摘 要：在傳統(tǒng)的公共交通管理中，由于不同行政區(qū)域間信息交流不暢，常常出現(xiàn)信息丟失等現(xiàn)象，導(dǎo)致流量管理困難。隨著大數(shù)據(jù)信息時(shí)代的到來(lái)，智能交通系統(tǒng)以其獨(dú)特的大數(shù)據(jù)方法巧妙處理龐大的交通信息。該系統(tǒng)專注于從海量數(shù)據(jù)中提煉人們所需的有價(jià)值信息，不僅優(yōu)化了出行的便利性，也為解決車輛交通決策問(wèn)題提供了實(shí)用的參考依據(jù)?；诖?，提出了一種面向決策分析的智能交通系統(tǒng)，詳細(xì)闡述了系統(tǒng)框架和數(shù)據(jù)挖掘的分析流程，深入探討了大數(shù)據(jù)方法和數(shù)據(jù)挖掘處理技術(shù)在智能交通系統(tǒng)中的構(gòu)建模塊和具體應(yīng)用，實(shí)現(xiàn)了對(duì)大量城市交通信息的快速提取、深度分析和高效處理，為改善大數(shù)據(jù)時(shí)代下的交通擁擠狀況、緩解交通壓力提供了新思路。

關(guān)鍵詞：智能交通；大數(shù)據(jù)；交通信息處理；挖掘技術(shù)；決策分析；交通壓力

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2025）02-00-03

0 引 言

大數(shù)據(jù)的充實(shí)信息和特有的輸出特性，為不受地域限制的傳輸提供了新的可能。在傳統(tǒng)的公共交通管理中，由于不同行政區(qū)域間信息交流不暢，常出現(xiàn)信息丟失等現(xiàn)象，導(dǎo)致流量管理困難。大數(shù)據(jù)在智能交通系統(tǒng)領(lǐng)域可傳輸多類型數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘技術(shù)，能夠最大限度應(yīng)用傳輸?shù)臄?shù)據(jù)，對(duì)交通管理效率提升產(chǎn)生積極影響，從而進(jìn)一步提升整體質(zhì)量。此外，數(shù)據(jù)庫(kù)的集成實(shí)現(xiàn)了分類生成數(shù)據(jù)信息與索引目錄，為實(shí)時(shí)流量管理提供了重要的參考[1]?；凇按髷?shù)據(jù)”的理念，本文可以全面整合城市交通數(shù)據(jù)資源，建立智能城市交通地理信息系統(tǒng)和智能城市交通決策分析系統(tǒng)。通過(guò)建立大數(shù)據(jù)交通信息智能城市資源中心，進(jìn)一步強(qiáng)化社會(huì)交通監(jiān)控力度，提升公共交通服務(wù)水平。

1 智能流量和數(shù)據(jù)挖掘

智能交通系統(tǒng)是社會(huì)城市化升級(jí)的必然結(jié)果，同時(shí)也是解決日趨擁擠的城市交通問(wèn)題和嚴(yán)重短缺的土地資源問(wèn)題的產(chǎn)物。隨著社會(huì)的發(fā)展，城市的規(guī)模不斷加大，城市的居民數(shù)量和個(gè)人車輛擁有量也隨之增加。在這種情況下，交通流量的增加與交通用地的矛盾十分突出。因?yàn)槌鞘腥丝诤蛙囕v極速增長(zhǎng)的影響，城市交通建設(shè)的基礎(chǔ)設(shè)施與車流量的增長(zhǎng)速率不成正比，無(wú)法滿足居民的日常出行需求。因此建立智能交通決策分析系統(tǒng)的主要目的是通過(guò)改善人/車流量的合理性來(lái)提高城市交通管理水平并提升決策可靠度，降低城市交通流量管理難度，更好地配置社會(huì)交通資源，以達(dá)到人們出行多快好省的要求。在目前階段，城市智能交通系統(tǒng)的運(yùn)用一定程度上能使城市交通問(wèn)題得到解決。然而，在信息處理方面，龐大的交通數(shù)據(jù)為系統(tǒng)帶來(lái)了繁雜的計(jì)算難題。在大數(shù)據(jù)時(shí)代，人們需專注于兩個(gè)關(guān)鍵問(wèn)題：首先，如何最大程度地利用大數(shù)據(jù)技術(shù)進(jìn)行海量數(shù)據(jù)的深入分析；其次，如何更有效地將大數(shù)據(jù)技術(shù)運(yùn)用于智能交通，以進(jìn)一步提高智能交通決策分析系統(tǒng)的性能。

