基于大数据的交通流量模式分析高忠文牛孜飏摘要：针对城市道路交通系统汽车流量时空分布严重不均且难以预测，极易引发交通拥堵的问题，基于城市交通监控系统中采集到的海量视频数据，结合模式识别技术与大数据挖掘方法，提出建立城市道路交通中车辆日常出行模式的方法。为进一步优化交通信号配时、调控交通流量、提高交通管理效率和道路资源利用率进而改善交通拥堵状况，提供有效的数据支持。关键词：大数据;交通流量;模式分析DOI：10.15938/j.jhust.2018.06.022：TP273文献标志码：A：1007-2683（2018）06-0124-04Abstract：Inviewoftheurbanroadtrafficsystemstemporalandspatialdistributionissevereunevenly，andwecannotpredictthesituationoftheroads，itiseasilytoleadtotrafficjam.Inordertosolvetheproblem，wecouldbuildthesystemofvehicletripsinurbanroadtraffic，whichcombinedwithpatternrecognizetechniqueniqueanddataminingmethod，andbasedonthemassivevideodatacollectedbytheurbantrafficmonitoringsysem.Thesystemcanoffereffectivedatasupporttooptimizingtrafficsignaltimingfurtherly，regulatingtrafficflowimprovingtrafficmanagementefficiencyandroadtrafficresourceutilizationeventuallyimprovetrafficcongestion.Keywords：bigdata;trafficflow;modeanalysis0引言城市交通擁堵问题一直是一项世界性的难题。目前我国正处于城镇化爆炸式发展时期，大中城市居民私家车保有量大幅度增加，大量存在的交通拥堵问题亟待解决。然而城市道路交通所产生的交通拥堵是阶段性发生的，如果交通指挥系统能提前分析掌握交通流量起伏变化的时空规律并加以分析，这必将对缓解交通拥堵问题大有助益。而传统的OD调查方法代价极高、过程繁琐。大数据挖掘方法概念一经提出便已促进能源、医疗、服务等大量传统产业产生了巨大变革，推动了诸多行业的发展进步[1-5]。不少专家学者也在研究运用目前炙手可热的大数据分析方法来解决交通问题[6-8]。文献[9-10]中应用车型聚类分析对检测范围内的车流前进速度进行高效的检测。文献[11]提出借助IntergraphGeoMedia建立GIS平台，将道路交叉口车辆数据、交通设施数据、交通事故数据等结合起来，进行事故分析检测。然而由于手机GPS提供的数据信息并非直接数据来源，且其中包含着大量不具备研究价值且无用的数据，这将会浪费巨大的数据处理资源。本文从一个全新角度结合路网中由完备的监控系统中拍摄到的车辆，进行照牌提取。分析整合车辆日常出行时间及路线，再通过模糊聚类分析算法进行智能优化计算，建立交通路网运行模式。这样数据来源更精准更直接有效减少了大量冗余无效的数据，因而能以更低的成本和更高的效率分析获取相关潜在规律。根据所得交通模式，可以进一步对未来时间段的交通状况进行预测和预调度，交通拥堵现象势必能得到大大改善。1运行模式建立1.1数据来源随着现代智能交通系统（ITS）建设不断完善，网络通信技术、高清视频技术及大数据挖掘等技术广泛应用于交通领域[12]。人们可以方便的将大量的交通信息收集存储起来，并从中提取整合出大量富含价值的信息。文献[13-15]将视频图像处理技术与模式识别相结合，集成了城市交通的基础信息、存储了海量的交通数据、数据挖掘技术可以对交通数据进行微观和宏观的统计、分析、综合和推理。道路上的摄像头可以捕捉到车牌的号码信息并进行识别，因此我们可以得到关于车牌信息、时间、摄像头编号等有效信息，加以存储，并用以分析出车辆的行驶方向、时间。1.2时段划分交通系统中的通行过程类似于一种供求关系。各交通道路提供车辆行驶的空间，对应的车辆通过路网提供的空间顺利通过。供应方面为需求方面服务，在运行方式部署的路网交通灯及指挥人员的安排下，车辆按照交通法则行驶在路网中。而具体的规则本身也随着特定时段的等待车辆多少来相应修整（如交通信号灯的等待时长等），体现适应车流量变化规律的要求，由此可见流量方面的重要性。城市固定车辆的运行习惯模式分析的重要性毋庸置疑，且交通路网的指挥调度与流量的变化规律有着密不可分的关系。因此我们第一步的工作就...