面向大数据的客流量分流决策支持系统设计

彭秦晋

(晋中学院 继续教育学院,山西 晋中 030600)

0 引 言

随着城市交通流的不断增大,城市交通拥堵的压力不断增大,需要对交通客流进行优化疏导和分流,避免交通拥堵,提高城市交通以及客流的分流效率,从而优化城市交通以及路网建设[1]。研究客流量的分流调度技术,在智能交通信息平台的建设以及交通路网组网设计等领域都具有很好的应用价值。随着智能交通系统的不断发展,客流量分流大数据的智能管理技术不断提高,对客流量分流大数据进行智能决策支持、控制以及优化识别,结合ZigBee无线传感器组网技术和大数据信息处理技术[2-3],实现对客流量分流大数据的有效监测和调度,及客流分流的在线决策和支持控制。相关的系统设计方法研究受到人们的极大重视。

随着交通客流大数据基础数据库建设不断完善,本系统采用大数据信息管理技术,进行客流调度和分流,结合ZigBee无线传感器组网技术,进行客流分流的在线实时监测[4],使得智能交通系统的综合调度信息和数据收集变得简单可行,也提高了客流量分流大数据管理的实时性。对ZigBee无线传感器组网环境下的客流量分流大数据决策支持和控制方法研究是建立在对客流量分流大数据聚类和信息集成处理基础上的,根据客流量分流大数据的分类属性进行信息聚类处理,文献[5]提出一种基于类间闭频繁项集挖掘的客流量分流决策支持系统设计方法,采用连续模板匹配技术进行客流量分流大数据的分布式数据结构分析和闭频繁项集挖掘,提高客流分流的自适应性,但该方法计算开销较大,客流分流的实时控制性不好;文献[6]提出一种基于改进关联规则网格聚类的客流分流及信息调度方法,结合模式识别技术进行客流量分流大数据的属性自适应聚类处理,采用量化融合跟踪方法进行客流量分流大数据挖掘和特征决策支持和控制,该方法在进行客流分流控制的均衡性不好[7]。

针对上述问题,本文提出一种基于大数据融合调度和模糊控制的客流量分流决策支持系统,通过仿真实验分析,说明该系统在客流量分流大数据的实时调度、提高客流量分流决策支持能力等诸多方面具有明显优势。

1 节点定位和数据采集

1.1 节点的优化定位设计

为了实现客流量分流大数据的优化决策支持和控制,首先需要构建大数据环境下的客流量分流ZigBee组网结构模型，结合数据分布结构模型进行ZigBee无线传感器组网的优化组网设计[8-9],对于一组连续的客流量分流大数据,采用连续相关检测技术进行客流量分流大数据的分布式数据结构分析,基于混合CS的分簇数据收集方案[10],通过式(1)计算客流量分流ZigBee节点的定位中心:

(1)

式中：ηij(k)为分簇数据收集的量化特征集；i为ZigBee无线传感器组网的节点个数，总节点数用N表示；j为客流量分流迭代次数，总迭代次数用M表示；li(k)为节点位置函数；lj(k)为客流量分流函数。结合混合CS的分簇调度方法,进行客流量分流ZigBee节点拓扑设计,实现客流量分流决策支持系统的ZigBee节点定位设计[11],实现流程如图1所示。

图 1 客流量分流决策支持系统的ZigBee节点定位设计

1.2 客流量分流的大数据采集分析

将客流量分流的ZigBee无线传感器组网节点划分为C个簇[12-14],又因为整个客流量分流大数据传输的ZigBee无线传感器组网网络中簇的总数为N/(λa2),其中，λ为分簇系数，a为分簇次数。因此可得在整个网络感知区域中,客流量分流大数据决策支持和控制方法为

(2)

(3)

对采集得到的客流量分流大数据进行线性规划的数学表达，即

(4)

通过控制ZigBee无线传感器组网节点进行客流量分流大数据的信息融合和大数据挖掘,采用定量回归分析方法实现客流量分流大数据的在线控制和自适应均衡调度[15]。

2 融合调度与决策支持

2.1 大数据融合调度

(5)