數(shù)據(jù)挖掘是指在收集的大量模糊信息中通過(guò)某種技術(shù)和方法進(jìn)行數(shù)據(jù)的處理分析，挖掘出真正有價(jià)值的數(shù)據(jù)[2]。在當(dāng)今信息時(shí)代，處理龐大的數(shù)據(jù)成為一個(gè)巨大的挑戰(zhàn)，在此背景下數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。數(shù)據(jù)挖掘技術(shù)涵蓋了多種方法，其中包括分類、關(guān)聯(lián)、聚類和時(shí)間序列分析等4個(gè)主要方面。通過(guò)巧妙地運(yùn)用這些方法，智能交通系統(tǒng)能夠充分發(fā)揮大數(shù)據(jù)的潛力，從海量的交通數(shù)據(jù)中提取有價(jià)值的信息。這不僅有助于實(shí)現(xiàn)對(duì)交通流量的高效調(diào)整，更重要的是，為城市居民提供了更為便捷的出行方案。這一應(yīng)用不僅推動(dòng)了智能交通系統(tǒng)的進(jìn)步，同時(shí)在提高城市交通運(yùn)行效率和改善居民出行體驗(yàn)方面產(chǎn)生了深遠(yuǎn)的影響。智能交通系統(tǒng)的平臺(tái)架構(gòu)如圖1所示。

智能交通決策分析系統(tǒng)的建立使城市的監(jiān)控、道路管理狀況和車況信息得到優(yōu)化，能夠較好地滿足人們的需求。

智能交通架構(gòu)分為3層：信息層、網(wǎng)絡(luò)通信層、云服務(wù)層。

（1）信息層

信息層的首要任務(wù)是全面收集各類信息。車輛位置的實(shí)時(shí)采集依賴于衛(wèi)星定位終端，通過(guò)4G/5G網(wǎng)絡(luò)將定位信息傳輸至智能交通系統(tǒng)內(nèi)部的云服務(wù)器[3]。個(gè)人移動(dòng)終端網(wǎng)絡(luò)傳輸?shù)氖谴鎯?chǔ)在智能交通系統(tǒng)云服務(wù)器中的居民個(gè)人信息。云平臺(tái)服務(wù)系統(tǒng)采用多基站定位算法，模擬和計(jì)算車輛或個(gè)人的具體方位和路徑[4]。城市智能交通系統(tǒng)設(shè)有相機(jī)區(qū)域，用于實(shí)時(shí)監(jiān)控和采集車輛交通信息。通過(guò)視頻流結(jié)合有線/無(wú)線網(wǎng)絡(luò)，在智能交通系統(tǒng)的云服務(wù)平臺(tái)進(jìn)行數(shù)據(jù)的編碼、存儲(chǔ)、分發(fā)和管理。此外，居民可以通過(guò)移動(dòng)手機(jī)和其他個(gè)人移動(dòng)終端上傳GPS信息。這一全面而高效的信息采集系統(tǒng)不僅提高了交通數(shù)據(jù)的準(zhǔn)確性，也為城市交通管理提供了有力支持。這種綜合性系統(tǒng)不僅滿足了當(dāng)前城市的交通需求，還為未來(lái)智慧交通系統(tǒng)的發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)。

