城市智能交通管理系統開發與實現

滕威

摘 要： 對城市智能交通管理系統進行了研究和開發，通過充分運用數據挖掘技術完成了一種智能交通管理系統的設計及系統多層體系結構的構建。闡述了系統交通數據集合及多方聯動的實現路徑，詳細介紹了各功能模塊的設計與實現方案。通過數據挖掘技術，完成了交通流模式庫的構建，在此基礎上完成對城市短時間內交通流量的預測，并對城市交通流擁堵情況進行科學合理的分析挖掘。據此進一步完善和優化城市道路交通流分布模式。

關鍵詞： 城市交通; 智能管理系統; 數據挖掘; 交通流; 實現路徑

中圖分類號： U 215.1 ? ? ?文獻標志碼： 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

隨著改革開放的深入發展，我國的社會經濟總量不斷增長，其中一項增長較為明顯的就是汽車數量，汽車已經成為日常出行中必不可少的交通工具，在為生產生活帶來巨大便利的同時，為城市交通管理帶來了極大的挑戰，成為急需解決的一項社會問題，如何解決運用現代化技術和方法解決城市交通管理難題成為領域內的一項研究熱點，目前智能交通管理系統已經成為提高城市交通系統管理效率及交通運力的有效途徑，在城市智能系統的開發與應用過程中通常會通過綜合運用包括信息通信、網絡計算、大數據、云計算等在內的多項現代化技術實現交通信號的采集和當前交通狀況的獲取，然后據此制定出有效的交通管理方案，幫助城市交通中的參與者通過不同渠道實現所需交通信息的獲取，進而減緩城市交通壓力[1]。

1 需求分析

作為政府公共管理中的重要職能之一，城市道路交通管理需要行政部門采取行政手段（以相關法律法規等為依據）監督管理交通活動及相關要素，隨著我國經濟的不斷發展城鎮化得到了快速發展，不斷增加的城市人口規模引發了許多亟待解決的問題，尤其是規模不斷擴大的城市路網帶來的日益復雜的城市交通系統結構，交通擁堵等問題愈發突顯，傳統的城市交通管理已經難以滿足日益增長的出行需求，對交通管理及服務能力提出了更高的要求。城市交通作為城市正常運行的基本和重要保障，已經是政府、市民的關注焦點，逐年增加的汽車保有量在為日常出行帶來極大便利的同時，也帶來了包括交通擁堵、噪聲及空氣污染等在內的一系列交通問題，很多城市采取了包括調整交通規則、車輛限行、車牌搖號等在內的應對措施，但交通管理質量及效率仍然有待提升，現階段由靜態交通引發的城市問題日益凸顯，為此各城市不斷進行諸多有益探索，不斷發展完善的計算機為了信息、云計算、大數據等現代技術為平臺式的城市交通管理模式提供了強大的技術支撐，通過有效的管理平臺解決城市交通問題成為領域內的一項研究重點，這就需要借助物聯網和大數據技術打造一個科學高效的基于互聯網平臺的城市智能交通管理系統，由政府、企業、車主共同參與的多功能管理系統，為解決交通問題提供支撐，實現對路網結構的持續優化和改進及交通誘導策略動態有效的實施，并為研究和預測交通行為及容量提供數據支撐[1]。

2 智能交通管理系統總體架構

目前交通的構成元素呈現多樣化，并同土地、住房及城市交通發展等密切相關，城市交通問題的解決不能局限于汽車自身，需推廣城市智能交通技術實現對交通問題的有效緩解，本文從城市交通數據挖掘出發完成了一種智能交通管理系統的開發，基于數據挖掘算法及聯動特性完成了智能交通管理系統的構建，交通信息的智能化是實現該管理系統功能的關鍵所在，該系統層次結構模型，如圖1所示。

主要由相應管理模塊、指揮中心、數據交換平臺構成，其體系結構主要可劃分為監控層（通過分布安裝于不同地點的視頻攝像頭等設備實現對各區域內道路交通情況的有效監控）、管理層（主要通過不同功能模塊實現具體的事故處理、交警調度等功能）和決策層（由交通指揮中心以各類事故情況為依據完成決策分析及綜合指揮）[2]。

城市交通管理系統中的數據信息普遍具有分布分散且數量較多的特點，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統智能化及信息化水平的基礎和關鍵，本文所構建的基于數據挖掘的系統功能模塊，如圖2所示。

