基于大数据挖掘的智能交通决策分析系统

1. 引言

大数据丰富于数据丰富且内容充实，结合大数据的独特输出，使得大数据的传输不受区域限制。在传统的公共交通管理中，不同行政区域之间的交通管理信息交换不够顺畅，经常发生信息丢失，导致交通管理效果不佳。大数据在智能交通系统中的应用可以传输各类数据，结合数据挖掘技术，能够最大化利用数据信息，对交通管理的效率和质量产生积极影响。此外，通过数据库的整合完成数据信息的分类，并生成索引目录，为实时交通障碍提供参考。基于“大数据采集与集成”规划，通过全方位整合城市交通数据资源，可建立智慧城市交通地理信息系统和智慧城市交通决策分析系统，进而构建智慧城市大数据交通信息资源中心，从而提升社会管理能力和公共服务水平。

2. 智能交通与数据挖掘

智能交通是城市化进程不断推进的产物，是日益严峻的城市交通问题和土地资源短缺的必然结果。随着城市规模的持续发展，城市人口和车辆保有量不断增加，在此情况下，交通流量增长与有效交通用地之间的矛盾日益加剧。受多种因素影响，城市交通基础设施无法跟上交通流量的增长速度，更难以满足人们出行顺畅的需求，而建立智能交通决策系统的主要目的就是通过提高交通决策的合理性来提升城市交通管理水平，缓解城市交通压力，充分利用现有交通资源，满足人们便捷、顺畅出行的需求。从实际应用来看，由于智能交通的应用，交通问题在一定程度上得到了缓解。

海量交通数据给信息处理系统带来了巨大压力，因此在大数据时代，如何利用大数据技术对海量数据进行数据挖掘分析，如何使其更好地为智能交通系统服务，从而更好地服务于智能交通，推动智能交通服务系统的进一步完善，成为关键问题。

数据挖掘是利用科学技术与方法来收集和处理信息，从而从海量、模糊的数据信息中挖掘出有价值的信息。在信息时代，海量数据给数据处理带来了巨大压力。数据挖掘是大数据时代的必然要求。数据挖掘主要包括4个方面，即分类分析、相关性分析、聚类分析、时间序列分析。通过这4种分析方法的应用，从海量数据信息中提取有效信息，供智能交通服务系统使用，该系统将为交通流调整和人们出行提供决策建议和指导。

智能交通系统平台架构

建立智能交通决策系统旨在更好地监控和管理城市道路状况信息及车辆状态，以满足人们便捷顺畅出行的需求。智能交通的架构分为三层。

信息层

信息层的主要功能是信息采集。通过卫星定位终端实时采集车辆的位置信息和交通信息，并通过4G网络传输至智能交通云服务器。移动终端网络将居民个人移动终端的相关信息传输至智能交通云服务器。云平台运行多基站定位算法，模拟并计算车辆或个人的具体位置和路线。

城市交通可在区域部署摄像头进行交通信息的实时监控与采集，通过有线或无线网络将视频流经编码过程传输至云服务平台，由云服务平台实现数据传输、存储、分发和管理。居民也可通过手机等个人移动终端上传GPS信息。

网络通信层

其主要功能是通过电缆、无线局域网和2G/4G网络，将高速和可靠的数据信息传输至云端服务平台。

云服务层

主要负责数据编码的转换、分析和存储，预测交通拥堵时间及拥堵程度，特别是在拥挤道路和中央商务区，为用户交通提供交通预测、路径优化和实时公交信息查询服务。

3. 大数据挖掘分析方案智能交通决策系统

该系统基于城市道路交通的大数据分析模型构建。在日常交通路段中，每隔一定距离的城市区域分配一个ID标签作为无分割标志，从而建立全市道路的标签库。机动车在道路上的位置和行驶路径将被实时采集，并将其地理坐标位置显示在相应的道路上。通过MapReduce框架，系统能够快速计算出各路段的交通流量，进而判断该路段是否畅通以及是否存在交通拥堵。因此，可为交通调度提供有力参考，并向用户推荐最佳路径。在智能交通平台上，每辆汽车的行驶路线将随时被记录。总体路线被划分为多个路段，从起点到终点之间存在多条可达路线。利用FP‐Growth关联算法对大数据进行处理，通过构建FP树，挖掘并分析大数据，根据系统记录的各路段拥堵系数，决策系统还能在做出便捷交通决策的同时为用户推荐最优路线，从而节省用户的出行时间。

4. 智能交通决策系统的管理与控制

4.1 智能交通决策系统管理模块

• 静态管理 :
  关键是根据交通系统前期数据分析的结果发现问题，并基于这些结果挖掘潜在规律，从而推断交通系统的发展规律，进而调整和优化交通系统。它包括城市停车场和道路的建设规划，以及道路使用限制，例如公共交通线路的安排和单向行驶时沿线站台的布局。

• 动态管理 ：
  管理系统作为指挥官，用于监控所有交通系统的运行情况。根据数据采集组件显示的实时数据，随时做出决策。对于运行不佳且需要调整的地方，将向控制系统发出协调指令。

• 灾害管理 ：
  针对水灾、火灾、暴雪等重大自然灾害等突发灾害所采取的交通管理策略和应急措施，如交通疏导。

4.2 智能交通系统中的控制模块

The main purpose of control system is to make the controlled object in specific conditions处于最佳运行状态。例如，在交通信号灯控制系统中，控制系统可以控制交叉口的交通流量，包括周期长度、绿灯信号以及交叉口之间的相位差，以确保道路网络中的交通量畅通。此外，如果系统检测到交叉口交通流量大且出现拥堵，系统可以通过无线电或电子显示屏向驾驶员发送阻塞信息，从而诱导交通流，缓解交叉口的拥堵。

4.3 人工智能在交通控制中的应用

In the intelligent transportation system, the dynamic traffic can be allocated according to real-time traffic flow information at intersections, providing drivers with optimal driving routes, while traffic volume prediction is an important mitigation measure for traffic control. 目前，交通流预测方法有三种：一是历史数据法，即利用历史数据并结合当前交通流量的实测数据建立相应的预测模型；二是时间序列方法，即通过了解过去某一时间段的交通流量来预测未来交通；三是神经网络模拟法，即利用神经网络模拟一些不确定、复杂和非线性过程特征，结合当前实测流量、历史流量平均速度、环境条件等作为输入。同时，采用BP神经网络对未来某一时刻的流量进行预测。与历史数据法和时间序列法相比，该方法不存在时间延迟，尤其在峰值流量预测方面表现更为优越。

5. 结论

In summary, 在智能交通系统中，大数据挖掘技术可用于高效、快速地提取、分析和处理城市交通信息数据。这不仅可为城市交通管理的决策提供有力参考，还能为城市居民提供便捷服务。对于改善城市交通基础设施、促进城市经济发展以及加快信息系统提升具有重要的实际意义。城市交通服务部门应重视该技术的应用。