滕威

摘 要： 对城市智能交通管理系统进行了研究和开发，通过充分运用数据挖掘技术完成了一种智能交通管理系统的设计及系统多层体系结构的构建。阐述了系统交通数据集合及多方联动的实现路径，详细介绍了各功能模块的设计与实现方案。通过数据挖掘技术，完成了交通流模式库的构建，在此基础上完成对城市短时间内交通流量的预测，并对城市交通流拥堵情况进行科学合理的分析挖掘。据此进一步完善和优化城市道路交通流分布模式。

关键词： 城市交通; 智能管理系统; 数据挖掘; 交通流; 实现路径

中图分类号： U 215.1      文献标志码： 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

隨着改革开放的深入发展，我国的社会经济总量不断增长，其中一项增长较为明显的就是汽车数量，汽车已经成为日常出行中必不可少的交通工具，在为生产生活带来巨大便利的同时，为城市交通管理带来了极大的挑战，成为急需解决的一项社会问题，如何解决运用现代化技术和方法解决城市交通管理难题成为领域内的一项研究热点，目前智能交通管理系统已经成为提高城市交通系统管理效率及交通运力的有效途径，在城市智能系统的开发与应用过程中通常会通过综合运用包括信息通信、网络计算、大数据、云计算等在内的多项现代化技术实现交通信号的采集和当前交通状况的获取，然后据此制定出有效的交通管理方案，帮助城市交通中的参与者通过不同渠道实现所需交通信息的获取，进而减缓城市交通压力[1]。

1 需求分析

作为政府公共管理中的重要职能之一，城市道路交通管理需要行政部门采取行政手段（以相关法律法规等为依据）监督管理交通活动及相关要素，随着我国经济的不断发展城镇化得到了快速发展，不断增加的城市人口规模引发了许多亟待解决的问题，尤其是规模不断扩大的城市路网带来的日益复杂的城市交通系统结构，交通拥堵等问题愈发突显，传统的城市交通管理已经难以满足日益增长的出行需求，对交通管理及服务能力提出了更高的要求。城市交通作为城市正常运行的基本和重要保障，已经是政府、市民的关注焦点，逐年增加的汽车保有量在为日常出行带来极大便利的同时，也带来了包括交通拥堵、噪声及空气污染等在内的一系列交通问题，很多城市采取了包括调整交通规则、车辆限行、车牌摇号等在内的应对措施，但交通管理质量及效率仍然有待提升，现阶段由静态交通引发的城市问题日益凸显，为此各城市不断进行诸多有益探索，不断发展完善的计算机为了信息、云计算、大数据等现代技术为平台式的城市交通管理模式提供了强大的技术支撑，通过有效的管理平台解决城市交通问题成为领域内的一项研究重点，这就需要借助物联网和大数据技术打造一个科学高效的基于互联网平台的城市智能交通管理系统，由政府、企业、车主共同参与的多功能管理系统，为解决交通问题提供支撑，实现对路网结构的持续优化和改进及交通诱导策略动态有效的实施，并为研究和预测交通行为及容量提供数据支撑[1]。

2 智能交通管理系统总体架构

目前交通的构成元素呈现多样化，并同土地、住房及城市交通发展等密切相关，城市交通问题的解决不能局限于汽车自身，需推广城市智能交通技术实现对交通问题的有效缓解，本文从城市交通数据挖掘出发完成了一种智能交通管理系统的开发，基于数据挖掘算法及联动特性完成了智能交通管理系统的构建，交通信息的智能化是实现该管理系统功能的关键所在，该系统层次结构模型，如图1所示。

主要由相应管理模块、指挥中心、数据交换平台构成，其体系结构主要可划分为监控层（通过分布安装于不同地点的视频摄像头等设备实现对各区域内道路交通情况的有效监控）、管理层（主要通过不同功能模块实现具体的事故处理、交警调度等功能）和决策层（由交通指挥中心以各类事故情况为依据完成决策分析及综合指挥）[2]。

城市交通管理系统中的数据信息普遍具有分布分散且数量较多的特点，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统智能化及信息化水平的基础和关键，本文所构建的基于数据挖掘的系统功能模块，如图2所示。

