数据挖掘算法在交通数据中的研究分析摘要：该文希望通过数据挖掘技术，科学合理地帮决策者寻找数据之间的规律，全面地分析交通数据信息之间隐含的内在联系，进一步科学合理地管理数据，为交通运输管理部门和用户出行提供方便，为交通运输的信息化发展起到促进作用。关键词：数据挖掘；交通；算法中图分类号：TP311文献标识码：A文章编号：1009-3044（2014）12-2707-02TheResearchofDataMiningAlgorithminTrafficDataAnalysisandDataMiningWANGJi1，YANGQian2（1.GuizhouVocationalTechnologyInstitute，Guiyang550023，China；2.GuizhouPolytechnicCollegeofCommunications，Guiyang550008，China）Abstract：Thispaperhopesthroughthedataminingtechnology，seeksthelawsbetweenthedatafordecisionmakersscientificallyandreasonablyItanalysisofrelationshipbetweentrafficdataimpliedinformationcomprehensively，furthermanagedatascientificallyandreasonably，fortrafficmanagementdepartmentsanduserstoprovideconvenienttransportation，andtopromoteinformationdevelopmentfortransportation.Keywords：datamining；traffic；arithmetic随着现代交通信息化技术的发展，数据的科学处理在交通发展过程中显得越来越重要。通常，在交通系统的数据库中存储着海量数据，需要用科学的方法进行数据的分析和管理，而一般的数据库只是对数据进行查询，得到的只是数据的表层信息，不能获得数据中的隐含关系，不能得到隐藏在数据中的深层次的，有关数据之间关联特性的预测信息。在信息技术高速发展的大数据时代，仅停留在表层处理的数据分析方式已经不能适应现代科技发展的需求，研究基于数据挖掘技术的交通数据分析处理技术已经成为交通系统迫切需要解决的问题。1数据挖掘技术概述数据挖掘是一个决策支持过程，是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中但潜在有用的信息和知识的过程。数据挖掘对挖掘中的大量数据进行抽取、转换、分析以及模型化处理，从中提取辅助决策的关键性数据。数据挖掘就是从大量数据中提取或“挖掘”知识。数据挖掘的工作过程大致可分为：数据准备（datapreparation），数据挖掘，以及结果的解释和评价（interpretationandevaluation）三个部分。2数据挖掘技术在交通数据中的运用研究在交通数据的处理中，由于交通信息的特点，交通数据量非常庞大，而且每天在迅速增多，历史数据众多，数据挖掘技术应用在交通系统中主要是挖掘交通数据历史知识，得出一些有用信息，提供给用户，方便用户出行，方便交通管理部门对数据进行管理。该文介绍常用的三种数据挖掘算法。2.1决策树算法在交通数据中的运用决策树方法是数据挖掘方法中的一种重要的方法，该方法广泛用于解决与分类相关的各种问题，属于有指导的归纳学习算法。该方法着眼于从一组无次序、无规则的数据中归纳出一个分类描述，从中发现潜在的、具有商业价值的信息。本算法在交通数据处理中可以应用到实时路况数据挖掘中。实时路况数据库如表1所示，其中影响到道路的通行有两个属性：天气、是否为上班时间。在天气属性中，天气属性的可能取值为晴、小雨、大雨、冰雪等；是否为上班时间属性取值为两个：是或者否。将这些取值都作为关联算法中的一个项，故关联算法中的数据项集I为：{晴、小雨、大雨、冰雪、是上班时间、不是上班时间}，分别用i来表示，则数据项集I为：{i1、i2、i3、i4、i5、i6}。最后得出实时路况的类别为：通路畅通、道路阻断。并将其作为数据项i7、i8，加入到数据项集中。利用关联规则找出i1i7、i2i7、i3i7、i4i7、i5i7、i6i7、的关联支持度，得出为：i1i7=4、i2i7=4、i3i7=3、i4i7=1、i5i7=6、i6i7=6。故从关联规则支持度分析，属于天气属性的和比是否为上班属性的支持度大，故首先使用天气属性进行决策树的分支；然后在利用是否为上班时间作为节点分支得到决策树。本算法中融合了关联算法的思想，通过支持度的策略进行决策树的节点分支，针对特定的交通实时路况数据库进行决策树分支。考虑到交通实时路况数据库的无规律，复杂，比较凌乱的情况，对于...