構(gòu)主要可劃分為監(jiān)控層（通過(guò)分布安裝于不同地點(diǎn)的視頻攝像頭等設(shè)備實(shí)現(xiàn)對(duì)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(guò)不同功能模塊實(shí)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(diǎn)，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(chǔ)和關(guān)鍵，本文所構(gòu)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(guò)數(shù)據(jù)挖掘技術(shù)的使用完成對(duì)各種交通信息數(shù)據(jù)（來(lái)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(duì)某路段交通路況的實(shí)時(shí)判斷，據(jù)此實(shí)現(xiàn)對(duì)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(cāng)庫(kù)，從而能夠?qū)煌鞣植技奥范螕矶虑闆r進(jìn)行科學(xué)高效的預(yù)測(cè)。該管理系統(tǒng)的數(shù)據(jù)挖掘平臺(tái)架構(gòu)（通過(guò)編寫(xiě)程序?qū)崿F(xiàn)）主要分為數(shù)據(jù)層（主要負(fù)責(zé)存儲(chǔ)多源海量數(shù)據(jù)及必要時(shí)的數(shù)據(jù)轉(zhuǎn)換）、算法層（負(fù)責(zé)完成實(shí)現(xiàn)數(shù)據(jù)挖掘的相關(guān)算法）、邏輯分析層（主要負(fù)責(zé)完成對(duì)交通信息流的預(yù)測(cè)及相應(yīng)的任務(wù)分配）及應(yīng)用層（作為分析層的輸出可根據(jù)實(shí)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(jí)及客運(yùn)信息、車(chē)輛信息及交通調(diào)查等方面的數(shù)據(jù)）和由基礎(chǔ)數(shù)據(jù)構(gòu)成的動(dòng)態(tài)數(shù)據(jù)（主要通過(guò)遙感手段及移動(dòng)終端獲?。?，所構(gòu)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(jié)構(gòu)化數(shù)據(jù)形式，進(jìn)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(guān)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(chǔ)于數(shù)據(jù)庫(kù)中，根據(jù)實(shí)際需要選用適用的挖掘算法完成對(duì)數(shù)據(jù)的分析和計(jì)算（同樣在數(shù)據(jù)庫(kù)中記錄和存儲(chǔ)）。此外，該模型還可作為用于接收反饋信息的接口，在此基礎(chǔ)上實(shí)現(xiàn)對(duì)該信息模型的評(píng)價(jià)和解釋[4]。

3.2 數(shù)據(jù)挖掘算法

針對(duì)交通管理系統(tǒng)構(gòu)建的數(shù)據(jù)挖掘模型綜合應(yīng)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(yù)測(cè)算法為主的交通流量挖掘算法主要負(fù)責(zé)對(duì)城市道路交通流的基本情況進(jìn)行實(shí)時(shí)反映，本文設(shè)計(jì)了一種組合預(yù)測(cè)算法，通過(guò)綜合運(yùn)用BP神經(jīng)網(wǎng)絡(luò)和交通流量序列分割法實(shí)現(xiàn)了對(duì)實(shí)際道路交通流情況的有效反映，針對(duì)交通模式主要通過(guò) K-Means聚類算法的使用實(shí)現(xiàn)在不同維度上（包括時(shí)間和流量）的劃分，然后在此基礎(chǔ)上針對(duì)交通流數(shù)據(jù)通過(guò)使用BP神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)建模預(yù)測(cè)過(guò)程。道路交通流挖掘算法流程為：開(kāi)啟交通信號(hào)控制系統(tǒng)后，獲取實(shí)時(shí)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(yù)測(cè)值，無(wú)需信號(hào)切換則結(jié)束挖掘算法，繼續(xù)信號(hào)切換則重新開(kāi)始獲取交通流量并計(jì)算預(yù)測(cè)值[5]。