（2）網(wǎng)絡(luò)通信層

網(wǎng)絡(luò)通信層在整個(gè)體系中扮演著至關(guān)重要的角色，其核心職能在于通過(guò)電纜進(jìn)行數(shù)據(jù)傳輸。通過(guò)借助高速可靠的云服務(wù)轉(zhuǎn)移平臺(tái)，不僅實(shí)現(xiàn)了對(duì)WLAN網(wǎng)絡(luò)和無(wú)線網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)信息的有效管理，還為整個(gè)系統(tǒng)提供了更為穩(wěn)定和高效的數(shù)據(jù)傳輸環(huán)境。這樣的優(yōu)化不僅令數(shù)據(jù)的傳輸更為可靠，同時(shí)也為網(wǎng)絡(luò)通信的順暢運(yùn)作奠定了堅(jiān)實(shí)的基礎(chǔ)。在網(wǎng)絡(luò)通信層框架下，數(shù)據(jù)的傳輸變得更加順暢，不論是在有線還是無(wú)線網(wǎng)絡(luò)中，都能夠?qū)崿F(xiàn)高效而可靠的信息傳輸。這不僅提高了系統(tǒng)性能，同時(shí)也為未來(lái)的網(wǎng)絡(luò)通信技術(shù)發(fā)展提供了可行的方案。通過(guò)對(duì)網(wǎng)絡(luò)通信層的優(yōu)化，人們能夠確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性，為智能交通系統(tǒng)的可持續(xù)發(fā)展打下堅(jiān)實(shí)的

基礎(chǔ)。

（3）云服務(wù)層

云服務(wù)層在系統(tǒng)中扮演著關(guān)鍵角色，其主要任務(wù)涵蓋了數(shù)據(jù)的深度分析、高效存儲(chǔ)與編碼，以及對(duì)交通流量擁擠地區(qū)和擁堵程度的準(zhǔn)確預(yù)測(cè)。在擁擠的道路和繁忙的中央商務(wù)區(qū)，這一預(yù)測(cè)顯得尤為重要。更為關(guān)鍵的是，云服務(wù)層具備對(duì)交通流量大小進(jìn)行預(yù)測(cè)的能力，能夠通過(guò)優(yōu)化和升級(jí)最佳出行路徑，為用戶提供實(shí)時(shí)可查詢的全路線數(shù)據(jù)化服務(wù)。綜合性云服務(wù)層不僅能夠高效處理海量數(shù)據(jù)，而且能夠?yàn)橛脩籼峁┲悄芏鴮?shí)時(shí)的出行信息。通過(guò)其預(yù)測(cè)和優(yōu)化功能，用戶可以更加靈活地規(guī)劃行程，避開(kāi)擁堵路段，從而提升出行效率。智能云服務(wù)層的引入，不僅使交通系統(tǒng)更為智能化和高效化，還為城市居民提供了更加便捷、智能的出行體驗(yàn)。

2 大數(shù)據(jù)挖掘分析方案

智能交通決策分析系統(tǒng)的建立基于城市交通大數(shù)據(jù)的處理模型。在每日交通數(shù)據(jù)中，通過(guò)為城市的每個(gè)距離段分配獨(dú)特的ID標(biāo)記，形成了一個(gè)分割免費(fèi)標(biāo)識(shí)的數(shù)據(jù)分析庫(kù)，該數(shù)據(jù)分析庫(kù)作為城市交通道路的標(biāo)簽，用以記錄各項(xiàng)交通數(shù)據(jù)。同時(shí)，系統(tǒng)實(shí)時(shí)收集機(jī)動(dòng)車輛在道路上的行駛路徑，將車輛的地理坐標(biāo)動(dòng)態(tài)展示在相應(yīng)的道路上。利用Map Reduce作為智能交通的基礎(chǔ)框架[5]，系統(tǒng)能夠快速計(jì)算每個(gè)區(qū)段的交通流量，并進(jìn)一步判斷該部分的通暢狀況及是否存在交通擁堵。此舉為流量調(diào)度提供了有力的參考，并能夠?yàn)橛脩籼峁┳罴崖窂健?/p>

