数据挖掘在智慧交通领域的应用研究

数据挖掘在智慧交通领域的应用研究

发表时间：2018-06-27T11:49:57.120Z 来源：《建筑学研究前沿》2018年第3期作者：黄瑞

[导读] 众所周知，在我国市场主义经济高速发展的社会背景下，传统的交通控制系统已经不能够顺应时代发展潮流。

摘要：如何在智慧交通领域中灵活应用数据挖掘是二十一新世纪以来我国关注的一个重要问题，需要有关部门及个人引起高度重视与广泛关注。本文主要介绍了数据挖掘的基本含义，并在此基础上探析数据挖掘在智慧交通领域的实例应用，进而提出一些建设性意见，为推动智慧交通领域的发展贡献微薄之力。

关键字：数据挖掘；智慧交通；领域；基本含义；应用

引言：众所周知，在我国市场主义经济高速发展的社会背景下，传统的交通控制系统已经不能够顺应时代发展潮流。鉴于此，我们应该创新变革交通控制系统，做到与时俱进，不与时代脱轨。所谓“智慧交通”，其实就是指城市交通以及城市土地资源的作用下衍生的自然产物，其能够解决现阶段存在的种种交通问题，具有不可磨灭的重要作用，其能够保障城市的稳定与发展。今天，本文就以“数据挖掘在智慧交通领域的应用”为主题进行探析。

一、数据挖掘的基本含义

笔者通过查询相关资料可知，我们借助某些有效的方法，并在此基础上处理信息，在多种多样的信息进行层层筛选，最终挖掘出有效信息以及可靠信息，我们通常将这一完整的过程称之为“数据挖掘”。随着我国国民经济的飞速发展，我国的信息科学技术以迅雷不及掩耳之势飞速发展，这也标志着我们正处于信息化时代。正是在这样的时代背景下，数据挖掘在各行各业中的应用频率越来越高。数据挖掘包含的内容丰富多样，呈现出多元化的趋势，可谓是形成了一种“百家争鸣百花齐放”的局面，主要包含有分类分析、时间序列分析、聚类分析、以及关联分析四大方面，如下所示：第一，关于分类分析的内容。其的本质是指我们将已知的数据信息进行分类，进而在此基础上预测某些未知数据。据调查可知，数据信息的整理分类离不开数据模型的构建，现阶段，决策树模型以及朴素贝叶斯模型在我们分类数据信息的时候应用频率最高[1]；第二，关于时间序列分析的内容。其的本质是指严格遵循恒定的时间顺序来科学合理地排列数据，并在此基础上进行详细计算，进而能够获取目标模式，此模式的重复发生概率较高。随后，预测未知数据；第三，关于聚类分析的内容。通常情况下，对于宏观的数据提取，我们多采用聚类分析，进而明确数据信息的分布规律，掌握数据信息之间存在的相似性[2]；第四，关于关联分析的内容。其的本质是指两个及其以上的数据之间存在关联，那么我们可以分析其中一个数据，并在此基础上预测与这一个数据有关联的其他未知数据。这样做的主要目的是有效利用数据信息之间的关联，进而能够提高挖掘信息的效率以及质量[3]。

二、数据挖掘在智慧交通领域的应用

正所谓“纸上得来终觉浅，绝知此事要躬行。”通过不断的实践证明，将数据挖掘合理应用到智慧交通领域，具有至关重要的积极作用。某一个城市在建设智慧交通领域的过程中，城市人口呈直线上升趋势，进而导致该城市交通不可避免地存在各种各样的问题。正是在这样的社会背景下，智慧交通建设应运而生，并且其是构成智慧城市的关键部分。显而易见的是，智慧城市的构成部分多种多样，建设智慧城市能够创新管理系统，进而推动城市建设。鉴于此，我们应该重视智慧交通的建设工作，并在开展此工作的过程中灵活应用数据挖掘技术。笔者结合自身多年的工作经验以及查询的有关资料，提出以下见解：第一，建立相应的数据模型。结合该城市数据信息处理中心记录的交通数据，我们可以在此基础上建立相应的数据模型。这里需要注意的是，我们在提取交通数据信息的时候，应该选择有效性以及代表性的数据信息。据调查可知，智慧城市的管理平台能够促使建立的数据模型趋于规模化以及真实化。该城市四月份、五月份、以及六月份在同一区域的高峰期交通流量数据如表一所示，表中的车辆流量以及人民流量的数值均是取其平均值[4]；

第二，处理交通数据信息。显而易见的是，我们不管是使用哪种方式来收集交通数据信息，都不可避免地会存在问题，人工输入方式会出容易出现误差，而检测器自动输入方式则会容易出现故障。正所谓“追根溯源”，才能够做到“对症下药”。据调查可知，检测器发生故障的时候，就会导致交通数据信息存在较小误差，进而导致收集的交通数据信息不够精准。除此之外，人工输入方式更容易出现收集问题，影响人工输入数据信息准确性的因素多种多样，无法做到完全规避，进而经常出现数据收集问题。鉴于此，我们应该明确存在的种种问题，做到具体问题具体分析，进而应该彻底删除无效数据信息、错误数据信息、以及重复数据信息，此类数据信息处理方式，我们称之为“分类处理”。分类处理方式首先将海量的交通数据信息进行划分，通常划分为有效数据信息与无效数据信息，并在此基础上进行更详细的划分；

第三，构建挖掘模型。为了将数据挖掘的应用价值发挥得淋漓尽致，我们应该构建挖掘模型。比如，我们要想准确预测未来一定时间范围之内的交通车流量，就应该在以往收集起来的交通数据信息的基础上采取聚类分析的方式，前提是严格遵循时间顺序，从而能够发现这段时间内的交通车流量时空方面的变化；

第四，深入剖析挖掘数据的结果。一般情况下，我们完成数据挖掘之后，应该结合最后的数据挖掘结果来进一步分析城市交通信息，进而能够准确预测在将来的某一段时间之内交通车辆的流量以及人民的流量，并做到具体问题具体分析，进而能够采取有效措施来加以预防，这样做的主要目的是为了避免出现交通拥挤的不良现象，有效提高城市交通的安全性以及流通性，推动智慧交通领域的进一步发展。据调查可知，在智慧交通领域中科学合理地应用数据挖掘技术具有不可磨灭的重要作用。比如，现阶段，我国多数城市的交通系统中都设有网络电子站牌，其中就应用到了数据挖掘技术，进而能够方便人民群众的出行[5]。

三、结束语

综上所述，随着社会的不断发展，我国的交通行业得到质的飞跃，逐渐完成了由量变到质变的转化。在这样的社会背景下，交通行业

取得一定成效。然而“金无足赤人无完人”，我国各个城市交通逐渐出现许多问题，拥堵现象层出不穷，严重影响了人民群众的日常出行。鉴于此，我们应该灵活运用智慧交通，并且在智慧交通领域中合理应用数据挖掘技术，进而解决交通拥堵问题，并且准确预测未来一段时间内交通情况，及时做好预防措施，推动城市的进一步发展。。

参考文献：

[1]尹克坚.浅析数据挖掘在智慧交通领域中的应用[J].信息通信,2013,(10):92-92,93.

[2]王静远,李超,熊璋, 等.以数据为中心的智慧城市研究综述[J].计算机研究与发展,2014,(2):237-259.

[3]赵民.深基坑复合土钉墙支护与降排水措施初探[J].建筑工程技术与设计,2017,(18):485-485.

[4]陈功.数据挖掘技术在智慧交通中的应用[D].电子科技大学,2016.

[5]刘韬.基于大数据的南昌市交管局交通管理策略研究[D].江西财经大学,2017.