交通擁堵事件挖掘算法具體流程如圖5所示。

需先對(duì)原始交通流數(shù)據(jù)進(jìn)行處理后采用有效的數(shù)據(jù)結(jié)構(gòu)進(jìn)行展示，并進(jìn)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(kù)中完成針對(duì)當(dāng)前數(shù)據(jù)的比較和匹配，最后根據(jù)得出的結(jié)果完成對(duì)道路交通流量擁堵情況的判斷。實(shí)際應(yīng)用過(guò)程中需以道路情況為依據(jù)對(duì)模式庫(kù)進(jìn)行實(shí)時(shí)更新，并對(duì)模式庫(kù)進(jìn)行不斷優(yōu)化實(shí)現(xiàn)匹配時(shí)間的有效縮短。道路交通流量空間聚類算法（針對(duì)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(shí)間序列）間的關(guān)聯(lián)性進(jìn)行分析，采用明可夫斯基距離函數(shù)對(duì)數(shù)據(jù)對(duì)象間的相似性進(jìn)行有效表示，通過(guò)對(duì)新的類內(nèi)聚度臨界約束進(jìn)行設(shè)置使其小于類間距離，進(jìn)而使類的內(nèi)聚性得到顯著提升;通過(guò)采用類的合并和分類優(yōu)化聚類算法實(shí)現(xiàn)整體的最優(yōu)[6]。

4 智能交通管理系統(tǒng)功能與實(shí)現(xiàn)

4.1 智能交通管理系統(tǒng)的聯(lián)動(dòng)

作為交通事件的一種執(zhí)行過(guò)程系統(tǒng)聯(lián)動(dòng)主要負(fù)責(zé)在發(fā)生交通聯(lián)動(dòng)事件的情況下，根據(jù)系統(tǒng)對(duì)交通事件狀況做出的評(píng)判自動(dòng)執(zhí)行相應(yīng)動(dòng)作，同時(shí)向工作人員發(fā)出相應(yīng)的提示信息，從而實(shí)現(xiàn)對(duì)城市交通更高質(zhì)量的調(diào)度管理過(guò)程。針對(duì)不同交通事件聯(lián)動(dòng)系統(tǒng)能夠整合內(nèi)外部進(jìn)行綜合處理（同時(shí)記載處理過(guò)程），聯(lián)動(dòng)系統(tǒng)具有可重用性的預(yù)案庫(kù)有效簡(jiǎn)化了用戶配置過(guò)程，聯(lián)動(dòng)以出現(xiàn)一個(gè)或多個(gè)監(jiān)控對(duì)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(dòng)作，在此基礎(chǔ)上實(shí)現(xiàn)對(duì)交通各路資源的統(tǒng)一協(xié)調(diào)和調(diào)度，聯(lián)動(dòng)執(zhí)行示意圖，如圖6所示。

聯(lián)動(dòng)觸發(fā)源主要包括基于時(shí)間和報(bào)警條件的觸發(fā)源與具有統(tǒng)一且可擴(kuò)展特點(diǎn)的基于數(shù)據(jù)庫(kù)或消息的觸發(fā)源，可重用的聯(lián)動(dòng)系統(tǒng)的預(yù)案庫(kù)能夠提供簡(jiǎn)潔的配置途徑，預(yù)案庫(kù)由預(yù)先定義了一個(gè)聯(lián)動(dòng)動(dòng)作的預(yù)案項(xiàng)構(gòu)成（可執(zhí)行包括語(yǔ)音播報(bào)、畫(huà)面操作等在內(nèi)的動(dòng)作），觸發(fā)源同預(yù)案項(xiàng)間具有映射關(guān)系。由各聯(lián)動(dòng)構(gòu)成了聯(lián)動(dòng)關(guān)系庫(kù)（包含了系統(tǒng)的所有聯(lián)動(dòng)行為），一個(gè)聯(lián)動(dòng)關(guān)系可包含多個(gè)觸發(fā)源，各觸發(fā)源同聯(lián)動(dòng)關(guān)系一一對(duì)應(yīng)[7]。

4.2 系統(tǒng)主要功能模塊的實(shí)現(xiàn)

