文献综述

专业文献综述

题 目: 城市交通数据挖掘分析及应用的研究现状、

研究存在问题及研究前景

姓 名:

学 院: 工学院

专 业: 交通运输

班 级:

学 号:

指导教师: 职称: 副教授

2015年12月20日

南京农业大学教务处制

1 城市交通数据挖掘分析及应用的研究现状、研究存在问题及

研究前景

作者： 指导教师：

摘要：本文综述了城市交通数据挖掘分析及应用领域的主要研究成果、存在问题及研究方向。主要研究成果包括路径导航、乘客打车策略、拼车路线、交通流统计、拥堵缓解及智慧城市建设。研究尚未解决的主要问题包括道路模型缺陷、数据库处理软件容易出错及数据采集不够全面应用不够彻底。今后研究的主要方向为根据每个人每天的行动步伐、出行率等为个人设计既符合身心健康要求又节省社会资源的新型生活方式，将个人数据切实的返还到个人身上。

关键词：城市交通；数据挖掘；交通流；模型

Current Status, Problems and Prospects in Analysis and Application of

Urban Traffic Data Mining Researches

Student: Tutor:

Abstract: The main research results, problems and research directions in Analysis and

application of urban traffic data mining field were reviewed in this paper. The main research

results were summarized as follows: route navigation, passenger taxi policy, carpool routes,

traffic statistics, and smart city construction. The main problems such as road model defects,

database processing software error prone and data acquisition is not comprehensive enough were

not perfectly resolved in the reviewed researches. It is suggested that according to each person's

daily action pace, travel rate, etc. for individual design not only in line with the physical and

mental health requirements and save social resources of a new way of life, personal data will be

effectively returned to the individual should be focused on in the future researches.

Key words: Urban traffic; Data mining; Traffic flow; Model

1 前言

随着国家经济的持续发展和产业布局、产业结构的不断调整，交通问题越来越突出。目前，利用各种先进的科学技术来解决交通问题是学术研究的一大重要方向。对交通流进行控制与诱导，积极的运用数学和物理学的思想来尝试开展数据挖掘，寻找信息时代里大数据蕴含的信息是解决交通问题的一大关键步骤。

数据挖掘是在没有具体假设的情况下从海量数据中挖掘信息、发现知识。道路交通信息包括道路基础信息、交通检测器采集的交通量、占有率、速度等种类繁多的交通流信息及交通动态控制管理信息。利用数据挖掘技术能够从海量信息中挖掘和提炼到有用信息，发现交通状况的变化规律，寻找影响交通的共性因素等多种信息，并利用丰富的图表显示结果，实现数据的开发应用，设计出各种交通导流、时间排列和缓解堵塞的各种方法，将其应用到城市生活的各个方面，为人类的生活提供各种信息和方便，并能为交通管理部门提供辅助决策帮助。

城市交通数据挖掘就是从海量数据中提取信息应用到城市交通规划中。例如，为动态交通诱导系统提取所需的各路段行程时间信息，以便出行者做出行路径选择和制定出行决策的；为交通控制系统提取所需的动态交通流量信息，使其能以此作为依据对信号方案进行自适应调整和优化等。

2 国内外研究现状

2 对于城市道路交通数据可视化分析来说，早期研究注重对道路流量的可视化展示方案，主要方法有箭头图、马赛克图和轨迹墙等。随着可视分析手段的丰富，对城市道路交通流量的分析层次上升到交通事件层面，但是交通事件的定义仅局限于交通拥堵。应用可视分析的其他交通问题领域包括公共交通、交通事故和人群出行行为等。近年出现了挖掘和利用交通轨迹或交通事件的社会属性或称环境上下文信息的研究新趋势[1]。

另一研究热点是轨迹数据挖掘分析。在当前这个大数据环境下，通过轨迹数据研究人类的移动规律及其活动模式，之后深层次的探求交通规划方向的知识也是有效缓解城市问题的重要途径之一。

为方便城市的政治、经济和文化建设，城市交通导航应用而出，而城市交通导航则是城市交通顺畅的一个必要手段。以计算机网络、数据库和先进的开发平台为基础，利用数据挖掘技术，开发一个具有开放体系结构、易扩充、易维护、具有良好人机交互界面的城市交通导航系统，实现了用先进的工具为各阶层用户提供高效率的导航服务。同时将数据挖掘技术应用在交通领域，利用数据挖掘技术对交通事故数据进行挖掘[2]，逐渐成为国内外关注的一个重要科研课题。

2.1 国内研究现状

首先是交通流量的预测，交通流预测需要从带有不确定性和随机性的变化交通流中，综合各个方面的影响因素，将来自各种道路信息收集设备提供的交通数据的信息进行全面彻底的分析，利用数据挖掘技术，对交通流量的原始数据进行重新组织，使这些数据不但能够为智能交通系统中的控制系统服务，也能够为决策系统和诱导系统等提供数据。采用判定树算法，对重新组织的数据进行分析，洞察出其中可循的规律，对相应的状况创建模型并分析预测出问题的解决方案[2]，得出路口排队长度的简易估算方法，为实时交通状况的发布提供了数据基础[3]。