智能交通管理系统先通过数据挖掘技术的使用完成对各种交通信息数据（来源不同，包括区域地理信息、交通信息流等）的清洗和转换处理等，完成对某路段交通路况的实时判断，据此实现对交通事故频繁路段的分析和判断，并不断丰富和完善交通管理系统的数据仓库，从而能够对交通流分布及路段拥堵情况进行科学高效的预测。该管理系统的数据挖掘平台架构（通过编写程序实现）主要分为数据层（主要负责存储多源海量数据及必要时的数据转换）、算法层（负责完成实现数据挖掘的相关算法）、逻辑分析层（主要负责完成对交通信息流的预测及相应的任务分配）及应用层（作为分析层的输出可根据实际需求使用）[3]。

3 智能交通管理系统的数据挖掘算法

3.1 数据挖掘模型

本文交通管理系统中主要可划分为静态数据（主要包括城市地表路形、城市地理交通、交通管理、道路等级及客运信息、车辆信息及交通调查等方面的数据）和由基础数据构成的动态数据（主要通过遥感手段及移动终端获取），所构建的系统的数据挖掘模型，如图3所示。

该模型采用非结构化数据形式，进一步丰富了在线数据采集的途径，采用数据的聚类关联等数据挖掘算法完成数据的处理加工后将其存储于数据库中，根据实际需要选用适用的挖掘算法完成对数据的分析和计算（同样在数据库中记录和存储）。此外，该模型还可作为用于接收反馈信息的接口，在此基础上实现对该信息模型的评价和解释[4]。

3.2 数据挖掘算法

针对交通管理系统构建的数据挖掘模型综合应用了包括道路交通流量及其拥堵事件挖掘算法、交通流量空间聚类算法等在内的多种数据挖掘算法，如图4所示。

以道路交通流量预测算法为主的交通流量挖掘算法主要负责对城市道路交通流的基本情况进行实时反映，本文设计了一种组合预测算法，通过综合运用BP神经网络和交通流量序列分割法实现了对实际道路交通流情况的有效反映，针对交通模式主要通过 K-Means聚类算法的使用实现在不同维度上（包括时间和流量）的划分，然后在此基础上针对交通流数据通过使用BP神经网络算法实现建模预测过程。道路交通流挖掘算法流程为：开启交通信号控制系统后，获取实时的交通流量，然后采用交通流量挖掘算法获取交通流量的预测值，无需信号切换则结束挖掘算法，继续信号切换则重新开始获取交通流量并计算预测值[5]。

交通拥堵事件挖掘算法具体流程如图5所示。

需先对原始交通流数据进行处理后采用有效的数据结构进行展示，并进行数据分段分层处理（以数据属性的差异为依据），然后在模式库中完成针对当前数据的比较和匹配，最后根据得出的结果完成对道路交通流量拥堵情况的判断。实际应用过程中需以道路情况为依据对模式库进行实时更新，并对模式库进行不断优化实现匹配时间的有效缩短。道路交通流量空间聚类算法（针对交通流不同空间分布模式）能够对不同数据模式（属于高维度的时间序列）间的关联性进行分析，采用明可夫斯基距离函数对数据对象间的相似性进行有效表示，通过对新的类内聚度临界约束进行设置使其小于类间距离，进而使类的内聚性得到显著提升;通过采用类的合并和分类优化聚类算法实现整体的最优[6]。

4 智能交通管理系统功能与实现

4.1 智能交通管理系统的联动

作为交通事件的一种执行过程系统联动主要负责在发生交通联动事件的情况下，根据系统对交通事件状况做出的评判自动执行相应动作，同时向工作人员发出相应的提示信息，从而实现对城市交通更高质量的调度管理过程。针对不同交通事件联动系统能够整合内外部进行综合处理（同时记载处理过程），联动系统具有可重用性的预案库有效简化了用户配置过程，联动以出现一个或多个监控对象状态作为触发条件，并以具体情况为依据执行多路动作，在此基础上实现对交通各路资源的统一协调和调度，联动执行示意图，如图6所示。

联动触发源主要包括基于时间和报警条件的触发源与具有统一且可扩展特点的基于数据库或消息的触发源，可重用的联动系统的预案库能够提供简洁的配置途径，预案库由预先定义了一个联动动作的预案项构成（可执行包括语音播报、画面操作等在内的动作），触发源同预案项间具有映射关系。由各联动构成了联动关系库（包含了系统的所有联动行为），一个联动关系可包含多个触发源，各触发源同联动关系一一对应[7]。

