数据挖掘技术在智能交通信息处理中的研究与应用

陈靖

摘要：随着技术快速地发展，智能交通技术也在随着时代发生着巨大的变化。我国作为一个人口大国，各方面的资源都是非常短缺的，所以如何将各种资源物尽其用是我国各方面专家研究的重点。交通也是一样，如何能够快捷、方便、合理地使用道路，减轻道路压力成为交通方面专家讨论的热门话题。智能交通中使用了很多技术，像统计学、信息处理学、通讯学等。

关键词：数据挖掘；聚类

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）25-0007-02

1 绪论

1.1 研究背景

新时代世界各国在自身发展的同时，越来越关心本国的交通状况。可以说，交通运输业是衡量一个国家是否发达和兴旺的重要标志之一，不仅是因为现代交通运输业有效地促进了人和物的交流，也大大节省了人们出行时间，提高了工作效率；与此同时，交通运输业的快速发展也存在着诸多弊病，例如：车祸事故、尾气污染等，在发达国家或者是发展中国家都存在着这类问题。为此我们必须优化城市的交通枢纽，运用合理的技术来做支撑，为人们提供一片发展的乐土，同时也要推动城市的蓬勃发展。

1.2 研究意义

互联网已经被广泛地应用于各个场所，我国属于人口大国，在经济迅速发展地带领下，越来越多的铁路、公路开始兴建，车辆数量呈现逐年快速递增的趋势，实现交通枢纽的自动化、智能化已经成为迫在眉睫的事情。与此同时，我国的智能交通系统处于起步阶段，如何在最大程度上发挥交通设施的功效，是当前我们需要解决的重要问题。发展智能交通是为了更好地解决我国交通运输行业的发展瓶颈，但是要必须结合我国交通道路发展的基本国情，形成属于具有我国自身发展特色的智能交通发展道路[1]。

数据挖掘技术是当前科学研究的热点话题之一，其中涉及机器学习、人工智能、数据库学习、可视化学习等多门学科内容，科研者正在尝试将数据挖掘技术应用到智能交通信息处理的领域中，相信在不久的未来，一定能见到成效。

1.3 国内外研究的现状

世界各国对于智能交通系统的研究和发展是不同步的，较为突出的当选欧洲和日本的一些国家，最初阶段交通安全、经济成本、污染程度是被优先考虑的。像美国在落后于其他发达情况下进行智能交通的研究，采用不断深入浅出的方式进行研究领域和內容，不断获得研究成果，形成了具有自身特点的体系。同样我国目前和之前的美国是一样的。我们是否可以从美国的发展中来获取经验[2]。将主要研究目标放在对交通流的控制和诱导上，但是智能交通本身具有不确定性、不稳定性、实时性以及内部结构复杂性等特点，很难系统的进行处理与分析。但是数据挖掘技术的出现能够帮助我们实时的分析较短时间内的交通流，将最为适宜的控制变量计算出来，能够对智能交通系统发挥着重要作用[3]。

2 智能交通系统简介

2.1 智能交通管理系统概论

智能交通管理系统（Intelligent Traffic Management System）是将驾驶员、车辆、路线三者紧密联系起来，利用信息处理技术、通信技术、传感器技术等各方面技术综合的应用到整个智能交通管理系统中去，从而实现快捷化、简单化以及方便化的具有特色的新型智能交通管理系统。这也是目前全球公认的解决城市道路拥挤、提高城市道路交通效率、改善道路交通环境的最好途径。相信在以后的时间中，智能交通将会打破旧的交通模式，形成新的交通模式，成为交通管理进入新时代的划时代标记[4]。

城市化进程地推动，使得汽车成为千家万户出行的首选，不论是在经济高速发展的发达国家，还是在经济滞后的发展中国家。交通安全问题和事故都已成为阻碍城市发展的阻力，交通污染、排放物增加、能源消耗是伴随城市交通而出现的另一些重要问题。想要解决交通拥挤问题，最好的办法就是投入大量的资金建设多条道路交通措施，提高路网的通行能力，但是筹措资金是一件更大的难题，与此同时，交通系统是一个十分复杂的动态系统，但光从减少车辆或者是增加车道的角度还是无法解决根本上的问题。

在种种因素的制约下，我们应当综合考虑车辆和道路问题，充分利用现有的道路交通设施，在现有的道路上提高交通运输效率，减少资金和时间的投入，应用先进技术系统的、全面的解决交通问题。

2.2 智能交通系统的主要技术

2.2.1 枚举算法

枚举算法其实就是从所有情况中选出符合条件的情况，该算法有两个前提：（1）首先可以确定所有情况目标；（2）所有情况的范围在找出目标情况之前必须有一个确定的集合。枚举算法其实就是将所有情况一一的列举出来，然后根据条件，一个一个的比较。选出符合条件的情况，讲不符合情况的条件都舍去。使用枚举算法来进行数据分析的基本步骤如下：（1）确定枚举对象、范围和判定条件。（2）逐一枚举可能的解并验证每个解是否是问题的解。枚举算法检查步骤：（1）确定解题的可能范围，不能遗漏任何一个真正解，同时避免重复。（2）判定是否是真正解的方法。（3）为了提解决问题的效率，使可能解的范围将至最小。

2.2.2 聚类分析

聚类分析是一种将数据有相似特性的数据进行归纳。同一类型的数据它们总体上一样，不同类之间它们总体上不一样。聚类分析可以建立一个宏观模型，发现数据的分布规律，以及我们看不见的一些隐性的规律。

2.2.3 分类

分类就是将所有对象进行分门别类。通常都是事先先进行一个粗略的归纳，找出一个常见的类出来，然后再将所有对象进行一个个地归纳。这种方法可以粗略地看到一些容易得到的结果，但是对于深层次的结果是分析不出来的。但是这种算法胜在简单、方便，作为辅助算法还是值得使用的。

2.2.4 预测

预测是使用过去的数据和以往的经验来就行分析，得出某些推论，然后根据推论来推测现在的情况。这种方法不具备时效性和准确性，通常都是辅助其他分析方法进行分析的。

2.3 本章小结

智能交通在我国应用的一些特点：

（1）跨行业特点。智能交通系统建设涉及众多行业领域，是社会广泛参与的复杂巨型系统工程，从而造成复杂的行业间协调问题。

（2）技术领域特点。智能交通系统综合了交通工程、信息工程、控制工程、通信技术、计算机技术等众多科学领域的成果，需要众多领域的技术人员共同协作。

（3）政府、企业、科研单位及高等院校共同参与，恰当的角色定位和任务分担是系统有效展开的重要前提条件。

（4）智能交通系统将主要由移动通信、传感器、云计算等新”等新技术领导[5]。

参考文献：

[1] 黄捷.智能交通系统国内外现状分析[J].企业导报，2012（11）：100-100.

[2] 孟晓明.浅谈数据挖掘技术[J].计算机应用与软件，2004（10）：26-35.

[3] 黄晓霞.萧蕴诗.数据挖掘集成技术研究[J].计算机应用研究，2003（4）：37-39.

[4] 王阳.张春华.数据挖掘技术应用及发展趋势[J].信息化与网络设，2003（4）：47-48.

【通联编辑：唐一东】