在智能交通平臺(tái)上，每輛車的行駛路線都能被隨時(shí)記錄。這些路線分為多個(gè)部分，從起點(diǎn)到終點(diǎn)都有一系列可選的路徑[6]。構(gòu)建FP樹(shù)，采用與大數(shù)據(jù)相關(guān)的FP-Growth算法，系統(tǒng)挖掘并處理大量交通數(shù)據(jù)，實(shí)現(xiàn)對(duì)每個(gè)時(shí)域段交通流量的預(yù)測(cè)。決策分析系統(tǒng)不僅可為用戶提供最佳路線推薦，同時(shí)還能做出最優(yōu)的交通決策，以縮短用戶的出行時(shí)間?；诖髷?shù)據(jù)處理模型的智能交通系統(tǒng)不僅為城市交通管理提供了高效的決策支持，同時(shí)提升了整體交通系統(tǒng)的智能化水平，為未來(lái)的城市交通發(fā)展打下了堅(jiān)實(shí)的基礎(chǔ)。

3 智能交通決策系統(tǒng)的管理與控制

3.1 智能交通決策系統(tǒng)管理模塊

（1）靜態(tài)管理

靜態(tài)管理的核心在于通過(guò)先前數(shù)據(jù)分析的結(jié)果發(fā)現(xiàn)運(yùn)輸系統(tǒng)中的問(wèn)題，并通過(guò)挖掘潛在規(guī)則來(lái)推斷運(yùn)輸系統(tǒng)的發(fā)展趨勢(shì)，以進(jìn)一步調(diào)整和改善交通系統(tǒng)。這涉及到規(guī)劃和建設(shè)城市停車場(chǎng)、道路，設(shè)置道路使用限制，例如合理安排公共車輛線路和設(shè)計(jì)單向行駛平臺(tái)的布局。靜態(tài)管理不僅僅用于解決當(dāng)前的交通問(wèn)題，更是基于過(guò)去的數(shù)據(jù)和規(guī)律來(lái)預(yù)測(cè)未來(lái)的交通需求，從而為城市交通系統(tǒng)的可持續(xù)發(fā)展提供戰(zhàn)略性指導(dǎo)。

在城市規(guī)劃中，靜態(tài)管理不再局限于基礎(chǔ)設(shè)施的管理，還包括與城市發(fā)展目標(biāo)和社會(huì)需求的協(xié)調(diào)?？紤]到道路使用的多樣性和公共交通的便捷性，只有通過(guò)科學(xué)規(guī)劃城市停車場(chǎng)和道路布局，才能夠更好地滿足居民和企業(yè)的出行需求。此外，合理設(shè)置交通規(guī)則和限制，有助于提高道路通行效率，減少交通擁堵，并優(yōu)化城市交通流。因此，靜態(tài)管理不僅僅是一種應(yīng)對(duì)當(dāng)前問(wèn)題的手段，更是為了實(shí)現(xiàn)城市交通的整體優(yōu)化和可持續(xù)發(fā)展而采取的綜合性策略。

（2）動(dòng)態(tài)管理

動(dòng)態(tài)管理系統(tǒng)扮演著運(yùn)輸系統(tǒng)的監(jiān)督指揮官角色，通過(guò)對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行采集和分析，及時(shí)做出決策[7]。其主要任務(wù)是監(jiān)控運(yùn)輸系統(tǒng)的運(yùn)行情況，并對(duì)出現(xiàn)操作異常、需要調(diào)整的區(qū)域發(fā)出協(xié)調(diào)指令，以確保整體系統(tǒng)的協(xié)同性和高效性。這種實(shí)時(shí)監(jiān)督和即時(shí)調(diào)整的機(jī)制使得運(yùn)輸系統(tǒng)能夠更靈活地應(yīng)對(duì)各種變化和挑戰(zhàn)，進(jìn)而提高整體運(yùn)行效率。動(dòng)態(tài)管理系統(tǒng)通過(guò)智能化決策機(jī)制，為運(yùn)輸系統(tǒng)的順暢運(yùn)行提供了持續(xù)而有力的支持，使得城市交通能夠更好地適應(yīng)日常需要，應(yīng)對(duì)特殊情況的發(fā)生。

（3）災(zāi)害管理

災(zāi)害管理是在發(fā)生突發(fā)性災(zāi)害時(shí)采取的一系列交通管理策略和緊急措施，包括面對(duì)水災(zāi)、火災(zāi)、暴風(fēng)雪等自然災(zāi)害時(shí)的交通疏導(dǎo)等，以確保在緊急情況下有序組織和引導(dǎo)交通流。災(zāi)害管理旨在最大程度確保人們的安全，同時(shí)最小化災(zāi)害對(duì)交通系統(tǒng)造成的不利影響。