4.2 系统主要功能模块的实现

智能交通管理系统功能结构示意图，如图7所示。

主要由应用表示层、业务逻辑层、数据存储层、数据处理层、接口层构成。（1） 交通状态实时判断，系统完成交通流数据的实时采集后由交通流模式库里的挖掘算法进行分析并获取道路交通状况，然后在系统界面上并以不同颜色标记不同路况。执行道路拥堵算法之前，对采集的原始数据进行清洗处理以便有效避免一些无关数据及异常数据带来的干扰，进而确保判断结果更加准确，完成数据清洗后，结合相关数据和具体算法要求完成对交通状况的判断及交通流模式库的生成，同时校验历史监控数据。将交通流的数据通过使用挖掘算法进行循环处理实现交通拥堵状况判断结果的准确获取，并将其存储到数据库中用于系统自动读取和后续查询，展示的数据变化情况采用不同的标记，然后在联动系统作用下生成路网图，由系统向各交通岗路口的引导设备中自动发送，通过这些设备完成道路信息的及时发布，据此实现对车流量的引导，进而有效缓解交通拥堵情况。考虑到联動系统可能存在一定的误判率，结合运用人工控制方式，在检测到交通数据发生变化时先切换路口监控人工确定真实性后再向引导设备传输[8]。（2） 交通信号控制，以交通量的预测信息为依据对交通流信息进行提前判断，通过控制交通信号疏散交通流，以实现对市区内交通流量的有效控制，交通控制系统从单一路口（主要采用单时间、定期的优化控制）、采用交叉口协调算法综合设计的单一区域（主要针对交通流量、饱和度及车速等）和兼顾所有区域和路口的顶层控制（采用综合协调优化控制策略）实施控制，交通信息的获取途径包括历史道路流信息和路网信息，以交通信息特征和实际交通习惯为依据通过优先模式控制算法的使用完成合理控制策略（由各区域和各路口进行实施）的设计。（3） 关联挖掘算法，主要包括针对异常情况、交通事故高发路段、虚假车辆及嫌疑车辆信息等方面的关联挖掘算法，在事故现场挖掘车辆关联性，筛选车辆相关信息、获取特定车辆运行轨迹，并进行预测;对不同时段内的车辆行驶轨迹进行分析，结合所采集到的车辆信息判断车辆驾驶情况的正常与否及车辆信息的正确性;根据区域的交通拥堵情况分析交通事故高发路段情况，并通过地理显示软件提供具体信息[9]。

5 总结

随着城市中人口和汽车保有量的不断增加，包括交通拥堵在内的交通运力不足问题日益突出，对城市管理提出了更高的要求，本文通过使用数据挖掘技术完成了一种城市智能交通管理系统的设计，基于所构建的管理系统总体架构，详细阐述了系统各模块的功能，介绍了基于数据挖掘算法的系统联动及管理功能的实现路径，该系统的交通流量数据挖掘及数据分类使交通管理中的数据处理效率得以有效提升，实现了对短期交通流量的预测功能，为优化道路交通流空间分布模式以及实时控制和分配交通信号的实现提供有力支撑，可有效缓解城市交通阻塞问题，为实现城市交通的智能化管理提供参考。

参考文献

[1] 主洪任.城市智能交通管理系统在应对突发交通事故中的运用研究[J].数字技术与应用，2018（11）：40-43.

[2] 朱文杰，翁儒鸿，李鸿桥，等.基于移动互联网的轨道交通运营安全隐患排查系统研发[J]. 城市轨道交通研究， 2019（11）：67-70.

[3] 张祎. 对交通领域大数据和人工智能的“冷”思考——2018年交通智能化的“热”与“冷”[J].交通与港航， 2019（1）：93-95.

[4] 翁小雄，刘永鑫，卢炬康. 基于大数据挖掘的城市公交站点生活服务评价方法研究[J].现代电子技术， 2019（2）：67-70.

[5] Eleonora DAndrea，Francesco 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] 薛宝华，史岩.北京城市副中心智慧交通管理系统规划研究与设計[J] .交通工程，2018（6）：1-7.

[8] 闫学东，刘晓冰，刘炀，等. 基于浮动车大数据与网格模型的城市交通拥堵识别和评价研究[J]. 北京交通大学学报， 2019（1）：104-113.

[9] 何志涛，田铁红，孙世臻，等.基于大数据技术的视频监控应用研究与探索[J]. 数字技术与应用， 2017（1）：95-96.

（收稿日期： 2020.02.21）