智能交通管理系統先通過數據挖掘技術的使用完成對各種交通信息數據（來源不同，包括區域地理信息、交通信息流等）的清洗和轉換處理等，完成對某路段交通路況的實時判斷，據此實現對交通事故頻繁路段的分析和判斷，并不斷豐富和完善交通管理系統的數據倉庫，從而能夠對交通流分布及路段擁堵情況進行科學高效的預測。該管理系統的數據挖掘平臺架構（通過編寫程序實現）主要分為數據層（主要負責存儲多源海量數據及必要時的數據轉換）、算法層（負責完成實現數據挖掘的相關算法）、邏輯分析層（主要負責完成對交通信息流的預測及相應的任務分配）及應用層（作為分析層的輸出可根據實際需求使用）[3]。

3 智能交通管理系統的數據挖掘算法

3.1 數據挖掘模型

本文交通管理系統中主要可劃分為靜態數據（主要包括城市地表路形、城市地理交通、交通管理、道路等級及客運信息、車輛信息及交通調查等方面的數據）和由基礎數據構成的動態數據（主要通過遙感手段及移動終端獲取），所構建的系統的數據挖掘模型，如圖3所示。

該模型采用非結構化數據形式，進一步豐富了在線數據采集的途徑，采用數據的聚類關聯等數據挖掘算法完成數據的處理加工后將其存儲于數據庫中，根據實際需要選用適用的挖掘算法完成對數據的分析和計算（同樣在數據庫中記錄和存儲）。此外，該模型還可作為用于接收反饋信息的接口，在此基礎上實現對該信息模型的評價和解釋[4]。

3.2 數據挖掘算法

針對交通管理系統構建的數據挖掘模型綜合應用了包括道路交通流量及其擁堵事件挖掘算法、交通流量空間聚類算法等在內的多種數據挖掘算法，如圖4所示。

以道路交通流量預測算法為主的交通流量挖掘算法主要負責對城市道路交通流的基本情況進行實時反映，本文設計了一種組合預測算法，通過綜合運用BP神經網絡和交通流量序列分割法實現了對實際道路交通流情況的有效反映，針對交通模式主要通過 K-Means聚類算法的使用實現在不同維度上（包括時間和流量）的劃分，然后在此基礎上針對交通流數據通過使用BP神經網絡算法實現建模預測過程。道路交通流挖掘算法流程為：開啟交通信號控制系統后，獲取實時的交通流量，然后采用交通流量挖掘算法獲取交通流量的預測值，無需信號切換則結束挖掘算法，繼續信號切換則重新開始獲取交通流量并計算預測值[5]。

交通擁堵事件挖掘算法具體流程如圖5所示。

需先對原始交通流數據進行處理后采用有效的數據結構進行展示，并進行數據分段分層處理（以數據屬性的差異為依據），然后在模式庫中完成針對當前數據的比較和匹配，最后根據得出的結果完成對道路交通流量擁堵情況的判斷。實際應用過程中需以道路情況為依據對模式庫進行實時更新，并對模式庫進行不斷優化實現匹配時間的有效縮短。道路交通流量空間聚類算法（針對交通流不同空間分布模式）能夠對不同數據模式（屬于高維度的時間序列）間的關聯性進行分析，采用明可夫斯基距離函數對數據對象間的相似性進行有效表示，通過對新的類內聚度臨界約束進行設置使其小于類間距離，進而使類的內聚性得到顯著提升;通過采用類的合并和分類優化聚類算法實現整體的最優[6]。

4 智能交通管理系統功能與實現

4.1 智能交通管理系統的聯動

作為交通事件的一種執行過程系統聯動主要負責在發生交通聯動事件的情況下，根據系統對交通事件狀況做出的評判自動執行相應動作，同時向工作人員發出相應的提示信息，從而實現對城市交通更高質量的調度管理過程。針對不同交通事件聯動系統能夠整合內外部進行綜合處理（同時記載處理過程），聯動系統具有可重用性的預案庫有效簡化了用戶配置過程，聯動以出現一個或多個監控對象狀態作為觸發條件，并以具體情況為依據執行多路動作，在此基礎上實現對交通各路資源的統一協調和調度，聯動執行示意圖，如圖6所示。

聯動觸發源主要包括基于時間和報警條件的觸發源與具有統一且可擴展特點的基于數據庫或消息的觸發源，可重用的聯動系統的預案庫能夠提供簡潔的配置途徑，預案庫由預先定義了一個聯動動作的預案項構成（可執行包括語音播報、畫面操作等在內的動作），觸發源同預案項間具有映射關系。由各聯動構成了聯動關系庫（包含了系統的所有聯動行為），一個聯動關系可包含多個觸發源，各觸發源同聯動關系一一對應[7]。

