城市交通管理共享数据中心的设计和实现

开篇：润墨网以专业的文秘视角，为您筛选了一篇城市交通管理共享数据中心的设计和实现范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要从当前交通管理相关系统应用的现状出发，深入分析了数据中心的功能和定位，提出了具体的实现思路。设计方案充分考虑了交通管理信息的高度共享、深层次开发利用以及辅助领导决策，其具体实施将大大提升智能交通管理系统的智能化、信息化、标准化。

关键词数据中心 数据挖掘 数据仓库 数据共享

中图分类号：C37文献标识码： A

Abstract: From the current situation related to traffic management system applications departure, in-depth analysis of the function and location of data centers, propose concrete realization of ideas. Design fully consider the height of the traffic management information sharing, in-depth development and utilization, and auxiliary leadership decision-making, which will greatly enhance the specific implementation of intelligent traffic management systems, information technology, standardization.

Keywords: Data Center ;data mining; data warehouse ;data sharing

0 引言

随着交通管理信息化建设的发展，交通管理应用系统进入一个全面、高速的发展阶段，同时也存在一些普遍性的问题。一是交通管理的信息系统建设虽然快速地发展，但其成效并不尽人意[1]。对已实现信息化的单位进行调查结果显示，有超过一半单位认为本部门信息化建设成效一般，只有超过两成认为理想。另外在调查中发现，省市级部门信息系统建设好于县市级，县市级好于乡镇级。另外在调查中还发现一些单位已经投入使用的信息系统中，实际中并未发挥多大作用，由于人员计算机水平的参差不齐，无法发挥效能。

同时这些分散开发或引进的应用系统，一般不会统一考虑数据标准或信息共享问题，追求“实用快上”的目标而导致“信息孤岛”的不断产生。同时公安机关内各业务部门的信息标准不统一，也成为制约信息共享的一大障碍。

综上所述,国内原有的交通信息系统越来越不能满足现阶段社会高速发展条件下，人们对交通信息的需求。因此，必须建立一个即能满足广大市民出行和生活需求，又能有效分析交通数据信息，为交通管理提供完整、全面、准确的数据信息，不断提高交通管理规划水平，即城市交通管理数据中心。

1 数据中心定位

交通数据中心的建设，是交通信息化发展到一定程度的客观需求，其目标是要解决当前交通信息资源开发管理松散，基础数据存储凌乱，标准化较差，共享程度较低等问题。

数据中心的功能就是整合现有的各子系统（交通信号控制、闭路电视监控、电子警察、交通流采集等）的交通数据资源，深入开发和利用新的数据资源。建立和健全数据内容的标准规范体系和安全体系，建立一个集中管理、安全规范、充分共享、全面服务的交通管理数据中心。

2数据中心功能分析及其功能的实现

数据中心它把各智能交通子系统提供的数据有效地集成，为智能交通系统的各项子系统服务和决策提供支持。数据中心主要实现数据采集、数据整合、数据交换、数据请求、数据存储、数据分析应用等功能。

图1 数据中心逻辑结构示意图

2.1 数据中心的功能

交通管理数据中心的主要功能可归纳为：数据资源共享、数据分析决策和数据信息服务三部分。

2.1.1数据中心基础数据的构成

数据是智能交通管理数据中心的基本元素，是系统得以生存的先决条件，也是联接各个子系统的纽带。数据中心保存下属的众多交通管理子系统中大量的信息和数据，通常情况下，交通数据可划分为两类：静态交通数据和动态交通数据。静态交通数据包括空间地理数据、道路数据、交通附属设施、停车场数据、车辆管理数据等随时间变化较小的信息；交通动态数据主要指各类实时采集到的交通数据，如交通流数据、视频监控数据、公交车位置数据，道路服务状况等。其中空间地理数据时基础，因为任何交通信息数据只有和空间地理数据相结合才具有实际意义。

图2 数据中心包含的数据类型

数据中心基础数据可以归纳由以下3 种数据型式组成：

(1) 基础地理数据：包括道路路网数据、道路属性数据(三维坐标、等级、性质、宽度、车道数量等)、节点信息、交通服务设施位置等；

(3) 实时交通信息数据：道路服务状况、交通即时流量信息、视频监控信息、公交车位置信息，天气状况信息等。实时交通信息数据是动态的数据；

(4) 处理后的成果数据：智能交通各子系统采集的实时数据通过数据中心 (包括各子系统平台)进行数据融合和数据中心的专家系统处理，形成有用的信息存储在自身的数据库中或反馈给各子系统。这部分数据是随着实时交通数据动态更新的。

2.1.2 数据资源共享

数据资源共享是通过采集各交通部门的数据信息，有效整合数据信息资源，对多平台、多类别、多层次、多结构的交通相关信息进行处理、集成、融合及规范、实现多个交通管理系统间数据资源的共享。实现数据资源共享首先应实现数据和接口的标准化。

从中心角度出发，制定统一的信息标准，各子系统以标准、规范的数据通过开发的输入接口写入数据中心。通过各子系统也可以通过开发的输出接口，从数据中心中请求任何数据。

接口的标准化主要是通讯协议的标准化，各子系统与数据中心的通讯都通过标准的协议来实现。实现数据中心与各子系统间的友好衔接，是保证信息平台获取充分和有效交通数据并提供信息服务的根本保证。通讯协议的制定可以采用XML（可扩展标记语言eXtensible Markup Language，简称:XML）的格式，XML具有以下优点：