其次是交通拥堵的分析，目前我国城市的交通拥堵问题相当严重，针对大规模的交通数据对交通拥堵状况进行分析并建立预警和报警系统，能够有效地减少因交通拥堵带来的不必要的损失。将数据挖掘技术应用在交通地理信息技术中，通过城市交通导航技术可以有效的建设一个为用户提供高效率的平台，这是城市交通畅通的一个重要手段。

最后是道路交通安全分析，交通数据的挖掘不能重视表面现象的研究，交通安全问题的数据挖掘同样重要。

在我国现行的交通研究中，主要是以道路交通信息的采集为主，在机械设备获取的大批量数据中通过轨迹数据的分析发觉人类移动的规律和特点，总结人类活动的模式进行出行行为预测从而直接反映城市的交通状态，进行交通时间计算，为智能交通的发展奠定基础。同时通过分析挖掘城市出租车等的轨迹，可以有效的进行道路规划，减少交通事故的发生率，为智慧城市的建设贡献一份力量。

2.1.1 主要研究问题

能源是维系城市运转的动力所在，随着全球能源的日益枯竭，降低城市能源消耗、构建绿色城市成为城市建设的核心目标之一。然而，城市作为一个复杂的能量代谢系统，即便是弄清楚城市对某一种特定形式能源的消耗量也是非常困难的。为解决这一问题，微软亚洲研究院的人利用出租车GPS数据和城市加油站的POI数据对北京市机动车辆的每日汽油消耗量进行了估算。

在近年来专家们阐述了多种基于轨迹数据分析与挖掘的城市技术体系框架。即以数据的获取与管理技术作为底层的支撑，以数据挖掘、处理和分析技术作为整个框架的核心构成，在此基础之上对城市用户提供多样化的服务应用。换言之，未来城市的技术的发展方

3 必将是以数据为中心，在这一点上学术界已经从顶层设计的角度达成了基本共识。

以数据为驱动的智能交通技术研究中所采用的城市数据主要包括地图与POI数据、GPS数据、客流数据、道路微波测量数据等，并通过多种手段对采集到的数据进行分析和理解，实现感知城市的交通运行状况，为市民提供交通引导、导航、推荐等智能服务[4]。

2.1.2 主要研究成果

基于GPS的路径导航服务是最为典型的应用之一，丰富详尽的地图数据配合实时的路况分析结果可以为用户提供非常优质的行驶路径导航服务。包含有人类行为信息车辆GPS数据则可以提供汽车司机的驾驶知识来进一步优化导航路径的选择，微软亚洲研究院开发的T-Drive车辆导航系统就采用了这样的设计理念。T-Drive系统统计了北京市城区出租车的GPS行驶数据，然后将不同地标之间驾驶技术最娴熟的出租车司机的驾驶路径用图的方式组织起来，就形成了一张包含了出租车司机驾驶知识的地标图。用该地标图来进行路径导航，可以有效地提高车辆在拥堵时段的行驶效率。该研究的主要特色在于将数据统计中获得的人类智慧应用到传统的信息化交通服务中，将车辆导航应用由传统的“以计算为中心”变为“以数据为中心”，所采用的核心技术也由传统的规划技术变为以数据为驱动的统计技术，其意义非常深刻。

北京航空航天大学的人通过对北京1200辆出租车的乘客数据分析，研究了优化的乘客打车策略，并基于该研究开发了名为TaxiWaiter的打车辅助系统。系统TaxiWaiter则同时考虑了出租车与乘客两个方面的需求，通过对街道打车概率的统计和分析来进行出租车寻客路线和乘客打车路线的推荐。

以数据为驱动的智能交通技术还可以在优化城市公共交通系统方面发挥巨大的作用。B-Planner系统使用出租车GPS数据所提供的城市通勤需求信息，重新设计了杭州市夜间公交车的行车路线，满足了不同时段人们对公交线路的不同需求。T-Share出租车拼车系统通过综合考虑打车人的位置、目的地以及出租车的行驶路径等因素，对出租车的拼车路线进行了合理规划，在充分利用出租车自由灵活特性的同时提高了搭载乘客的通勤效率。Flexi则使用GPS数据设计了一种灵活性介于公交车和出租车之间的小型绿色公交系统。随着轨道交通系统在各个城市的发展，乘坐地铁出行成为城市居民越来越多的选择，针对地铁轨道交通的智慧城市交通数据研究也受到越来越多的重视。

微软亚洲研究所的研究所要解决的挑战一方面在于出租车并不能完全代表城市中全部车辆的行为，每一个加油站中正在加油的车辆中只有一小部分是出租车，也并非每个加油站每时每刻都有出租车辆在进行加油；另一方面，GPS数据只包含出租车的行驶轨迹与运营状态信息，没有明确的车辆行驶意图信息。一辆出租车在加油站附近出现并不能说明其正在加油，需要有专门的算法对出租车的加油行为进行检测和判断。针对上述两个方面的问题，他们设计实现了从GPS轨迹数据中发现加油事件的检测方法，提出了一种能够在稀疏张量当中分析汽车在加油站中加油所消耗时间的评估算法，并实现了能够通过加油时间推断加油站车辆到达频率的排队计算方法。该研究可以为普通用户提供加油站的推荐服务，也可以为石油公司的加油站建设规划提供意见。同时还可以让政府了解和掌握整个城市的能源消耗情况，从而制定更为合理的能源管理政策。