智慧交通运行状态数据分析系统的应用研究

2018-09-21王少山

机电信息 2018年27期

王少山

（山西交控集团，山西太原030000）

0 引言

随着人们生活水平的不断提高，越来越多的人开始购买汽车作为其日常出行的交通工具，造成机动车数量的迅猛增加，给城市道路交通系统带来了极大的压力，各个城市均面临着快速发展的交通系统与滞后的城市交通道路建设之间的矛盾。对于越来越频发的交通拥堵、运输效率低下等问题，传统的靠人力指挥疏通的方式已经无法满足对现代高速发展的交通系统的通行要求，因此，能够科学合理地对路面交通进行监控、指挥的智慧交通系统应运而生，极大地提升了城市交通的管理水平，确保了交通安全，提升了运输效率[1]。但随着时代的快速进步，现代智慧交通系统面临着数据信息量大，对关键信息的识别、处理困难等难题，因此如何对大量、复杂、繁琐的交通数据信息进行快速分类处理，将其转化为可快速识别的信息，用于对交通系统进行管理，便成了迫切需要研究的课题。

1 智慧交通运行状态数据分析系统的架构

智慧交通运行状态数据分析系统的整体结构如图1所示，该分析控制系统主要包括数据储存层、数据准备层、算法工具层、分析逻辑层及应用层。数据储存层主要用于汇总、储存智慧交通系统所收集到的各类的监测数据；数据准备层主要用于对系统设定的各指定数据进行专门的打包分类及初步处理；算法工具层主要用于对存储隔离在数据准备层内的各类信息按照系统设定的算法工具进行逻辑运算，转换为合成数据；分析逻辑层则用于对各合成数据和系统设定的原始控制数据进行分析对比，确认各合成数据的逻辑工作状态；应用层主要用于根据逻辑分析结果在智慧交通的末端执行相应的控制，例如红绿灯控制、堵塞路段数据信息播报及导航等功能。

2 Apriori算法原理

在该数据分析系统中，最主要的为算法工具层，为了确保对各类数据信息分析的准确性，本文采用了Apriori算法工具[2]，该算法的基本思想为先对所有数据中的频繁项集合进行标记，然后在各分析数据之间形成相应的关联规则，确保在一个数据迭代流程内完成所有数据的录入和检索。

在实际运算时Apriori算法采用的是一种类似逐层确认的迭代算法，其核心是利用标定的频繁项集合，先产生频繁项集合1#，然后利用该产生的频繁项集合寻找下一个标定的频繁项集合2#，以此类推，直到寻找到系统中所有的频繁项集合。在该项算法中也应用了先验原则，即一个频繁项子集一定是一个频繁项集合，由此也可推断其逆反命题：一个非频繁项集的所有超集一定是非频繁项集。Apriori的算法流程如图2所示。

图1 智慧交通运行状态数据分析系统整体结构

图2 Apriori算法流程图

3 数据分析处理系统的试验验证

为验证该数据分析系统的实际使用效果，本文随机选取了一组2018年6月某市交通系统实际监测到的数据信息对其进行检验，原始数据信息如表1所示。

表1 原始交通监测信息数据统计表

在该试验验证中，主要是针对交通工具的超速和路况情况进行分析。在对路况情况进行分析时，本文将对某一个时间段内通过某个交通路口的所有车辆的基本情况进行分析，确定车流量最大的点位和方向。在对车辆行进超速情况进行分析时，本文主要是统计在某一个时间段内通过某个交通路口的车辆的基本行驶速度，获取超速严重的时间点和路段，然后系统分配交通管理人员进行人工干预处理。在进行验证时，设定运行速度超过40 km/h即为超速，模拟试验输出结果如表2、表3所示。

由表2分析可知，在第一个和第五个站点间由北到南的车流量最大，因此在实际工作时系统将自动优先为该站点之间安排交通管理人员，避免发生长时间堵塞现象。

由表3分析可知，在第一个站点和第13个站点处超速现象最多，但结合表2分析可知，这两个站点在单位时间内的车流量最大，因此平均超速率较低，结合超速置信度可知，在第10和第11个站点间的车辆的单位平均超速率最高，因此系统将自动优先为该站点之间安排交通管理人员，避免发生交通事故，同时分析该处道路结构是否合理，为交管部门提出优化建议。