式中：d为均衡调度;K为决策系数；KL′为客流量分流控制的决策支持度。在得到客流量分流控制的决策支持度后,进行客流量分流决策大数据融合,其结果为

(6)

在上述分析的基础上,得到客流量分流大数据的融合调度规则，通过次数ni的迭代,实现最优化的客流分流调度和自适应控制。

2.2 决策支持优化

(7)

客流量分流决策支持优化函数为

(8)

根据上述分析,基于大数据融合调度和模糊控制方法,实现客流量分流决策支持调度。

3 仿真实验分析

为了测试本文算法在实现客流量分流决策支持和客流量的均衡调度中的应用性能,采用仿真实验进行性能分析,实验环境为Pentium(R)4 CPU,在MapReduce编程框架进行客流量分流信息管理和决策支持系统设计,采用Matlab进行混合编程实现客流量分流的大数据信息处理和均衡调度算法的设计,初始化客流量分流控制的模糊概念集合为

(9)

(10)

根据上述仿真环境和参数设定,进行客流量分流决策仿真,得到原始客流量大数据如图2所示。

图 2 客流量分布大数据Fig.2 Big data of passenger flow distribution

以图2的客流量大数据为测试集,进行客流分流和均衡调度,得到分流输出结果如图3所示。

图 3 客流分流决策输出Fig.3 Decision output of passenger flow diversion

分析图3得出,本文方法进行客流分流的均衡调度性能较好,提高了客流分流决策和在线控制能力。

传感器网络节点的定位是实现客流量分流的关键步骤, 节点定位精度直接影响客流量分流精度。为了验证所提方法的大数据信息搜集节点定位过程去噪效果, 在 Matlab 平台中对此进行测试, 本次测试的操作系统为 Windows, 硬盘容量为 500 GB, 内存容量为 16 GB,电源功率为 300 W。在无线传感器节点中存在大量的噪声,会严重影响信息节点的定位结果,从而影响客流量分流精度。分别采用本文所提方法、 基于类间闭频繁项集挖掘的客流量分流决策支持系统设计方法[5]、 基于改进关联规则网格聚类的客流分流及信息调度方法[6]进行对比实验, 其节点去噪以及客流量分流精度结果见图4。

(a) 本文方法

(b) 文献[5]方法

(c) 文献[6]方法图 4 3种不同方法下的节点去噪结果

对比3种不同方法的测试结果可知， 所提方法对节点的噪声去除效果明显，提高了节点定位的精度，从而实现客流量分流精度的优化。

为了进一步验证所提方法的整体有效性， 将本文方法与传统方法进行客流量分流的均衡性对比， 结果如图5所示。从图5可知， 本文系统在调度性能、 自适应均衡配置能力、 在线决策和支持性能等方面均有明显优势， 提高了客流量分流的效率。

图 5 客流量分流的均衡性对比

4 结 语

对客流量分流大数据进行智能决策支持和控制和优化识别，结合ZigBee无线传感器组网技术和大数据信息处理技术，对客流量分流大数据的有效监测和调度，实现客流分流的在线决策和支持控制。本文提出一种基于大数据融合调度和模糊控制的客流量分流决策支持系统，采用分布式无线传感器组网技术进行客流量分流决策的大数据采集和信息搜集节点定位设计，通过控制无线传感器组网节点进行客流量分流大数据的信息融合和大数据挖掘，采用定量回归分析方法进行客流量分流大数据的在线控制和自适应均衡调度，结合传感信息融合识别方法，提高对客流量分流大数据的综合特征提取能力，结合模糊聚类方法实现对客流量分流大数据的属性分类，根据分类结果进行客流量分流决策和在线控制，实现对客流量分流的决策支持系统的优化设计。研究得知，本文方法进行客流量分流决策的调度性能较好，对客流量分流的自适应均衡配置能力较强。