4.2 系統主要功能模塊的實現

智能交通管理系統功能結構示意圖，如圖7所示。

主要由應用表示層、業務邏輯層、數據存儲層、數據處理層、接口層構成。（1） 交通狀態實時判斷，系統完成交通流數據的實時采集后由交通流模式庫里的挖掘算法進行分析并獲取道路交通狀況，然后在系統界面上并以不同顏色標記不同路況。執行道路擁堵算法之前，對采集的原始數據進行清洗處理以便有效避免一些無關數據及異常數據帶來的干擾，進而確保判斷結果更加準確，完成數據清洗后，結合相關數據和具體算法要求完成對交通狀況的判斷及交通流模式庫的生成，同時校驗歷史監控數據。將交通流的數據通過使用挖掘算法進行循環處理實現交通擁堵狀況判斷結果的準確獲取，并將其存儲到數據庫中用于系統自動讀取和后續查詢，展示的數據變化情況采用不同的標記，然后在聯動系統作用下生成路網圖，由系統向各交通崗路口的引導設備中自動發送，通過這些設備完成道路信息的及時發布，據此實現對車流量的引導，進而有效緩解交通擁堵情況。考慮到聯動系統可能存在一定的誤判率，結合運用人工控制方式，在檢測到交通數據發生變化時先切換路口監控人工確定真實性后再向引導設備傳輸[8]。（2） 交通信號控制，以交通量的預測信息為依據對交通流信息進行提前判斷，通過控制交通信號疏散交通流，以實現對市區內交通流量的有效控制，交通控制系統從單一路口（主要采用單時間、定期的優化控制）、采用交叉口協調算法綜合設計的單一區域（主要針對交通流量、飽和度及車速等）和兼顧所有區域和路口的頂層控制（采用綜合協調優化控制策略）實施控制，交通信息的獲取途徑包括歷史道路流信息和路網信息，以交通信息特征和實際交通習慣為依據通過優先模式控制算法的使用完成合理控制策略（由各區域和各路口進行實施）的設計。（3） 關聯挖掘算法，主要包括針對異常情況、交通事故高發路段、虛假車輛及嫌疑車輛信息等方面的關聯挖掘算法，在事故現場挖掘車輛關聯性，篩選車輛相關信息、獲取特定車輛運行軌跡，并進行預測;對不同時段內的車輛行駛軌跡進行分析，結合所采集到的車輛信息判斷車輛駕駛情況的正常與否及車輛信息的正確性;根據區域的交通擁堵情況分析交通事故高發路段情況，并通過地理顯示軟件提供具體信息[9]。

5 總結

隨著城市中人口和汽車保有量的不斷增加，包括交通擁堵在內的交通運力不足問題日益突出，對城市管理提出了更高的要求，本文通過使用數據挖掘技術完成了一種城市智能交通管理系統的設計，基于所構建的管理系統總體架構，詳細闡述了系統各模塊的功能，介紹了基于數據挖掘算法的系統聯動及管理功能的實現路徑，該系統的交通流量數據挖掘及數據分類使交通管理中的數據處理效率得以有效提升，實現了對短期交通流量的預測功能，為優化道路交通流空間分布模式以及實時控制和分配交通信號的實現提供有力支撐，可有效緩解城市交通阻塞問題，為實現城市交通的智能化管理提供參考。

參考文獻

[1] 主洪任.城市智能交通管理系統在應對突發交通事故中的運用研究[J].數字技術與應用，2018（11）：40-43.

[2] 朱文杰，翁儒鴻，李鴻橋，等.基于移動互聯網的軌道交通運營安全隱患排查系統研發[J]. 城市軌道交通研究， 2019（11）：67-70.

[3] 張祎. 對交通領域大數據和人工智能的“冷”思考——2018年交通智能化的“熱”與“冷”[J].交通與港航， 2019（1）：93-95.

[4] 翁小雄，劉永鑫，盧炬康. 基于大數據挖掘的城市公交站點生活服務評價方法研究[J].現代電子技術， 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] 薛寶華，史巖.北京城市副中心智慧交通管理系統規劃研究與設計[J] .交通工程，2018（6）：1-7.

[8] 閆學東，劉曉冰，劉煬，等. 基于浮動車大數據與網格模型的城市交通擁堵識別和評價研究[J]. 北京交通大學學報， 2019（1）：104-113.

[9] 何志濤，田鐵紅，孫世臻，等.基于大數據技術的視頻監控應用研究與探索[J]. 數字技術與應用， 2017（1）：95-96.

（收稿日期： 2020.02.21）