高忠文 牛孜飏

摘 要：针对城市道路交通系统汽车流量时空分布严重不均且难以预测，极易引发交通拥堵的问题，基于城市交通监控系统中采集到的海量视频数据，结合模式识别技术与大数据挖掘方法，提出建立城市道路交通中车辆日常出行模式的方法。为进一步优化交通信号配时、调控交通流量、提高交通管理效率和道路资源利用率进而改善交通拥堵状况，提供有效的数据支持。

关键词：大数据;交通流量;模式分析

DOI：10.15938/j.jhust.2018.06.022

中图分类号： TP273

文献标志码： A

文章编号： 1007-2683（2018）06-0124-04

Abstract：In view of the urban road traffic systems temporal and spatial distribution is severe unevenly，and we cannot predict the situation of the roads，it is easily to lead to traffic jam.In order to solve the problem，we could build the system of vehicle trips in urban road traffic，which combined with  pattern recognize technique nique and data mining method，and based on the massive video data collected by the urban traffic monitoring sysem.The system can offer effective data support to optimizing traffic signal timing furtherly ，regulating traffic flow improving traffic management efficiency and road traffic resource utilization eventually improve traffic congestion.

Keywords：big data; traffic flow; mode analysis

0 引 言

城市交通擁堵问题一直是一项世界性的难题。目前我国正处于城镇化爆炸式发展时期，大中城市居民私家车保有量大幅度增加，大量存在的交通拥堵问题亟待解决。然而城市道路交通所产生的交通拥堵是阶段性发生的，如果交通指挥系统能提前分析掌握交通流量起伏变化的时空规律并加以分析，这必将对缓解交通拥堵问题大有助益。而传统的OD调查方法代价极高、过程繁琐。大数据挖掘方法概念一经提出便已促进能源、医疗、服务等大量传统产业产生了巨大变革，推动了诸多行业的发展进步[1-5]。不少专家学者也在研究运用目前炙手可热的大数据分析方法来解决交通问题[6-8]。文献[9-10]中应用车型聚类分析对检测范围内的车流前进速度进行高效的检测。文献[11]提出借助Intergraph GeoMedia建立GIS平台，将道路交叉口车辆数据、交通设施数据、交通事故数据等结合起来，进行事故分析检测。……