基于數(shù)據(jù)挖掘技術(shù)的交通流量分析

黃柏然

廣西博聯(lián)信息通信技術(shù)有限責(zé)任公司

基于數(shù)據(jù)挖掘技術(shù)的交通流量分析

黃柏然

廣西博聯(lián)信息通信技術(shù)有限責(zé)任公司

交通流量預(yù)測是研究智能交通系統(tǒng)的重要課題，通過交通流量預(yù)測方法對(duì)相關(guān)數(shù)據(jù)進(jìn)行建模，預(yù)測未來交通流量，進(jìn)一步更好地制定忙時(shí)交通分流預(yù)案，配備合適的運(yùn)營資源。本文闡述了數(shù)據(jù)挖掘技術(shù)的主要方法以及交通流量預(yù)測與BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測的主要步驟，對(duì)基于數(shù)據(jù)挖掘技術(shù)的交通流量進(jìn)行了探討分析。

數(shù)據(jù)挖掘技術(shù)；交通流量預(yù)測；BP神經(jīng)網(wǎng)絡(luò)模型；Matlab軟件

隨著城市建設(shè)的不斷推進(jìn)，促進(jìn)了交通運(yùn)輸?shù)陌l(fā)展，同時(shí)交通擁堵和事故、環(huán)境污染以及能源消耗問題越來越嚴(yán)重。為了保障交通運(yùn)輸?shù)慕】蛋l(fā)展，必須加強(qiáng)交通流量預(yù)測的分析。

一、數(shù)據(jù)挖掘技術(shù)的主要方法

數(shù)據(jù)挖掘技術(shù)的主要方法：（1）聚類分析法。聚類分析是通過將數(shù)據(jù)對(duì)象進(jìn)行聚類分組，然后形成板塊，將毫無邏輯的數(shù)據(jù)變成了有聯(lián)系性的分組數(shù)據(jù)，然后從其中獲取具有一定價(jià)值的數(shù)據(jù)內(nèi)容進(jìn)行進(jìn)一步的利用。由于這種分析方法不能夠較好的就數(shù)據(jù)類別、屬性進(jìn)行分類，所以聚類分析法一般都運(yùn)用在心理學(xué)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)識(shí)別等方面。（2）人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是通過大批量的數(shù)據(jù)進(jìn)行分析，而這種數(shù)據(jù)分析方式本身是建立在一定的數(shù)據(jù)模型基礎(chǔ)上的，因此通常都可以隨時(shí)根據(jù)數(shù)據(jù)需求進(jìn)行分類，所以人工神經(jīng)網(wǎng)絡(luò)也是當(dāng)下數(shù)據(jù)挖掘技術(shù)中最常用的一種數(shù)據(jù)分析方式之一。（3）關(guān)聯(lián)性分析法。有時(shí)數(shù)據(jù)本身存在一定的隱蔽性使得很難通過普通的數(shù)據(jù)分析法進(jìn)行數(shù)據(jù)挖掘和利用，這就需要通過關(guān)聯(lián)性分析法完成對(duì)于數(shù)據(jù)信息的關(guān)聯(lián)性識(shí)別，來幫助人力完成對(duì)于數(shù)據(jù)分辨的任務(wù)，這種數(shù)據(jù)分析方法通常是帶著某種目的性進(jìn)行的，因此比較適用于對(duì)數(shù)據(jù)精準(zhǔn)度相對(duì)較高的信息管理工作。（4）特征性數(shù)據(jù)分析法。網(wǎng)絡(luò)數(shù)據(jù)隨著信息時(shí)代的到來變成了數(shù)據(jù)爆炸式，其數(shù)據(jù)資源十分廣泛并且得到了一定的普及，如何就網(wǎng)絡(luò)爆炸式數(shù)據(jù)進(jìn)行關(guān)于特性的分類就成為了當(dāng)下數(shù)據(jù)整理分類的主要內(nèi)容。在上文中提到的人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析也屬于這其中的一種，此外還有很多方法都是通過計(jì)算機(jī)來進(jìn)行虛擬數(shù)據(jù)的分類，尋找數(shù)據(jù)之間存在的普遍規(guī)律性完成數(shù)據(jù)的特性分析從而進(jìn)行進(jìn)一步分類。

二、交通流量預(yù)測與BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測的主要步驟

1、交通流量預(yù)測的分析。現(xiàn)有短時(shí)交通流量預(yù)測方法大致可以分為：第一、以數(shù)理統(tǒng)計(jì)和微積分等傳統(tǒng)數(shù)學(xué)和物理方法為基礎(chǔ)的，其主要包括早期的歷史平均模型，自回歸滑動(dòng)平均模型（ARMA），以及后來研究的更復(fù)雜、更精度的多元回歸模型，Kalman濾波模型，ARIMA模型等；第二、無數(shù)學(xué)模型的預(yù)測方法，其需要自己建立新的算法來實(shí)現(xiàn)，主要方法有非參數(shù)回歸，譜分析法，基于小波理論的方法，神經(jīng)網(wǎng)絡(luò)等。

2、BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測的主要步驟。BP神經(jīng)網(wǎng)絡(luò)模型把一組樣本的I/O的輸入輸出問題轉(zhuǎn)化一個(gè)非線性優(yōu)化的問題，其實(shí)際是優(yōu)化中梯度下降法。假如把這種神經(jīng)網(wǎng)絡(luò)的看作是從輸入層到輸出層的映射，則這個(gè)映射是一個(gè)高度非線性得關(guān)系。