除了基本的交通疏導(dǎo)外，災(zāi)害管理還涉及設(shè)置應(yīng)急通道、發(fā)布緊急交通通告，以及對(duì)災(zāi)害影響區(qū)域進(jìn)行實(shí)時(shí)監(jiān)測(cè)等。通過(guò)科學(xué)合理的規(guī)劃和實(shí)施，可以提高城市應(yīng)對(duì)自然災(zāi)害的能力，確保人們能夠安全有序地疏散。這一綜合交通管理戰(zhàn)略旨在降低災(zāi)害對(duì)城市交通系統(tǒng)的惡劣影響，為應(yīng)急響應(yīng)提供強(qiáng)有力的支持。

3.2 智能交通系統(tǒng)中的控制模塊

控制系統(tǒng)的主要目標(biāo)是在特定條件下使受控對(duì)象達(dá)到最佳運(yùn)行狀態(tài)。以交通燈控制系統(tǒng)為例，該系統(tǒng)的任務(wù)是有效管理各類路口的交通流量，包括周期長(zhǎng)度、綠燈信號(hào)和相位交叉口之間的差異，以確保道路網(wǎng)絡(luò)交通暢通。

在系統(tǒng)偵測(cè)到交叉路口出現(xiàn)大量交通流量和擁堵時(shí)，其智能化功能將發(fā)揮作用。通過(guò)無(wú)線電或電子顯示面板，系統(tǒng)向駕駛員發(fā)送路況信息，以緩解交叉口的擁堵。這種實(shí)時(shí)監(jiān)測(cè)和響應(yīng)機(jī)制不僅提高了交通系統(tǒng)的運(yùn)行效率，還有效緩解了交叉口的擁堵，改善了整體交通流暢性[8]。

此外，現(xiàn)代控制系統(tǒng)還可以集成先進(jìn)的交通數(shù)據(jù)分析技術(shù)。通過(guò)對(duì)歷史交通數(shù)據(jù)和實(shí)時(shí)流量的分析，控制系統(tǒng)將優(yōu)化交通信號(hào)的調(diào)度策略，進(jìn)一步提升系統(tǒng)的智能性和適應(yīng)性。通過(guò)不斷創(chuàng)新和引入新技術(shù)，控制系統(tǒng)將持續(xù)為城市交通提供更為高效和智能的管理服務(wù)。

3.3 人工智能在交通控制中的應(yīng)用

在智能交通系統(tǒng)中，人工智能技術(shù)得到了廣泛運(yùn)用，特別是在優(yōu)化交通流量控制、為駕駛員提供最佳行車路線方面發(fā)揮著重要作用，是緩解交通擁堵的關(guān)鍵手段。準(zhǔn)確預(yù)測(cè)交通流量對(duì)于有效的交通控制至關(guān)重要，目前主要采用了3種預(yù)測(cè)方法：

（1）歷史數(shù)據(jù)方法：利用運(yùn)行歷史交通數(shù)據(jù)，結(jié)合最新交通流量的檢測(cè)數(shù)據(jù)，建立相應(yīng)的預(yù)測(cè)模型[9]；

（2）時(shí)間序列方法：通過(guò)分析一定時(shí)間段內(nèi)的交通流量數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)的交通流量值；

（3）神經(jīng)網(wǎng)絡(luò)模擬方法：通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)一些不確定、復(fù)雜和非線性的過(guò)程特征進(jìn)行組合[10]，以當(dāng)前測(cè)量的流量、歷史流量、平均速度、環(huán)境條件等作為輸入，實(shí)現(xiàn)流量的準(zhǔn)確預(yù)測(cè)。