智能交通管理系統(tǒng)功能結(jié)構(gòu)示意圖，如圖7所示。

主要由應(yīng)用表示層、業(yè)務(wù)邏輯層、數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)處理層、接口層構(gòu)成。（1） 交通狀態(tài)實(shí)時(shí)判斷，系統(tǒng)完成交通流數(shù)據(jù)的實(shí)時(shí)采集后由交通流模式庫(kù)里的挖掘算法進(jìn)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(biāo)記不同路況。執(zhí)行道路擁堵算法之前，對(duì)采集的原始數(shù)據(jù)進(jìn)行清洗處理以便有效避免一些無(wú)關(guān)數(shù)據(jù)及異常數(shù)據(jù)帶來(lái)的干擾，進(jìn)而確保判斷結(jié)果更加準(zhǔn)確，完成數(shù)據(jù)清洗后，結(jié)合相關(guān)數(shù)據(jù)和具體算法要求完成對(duì)交通狀況的判斷及交通流模式庫(kù)的生成，同時(shí)校驗(yàn)歷史監(jiān)控?cái)?shù)據(jù)。將交通流的數(shù)據(jù)通過(guò)使用挖掘算法進(jìn)行循環(huán)處理實(shí)現(xiàn)交通擁堵?tīng)顩r判斷結(jié)果的準(zhǔn)確獲取，并將其存儲(chǔ)到數(shù)據(jù)庫(kù)中用于系統(tǒng)自動(dòng)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(biāo)記，然后在聯(lián)動(dòng)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(dǎo)設(shè)備中自動(dòng)發(fā)送，通過(guò)這些設(shè)備完成道路信息的及時(shí)發(fā)布，據(jù)此實(shí)現(xiàn)對(duì)車(chē)流量的引導(dǎo)，進(jìn)而有效緩解交通擁堵情況。考慮到聯(lián)動(dòng)系統(tǒng)可能存在一定的誤判率，結(jié)合運(yùn)用人工控制方式，在檢測(cè)到交通數(shù)據(jù)發(fā)生變化時(shí)先切換路口監(jiān)控人工確定真實(shí)性后再向引導(dǎo)設(shè)備傳輸[8]。（2） 交通信號(hào)控制，以交通量的預(yù)測(cè)信息為依據(jù)對(duì)交通流信息進(jìn)行提前判斷，通過(guò)控制交通信號(hào)疏散交通流，以實(shí)現(xiàn)對(duì)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(shí)間、定期的優(yōu)化控制）、采用交叉口協(xié)調(diào)算法綜合設(shè)計(jì)的單一區(qū)域（主要針對(duì)交通流量、飽和度及車(chē)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(shí)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(shí)際交通習(xí)慣為依據(jù)通過(guò)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(jìn)行實(shí)施）的設(shè)計(jì)。（3） 關(guān)聯(lián)挖掘算法，主要包括針對(duì)異常情況、交通事故高發(fā)路段、虛假車(chē)輛及嫌疑車(chē)輛信息等方面的關(guān)聯(lián)挖掘算法，在事故現(xiàn)場(chǎng)挖掘車(chē)輛關(guān)聯(lián)性，篩選車(chē)輛相關(guān)信息、獲取特定車(chē)輛運(yùn)行軌跡，并進(jìn)行預(yù)測(cè);對(duì)不同時(shí)段內(nèi)的車(chē)輛行駛軌跡進(jìn)行分析，結(jié)合所采集到的車(chē)輛信息判斷車(chē)輛駕駛情況的正常與否及車(chē)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(guò)地理顯示軟件提供具體信息[9]。

5 總結(jié)

隨著城市中人口和汽車(chē)保有量的不斷增加，包括交通擁堵在內(nèi)的交通運(yùn)力不足問(wèn)題日益突出，對(duì)城市管理提出了更高的要求，本文通過(guò)使用數(shù)據(jù)挖掘技術(shù)完成了一種城市智能交通管理系統(tǒng)的設(shè)計(jì)，基于所構(gòu)建的管理系統(tǒng)總體架構(gòu)，詳細(xì)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(dòng)及管理功能的實(shí)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(shí)現(xiàn)了對(duì)短期交通流量的預(yù)測(cè)功能，為優(yōu)化道路交通流空間分布模式以及實(shí)時(shí)控制和分配交通信號(hào)的實(shí)現(xiàn)提供有力支撐，可有效緩解城市交通阻塞問(wèn)題，為實(shí)現(xiàn)城市交通的智能化管理提供參考。

參考文獻(xiàn)

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

[2] 朱文杰，翁儒鴻，李鴻橋，等.基于移動(dòng)互聯(lián)網(wǎng)的軌道交通運(yùn)營(yíng)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(duì)交通領(lǐng)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(diǎn)生活服務(wù)評(píng)價(jià)方法研究[J].現(xiàn)代電子技術(shù)， 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(shè)計(jì)[J] .交通工程，2018（6）：1-7.

[8] 閆學(xué)東，劉曉冰，劉煬，等. 基于浮動(dòng)車(chē)大數(shù)據(jù)與網(wǎng)格模型的城市交通擁堵識(shí)別和評(píng)價(jià)研究[J]. 北京交通大學(xué)學(xué)報(bào)， 2019（1）：104-113.

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

（收稿日期： 2020.02.21）