首先是要對(duì)訓(xùn)練樣本進(jìn)行選取和預(yù)處理，結(jié)合研究狀況以及目標(biāo)，選取合適的訓(xùn)練樣本和檢驗(yàn)樣本，由于BP神經(jīng)網(wǎng)絡(luò)各層轉(zhuǎn)換函數(shù)以及學(xué)習(xí)規(guī)則是不同的，所以在輸入樣本之前要對(duì)輸入的樣本作預(yù)處理；然后再去確定建造BP網(wǎng)絡(luò)的結(jié)構(gòu)，這包括變量的選取，隱層和隱層節(jié)點(diǎn)數(shù)的選取等問題；把輸入樣本輸入到BP神經(jīng)網(wǎng)絡(luò)模型中，再進(jìn)行仿真訓(xùn)練；而后預(yù)測出該網(wǎng)絡(luò)的輸出值，再拿該期望值與實(shí)際輸出進(jìn)行比較，根據(jù)誤差去反復(fù)的修改誤差，從而改變權(quán)值以及閾值，直到誤差一個(gè)可接受的范圍，完了再用檢驗(yàn)樣本進(jìn)行對(duì)比，判斷結(jié)果；然后對(duì)結(jié)果進(jìn)行比較分析，最后認(rèn)可該網(wǎng)絡(luò)模型的算法，就可以對(duì)未來交通流量進(jìn)行精確地預(yù)測。

三、基于數(shù)據(jù)挖掘技術(shù)的交通流量分析

BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)：首先是對(duì)模型的建立、數(shù)據(jù)采集并且預(yù)處理，然后對(duì)輸入到模型特征向量的數(shù)據(jù)進(jìn)行預(yù)測、通過預(yù)測的數(shù)值去判斷是否符合實(shí)際數(shù)值等。該模型網(wǎng)絡(luò)的建立是整個(gè)系統(tǒng)是否成功的關(guān)鍵，并且只要選擇的數(shù)據(jù)完備、可靠、準(zhǔn)確，才有可能得到符合預(yù)測的網(wǎng)絡(luò)模型。數(shù)據(jù)的采取需要有實(shí)時(shí)的數(shù)據(jù)采集系統(tǒng)。事實(shí)上預(yù)處理的過程要求根據(jù)數(shù)據(jù)的實(shí)際情況進(jìn)行預(yù)處理，本文研究的交通流量數(shù)據(jù)都是來自交通監(jiān)控部門，故具有完備的、一致的，因此要首先要對(duì)其進(jìn)行數(shù)據(jù)變換。對(duì)于系統(tǒng)的輸出數(shù)值是否滿足實(shí)際數(shù)值，只要將其所得到的預(yù)測值和數(shù)學(xué)期望值進(jìn)行比較，所得的數(shù)值滿足在數(shù)學(xué)期望值的附近且其誤差值小于預(yù)先設(shè)定的誤差值時(shí)，就可以認(rèn)為該系統(tǒng)可以成功預(yù)測交通流量，可以先把它記下來；反之，認(rèn)為將得不到合適的數(shù)值，需要不斷的改變權(quán)值。

對(duì)輸入到網(wǎng)絡(luò)模型特征向量數(shù)據(jù)進(jìn)行預(yù)測：首先建立合適的網(wǎng)絡(luò)模型，將對(duì)應(yīng)的交通流量的特征向量數(shù)據(jù)預(yù)處理后，輸入到網(wǎng)絡(luò)進(jìn)行訓(xùn)練，仿真訓(xùn)練結(jié)束后，用檢驗(yàn)樣本的特征向量進(jìn)行檢驗(yàn)，然后用最后一組數(shù)據(jù)對(duì)該模型測試，分析其模型的實(shí)際是否有效，判斷其是否是符合實(shí)際交通流量預(yù)測的模型。只要特征向量的數(shù)值的選擇較為合適，就有可能建立起較為合適的模型，可以用此來對(duì)交通流量進(jìn)行預(yù)測。所以BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于交通流量的預(yù)測中是可行的。

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測模型建立可以知道，在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)解決現(xiàn)實(shí)存在的問題中，網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的確定，訓(xùn)練算法和參數(shù)的選取，只能通過大量的科學(xué)實(shí)驗(yàn)，最后通過計(jì)算獲得，這占用了大量編程人員的大量時(shí)間和精力，然而Matlab軟件提供了這些便捷，其提供了現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱，即是它擁有這方面大量地函數(shù)庫。Matlab軟件的神經(jīng)網(wǎng)絡(luò)工具箱應(yīng)該是囊括了現(xiàn)在所有的網(wǎng)絡(luò)模型，例如：徑向基函數(shù)網(wǎng)絡(luò)，BP網(wǎng)絡(luò)，線性網(wǎng)絡(luò)，感知器等等網(wǎng)絡(luò)模型。對(duì)于這些模型，Matlab軟件中的庫函數(shù)提供了大量地算法模型。

結(jié)束語

城市化建設(shè)進(jìn)程的加快，使得交通運(yùn)輸問題日趨增多；而交通流量的預(yù)測可以對(duì)現(xiàn)有的交通設(shè)施進(jìn)行合理利用，有效緩解交通擁堵現(xiàn)象，降低交通事故發(fā)生率，從而保障交通運(yùn)輸?shù)氖孢m安全。

［1］陳建偉，李麗坤.數(shù)據(jù)挖掘技術(shù)研究［J］.數(shù)字技術(shù)與應(yīng)用，2016（01）

［2］段冰.基于DE-BP神經(jīng)網(wǎng)絡(luò)模型的旅游客源預(yù)測［J］.價(jià)值工程，2010（34）

［3］高海峰.智能交通系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究［J］.數(shù)字技術(shù)與應(yīng)用，2016（05）