论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　3.数据挖掘在智慧交通领域的应用 

　　智慧交通是改善城市交通的关键，但是，及时、准确地获取交通数据并构建交通数据处理模型是建设智慧交通的前提，这一难题可通过数据挖掘技术得以解决。交通数据复杂庞大，交通信息来源广泛，种类和形式均多种多样，信息量巨大，利用海量的数据找到有用的信息则变成交通工作者的首要任务。根据交通数据的特点，传统的数据分析方法大多是采用统计和多维数据分析方法，这些方法均无法解决复杂庞大的交通数据。然而随着数据挖掘技术的发展，在交通数据分析中更好地结合传统的分析技术和新兴的数据挖掘技术对交通难题进行分析和预测使人们看到了新的希望。 

　　数据挖掘是从大型数据库的数据中提取出隐含的、事先未知的、但潜在有用的信息和知识的过程。确切地说，数据挖掘的过程是一个决策支持过程，主要基于数据库、人工智能、数理统计、机器学习等技术，自动化地分析生产线中原有的数据，进行归纳推理，从而挖掘出潜在的模式，预测用户的行为，帮助驾驶员调整行车路线，规避车流量高峰期和风险，作出正确的决策。随着互联网时代的到来，城市中各种各样的数据呈现出爆炸式增长的态势，这使人们进入了数据时代，但同时也面临着不能及时获取实时信息等问题，因此人们迫切需要一种能从海量数据中发掘有用信息的工具，数据挖掘正是顺应这种需求诞生的。 

　　数据挖掘通常有几个任务：关联分析、聚类分析、分类分析、时序模式和偏差分析。常用的数据挖掘方法有：决策树方法、遗传算法、人工神经网络、最近临技术和规则归纳，此外，还有可视化方法以及公式发现方法。为了解决交通拥堵和交通事故问题，可以利用数据挖掘中的分类技术对历史交通问题进行分析，提取发生交通拥堵时的规则，然后用道路或者路口的交通数据来匹配这些规则，将可以很好地预测交通拥堵问题的发生；对于交通事故，关键是从已发生的交通事故数据中发现问题，分析事故的原因，可以方便相关部门及时采取相应的有效措施，数据挖掘中的关联分析可以推导出一些有用的规则表达式，展示出事故发生时各种客观因素对事故发生的影响程度。 

　　除此之外，数据挖掘还应用在许多其他领域。针对每一种特定领域，开发专用的数据挖掘工具，其中包括生物医学、DNA数据分析、金融数据分析、零售业和电信等。数据挖掘存在许多序列模式分析和相似检索技术，成为DNA分析中的强有力工具，在DNA序列间相似搜索和比较、关联分析、同时出现的基因序列的识别、路径分析和遗传数据分析等方面起着不小的贡献；在金融数据分析方面，可以对目标市场客户进行分类与聚类，也可以帮助洗黑钱和其他金融犯罪的侦破；零售数据挖掘可以利于促销活动的有效分析，识别顾客的购买行为，改进服务质量，提高货品销量，从而取得更好的顾客口碑；在电信领域，可以利用数据挖掘技术对电信数据进行多维分析，识别盗用模式和异常模式，从而更好地利用资源和提高服务质量。 

　　基于物联网的智慧交通大数据挖掘系统是一个服务于大型城市的、具有自适应性的智慧应用与整合能力的项目，保证该项目成功的前提是设立一套科学、合理的方法论和管理过程模型，同时为项目的大规模复制和推广创造基础条件。相信随着物联网技术和数据挖掘技术的不断进步，它们终将科学、高效地服务于城市，智慧交通以及整个智慧城市系统会越来越完善，人们的城市生活会更加美好。