数据挖掘在公交运营调度中的应用

　　解决城市交通的有效途径就是发展公共交通，而公交调度指挥着公交的正常营运，公交调度数据库中记录着大量的实时和历史数据，通过数据挖掘技术处理这些大量的数据，并转化成有价值的信息，用于分析营运趋势及各项指标，为管理者提供决策支持，从而提升企业效益。

　　1.什么是数据挖掘

　　数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），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，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一种决策支持过程，它主要基于人工智能、模式识别、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助管理者做出正确的决策。

　　2.数据挖掘的特点

　　（1）数据量大：大量的数据通过数据挖掘算法能够反映数据的规律及特征。

　　（2）隐含性：数据挖掘是发现深藏在数据内部的信息，而不是浮现在数据表面的信息。

　　（3）价值性：通过数据挖掘将为管理者提供决策支持，从而提升企业效益。

　　3.数据挖掘常见算法

　　（1）C4.5：C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法。

（2）k-means algorithm算法：k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k<n。

（3）Support vector machines：支持向量机算法是一种监督式学习的方法，广泛的应用于统计分类以及回归分析中。

（4）The Apriori algorithm：Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。

（5）最大期望(EM)算法：最大期望（EM，Expectation–Maximization）算法是在概率模型中寻找参数最大似然估计的算法。

（6）PageRank：PageRank算法是Google算法的重要内容。

（7）AdaBoost：Adaboost是一种迭代算法。

（8）k-nearest neighbor classification：K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。

（9）Naive Bayes：朴素贝叶斯模型有着坚实的数学基础，以及稳定的分类效率。

（10）分类与回归树（CART,Classification and Regression Trees）：在分类树下面有两个关键的思想。第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。

　　4.公交调度数据挖掘

　　数据挖掘技术的应用是为了完善调度系统，公交调度数据挖掘的对象是智能调度系统数据库，根据营运调度的实时上传数据，进行数据挖掘。公交调度数据挖掘流程如下图所示：

　　（1）数据准备建立模型

　　数据准备就是对智能调度系统数据库中有关行KY.COM计划数据进行搜集，建立相应数据模型，包括应用时刻表、KY.COM辆使用计划、配班计划等，以支持公交调度方案的生成。

　　数据库以Oracle建立的，行KY.COM时刻数据表字段包括时刻表ID、发KY.COM时间、到达时间、发KY.COM间隔等字段；配班计划表字段包括班次、上下班时间、班组等字段；KY.COM辆使用计划表字段包括线路ID、KY.COM辆ID等字段。

　　（2）处理营运调度数据

　　对搜集的原始信息进行分析整理，对海量的数据信息进行清算过滤，将无效数据、错误数据、重复数据等进行详细分类整理。同时进行营运调度问题与偏差分析，调度人员根据不同的问题采取相应的调度措施。

　　根据KY.COM辆营运实际，当KY.COM辆发生故障、KY.COM辆临时调出、串KY.COM、严重堵塞等问题发生时，KY.COM辆调度将与计划出现偏差，数据挖掘将这些问题进行挖掘整理便于及时调整KY.COM辆调度。

　　（3）数据分析构建挖掘模型

　　公交调度是在营运KY.COM辆偏离行KY.COM计划后针对遇到的问题采取的调度措施，确保发KY.COM间隔、发KY.COM时间、发KY.COM次序等正常化。数据分析构建挖掘模型为了最大发挥数据信息的应用价值，将数据信息进行多样式多方位分析，确保正常营运的同时准确预测未来一定时间内各项营运指标。

　　在处理调度问题上，主要通过调整发KY.COM时间、发KY.COM类型、发KY.COM次序等措施确保KY.COM辆正常营运。

　　（4）深入剖析挖掘数据的结果

　　根据结果并结合实际情况进一步分析营运状况，进而能够根据智能调度系统进行优化调度，推动智慧公交的进一步发展。

　　在智能调度系统中合理应用数据挖掘技术，通过各种数据挖掘算法完善调问题，进而更好地做好营运调度工作，合理制定排班工作。

　　参考文献:

　　[1]尹克坚 浅谈数据挖掘在智慧交通领域中的应用 信息通信，2013（10）

　　[2]杨雪 数据挖掘在公交调度中的应用研究 北京交通大学

　　[3]MBA智库百科