圖2展示了流量預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)控制模型。

同時(shí)，BP神經(jīng)網(wǎng)絡(luò)也被廣泛應(yīng)用于未來(lái)某個(gè)時(shí)間點(diǎn)的交通流量預(yù)測(cè)。與歷史數(shù)據(jù)方法和時(shí)間序列方法相比，BP神經(jīng)網(wǎng)絡(luò)無(wú)需時(shí)間延遲，尤其在峰值流量的預(yù)測(cè)方面表現(xiàn)出色。人工智能技術(shù)的應(yīng)用不僅提升了交通流量預(yù)測(cè)的準(zhǔn)確性，還有效縮短了預(yù)測(cè)時(shí)間，為交通系統(tǒng)的智能化和高效化提供了有力支持。

4 結(jié) 語(yǔ)

綜合以上所述，在智能交通決策分析系統(tǒng)的建設(shè)中，本文通過(guò)大數(shù)據(jù)挖掘技術(shù)的有效、迅速應(yīng)用，實(shí)現(xiàn)了對(duì)大量城市交通信息的快速提取、深度分析和高效處理。這不僅為城市交通管理決策提供了有力的參考，也為城市居民提供了更為順暢的出行服務(wù)。其對(duì)升級(jí)城市交通基礎(chǔ)設(shè)施建設(shè)具有深遠(yuǎn)的現(xiàn)實(shí)價(jià)值，促進(jìn)了城市經(jīng)濟(jì)的發(fā)展，同時(shí)也加速了信息系統(tǒng)的發(fā)展和改善。因此，城市交通服務(wù)部門(mén)應(yīng)高度重視并積極推動(dòng)這一技術(shù)的應(yīng)用，以實(shí)現(xiàn)更智能、高效、可持續(xù)的城市交通管理。這一綜合性的技術(shù)應(yīng)用有望為未來(lái)城市交通領(lǐng)域帶來(lái)更為顯著的進(jìn)步與創(chuàng)新。

注：本文通訊作者為侯發(fā)毅。

參考文獻(xiàn)

[1]許麗.基于多源數(shù)據(jù)的通勤高峰期交通流量預(yù)測(cè)方法[D].成都：西南交通大學(xué)，2017.

[2]王妍穎，黃宇.基于大數(shù)據(jù)下的北京交通擁堵評(píng)價(jià)指標(biāo)分析[J].交通運(yùn)輸系統(tǒng)工程與信息，2016，16（4）：231-240.

[3]曲程.關(guān)于大數(shù)據(jù)挖掘分析的智慧交通服務(wù)系統(tǒng)探究[J].科技創(chuàng)新導(dǎo)報(bào)，2017，14（10）：158-159.

[4] SHI Q， ABDEL-ATY M. Big data applications in real-time traffic operation and safety monitoring and improvement on urban expressways [J]. Transportation research part C： emerging technologies， 2015（58）： 380-394.

[5] TAO S， CORCORAN J， MATEO-BABIANO I， et al. Exploring bus rapid transit passenger travel behaviour using big data [J]. Applied geography， 2014（53）： 90-104.

[6] BITAM S， MELLOUK A. ITS-cloud： cloud computing for intelligent transportation system [C]// 2012 IEEE Global Communications Conference. Anaheim， CA， USA： IEEE， 2012： 2054-2059.

[7] MERSHAD K， ARTAIL H. Finding a star in a vehicular cloud [J]. IEEE intelligent transportation systems magazine， 2013（2）： 55-68.

[8] ZHOU J， HU R Q， QIAN Y. A Scalable vehicular network architecture for traffic information sharing [J]. IEEE journal on selected areas in communications， 2013， 31（9）： 85-93.

[9]魏宏業(yè)，呂永波，劉志碩.基于數(shù)據(jù)挖掘的智能交通系統(tǒng)的決策方法研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2003（1）：23-27.

[10] NARLA S. The evolution of connected vehicle technology from smart drivers to smart cars to self-driving cars [J]. Institute of transportation engineers， 2013， 83（7）： 22-26.

作者簡(jiǎn)介：侯發(fā)毅（1983—），男，碩士，工程師，研究方向?yàn)榇髷?shù)據(jù)。

張瀟月（1997—），女，研究方向?yàn)榇髷?shù)據(jù)。

收稿日期：2024-01-13 修回日期：2024-02-23