1）XML内容和结构完全分离。基于这样的特点，企业系统可以轻松地实现内容管理和流程管理的彻底分离。

2）互操作性强

3）规范统一。XML具有统一的标准语法，任何系统和产品所支持的XML文档，都具有统一的格式和语法。这样就使得XML具有了跨平台跨系统的特性。

4）支持多种编码。

5）可扩展性。

2.1.3数据分析决策

数据分析决策通过对交通数据的分类提取、融合加工、容错出路和统计分析，进行集中存储。为交通规划发展的科学决策提供依据，为多平台间各应用系统的有效集成提供结构基础和技术支。

存入数据中心的数据都要进行预处理，修正错误数据、弥补丢失数据。如果一个点有多个数据源，就需要采用数据融合方法进行处理。

图3 数据分析过程

2.1.4数据信息服务

数据信息服务，以数据中心为依托，以网络信息为手段,通过对数据信息的组织、检索、更新等工作，把信息展示、资源共享、决策分析等实现提供展示给用户基础性、规范性、综合性的交通信息服务。

2.2构筑数据中心的关键技术分析

2.2.1以GIS为基础的底层数据构筑

由于交通信息数据与地理空间数据密切相关，交通信息数据只有和地理数据相结合才具有实际意义。而地理信息系统集成了计算机数据库技术和计算机图形处理技术，具有强大的数据管理和空间分析功能，因此借助地理信息系统来管理大量的交通信息，具有功能上的优势和鲜明直接的优点。以GIS（Geographic Information System）为基础构筑的信息平台将能够收集、存储、管理、综合分析和处理相关空间信息和交通信息的空间属性，从而不但将交通信息在空间上直观明了地显示出来，并且为这些信息的深层次挖掘和后续的信息服务及辅助决策提供空间属性上的支持。从这个意义上说，GIS是构筑共用信息平台的底层支撑。最近有一种观点，提出不完全采用空间数据GIS来管理所有的交通信息，而只利用GIS提供一个数字化的显示底图，而另外将动态交通信息单独存储管理。当有一个用户主体提出服务请求时，平台将在数字化底图提供的地理信息的基础上调用相关的动态交通信息和数据进行分析和显示，并将最后的分析结果也显示在底图上。相比传统的以地理信息系统来管理交通信息，这种做法的好处是，可以避免以往每进行一次交通数据分析所伴随的对整个GIS 电子地图显示的刷新，从而减少数据处理的容量，提高服务响应的速度。但如何实现GIS 提供的静态地理信息数据和动态交通信息数据二者的有效衔接和协调管理，是这一做法当中要解决的关键问题。

2.2.2数据挖掘技术

数据挖掘，又译作数据采掘。关于它一种比较公认的定义是：从大型数据库的数据中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在有用信息，提取的知识表示为概念(Concepts)、规则(Rules)、规律(Regularities)、模式(Patterns)等形式[2]。数据挖掘的对象不仅是数据库，也可以是文件系统，或其它任何组织在一起的数据集合。按照分类，最常用的数据挖掘技术包括：人工神经网络、决策树、遗传算法、最近邻技术、规则归纳、可视化[3]。数据挖掘的其它一些技术还包括有：市场包分析、关联分析、自动聚类侦测技术、模糊逻辑和粗集分析等。开发人员需根据系统服务需求和数据特征选用合适的技术。数据挖掘技术是在掌握了大量而全局的交通信息的情况下，查找和发掘出深层交通信息，从而实现对用户主体信息服务和辅助决策的核心技术。

2.2.3数据仓库技术

关于数据仓库的定义有：“数据仓库是集成信息的存储中心，这些信息可用于查询或分析”[4]。数据仓库既是一种结构和富有哲理性的方法，也是一种技术，它把数据和信息从不同的数据源提取出来，然后把这些数据转换成公共的数据模型并且和仓库中已有的数据集成在一起。当用户向仓库进行查询时，需要的信息已经准备好了；数据冲突、表达不一致等问题已经得到了解决；这使得决策和查询更容易、更有效。数据仓库一般包括数据获取、数据存储和管理和信息访问3 个基本功能部分。其中之一的信息访问部分，是最终用户赖以从数据仓库中提取信息、分析数据、实施决策的必经途径，也是面向高层决策支持的最终实现。但这些决策支持的信息一般须通过数据挖掘才能获得。而数据仓库本身也在纵向和横向为数据挖掘提供了更广阔的活动空间。由于数据仓库完成了数据的收集、集成、存储、管理等工作，使得数据挖掘面对的是经初步加工的数据，从而能更专注于知识的发现；另一方面，由于数据仓库所具有的新的特点，也对数据挖掘技术提出了新的更高的要求。因此，数据挖掘技术和数据仓库相结合，将更充分地发挥其潜力

3结语

随着智能交通管理逐步向集成化、数字化、网络化、统一化发展，本文提出了数据中心的基本架构，实现数据的集中、有效、统一的管理。并对构筑这一数据平台的功能、内容和的几项关键技术进行了讨论。对于数据中心构建中的一些更详细技术问题，特别是如何在交通海量信息中充分发挥和应用数据挖掘技术，为交通服务和辅助决策提供支持，值得下一步深入研究。

参考文献

[1] 苗雪兰，数据库系统原理及应用教程，机械工业出版社，2001.7.

[2] Thuraisingham B.Data mining: technologies, techniques,tools, and trends. Boca Raton: RC Press, 1999.

[3] Han Jiawei, Kamber M.等著, 范明等译. 数据挖掘：概念与技术. 北京：机械工业出版社, 2001.

[4] Hammer J, et al. The Stanford data warehousingproject. IEEE Data Engineering Bulletin, 1995, 8(2).