智能交通数据预处理算法研究及应用
智能交通系统中的数据处理与分析方法
智能交通系统中的数据处理与分析方法智能交通系统（Intelligent Transportation System, ITS）是基于现代信息技术和智能控制技术的交通管理系统，通过采集、处理、分析交通数据来提高交通运输的效率、安全和环保性。
而在智能交通系统中，数据处理和分析方法起着至关重要的作用，可以帮助实现交通拥堵监控、智能交通信号控制、路况预测等功能。
本文将探讨智能交通系统中一些常用的数据处理与分析方法。
1. 数据采集数据采集是智能交通系统中的首要任务。
传感器、摄像头、雷达等设备可以用于收集交通数据，如车辆速度、车辆数量、车流密度、交通信号灯状态等。
采集到的数据具有时空特性，需要经过处理与分析才能帮助我们更好地理解交通状况。
2. 数据清洗与预处理在数据采集的过程中，由于设备故障、环境干扰等原因，采集到的数据可能存在噪声、缺失值和异常值。
因此，数据清洗与预处理是一个不可忽视的步骤。
通过对数据进行去噪、填补缺失值和识别异常值等处理，可以提高数据的质量和准确性。
3. 数据可视化数据可视化是将交通数据以图表、地图等形式呈现出来，方便用户直观地理解和分析数据。
通过数据可视化，可以实时显示交通流量、拥堵情况、交通信号灯的状态等信息。
常见的数据可视化工具包括柱状图、折线图、热力图和地理信息系统（Geographic Information System, GIS）等。
4. 交通拥堵监控交通拥堵是城市交通系统中常见的问题之一。
数据处理与分析方法可以帮助我们监控和预测交通拥堵情况，从而采取相应的措施来缓解拥堵。
通过实时监测车辆速度、车流密度等数据指标，并结合历史数据进行分析，可以识别出拥堵路段，并提供合理的交通导航建议。
5. 智能交通信号控制传统的交通信号控制往往基于固定的时序或手动调节，无法适应交通流量的变化。
而通过数据处理与分析方法，可以实现智能交通信号控制，即根据实时交通数据调整信号灯的时长和配时，以提高交通效率。
智能交通中的数据处理与决策算法
智能交通中的数据处理与决策算法随着智能交通系统的不断发展，交通数据的处理和决策算法成为了智能交通系统中的重要问题。
本文将对智能交通中的数据处理和决策算法进行探讨。
一、智能交通中的数据处理1.交通数据的类型智能交通系统需要处理各种类型的数据，这些数据包括车辆行驶轨迹数据、车流量数据、路网拓扑关系数据等。
不同类型的数据需要经过不同的处理方式，以满足智能交通系统的需求。
2.交通数据的采集交通数据的采集是智能交通系统的关键步骤之一。
常见的数据采集方式包括GPS、车载摄像头、交通传感器等。
这些方法可以为智能交通系统提供高质量的数据，从而支持系统的各项功能。
3.数据清洗和预处理采集到的原始数据需要经过清洗和预处理，以提高数据的质量和利用率。
数据清洗步骤包括数据去重、异常值处理、缺失值处理等。
数据预处理步骤包括数据标准化、数据转换、数据降维等。
4.数据分析和挖掘经过清洗和预处理后的数据可以用于数据分析和挖掘。
数据分析和挖掘是智能交通系统的重要组成部分，可以提取有用的信息和知识。
常用的数据分析和挖掘方法包括数据可视化、数据挖掘、机器学习等。
二、智能交通中的决策算法1.交通流控制算法交通流控制算法是智能交通系统中常见的算法之一。
该算法通过控制信号灯以及限制车速等方式来优化交通流量和车辆延误时间。
常见的交通流控制算法包括最小平均延误算法、绝对优先算法等。
2.路径规划算法路径规划算法是智能交通系统中重要的算法之一。
该算法的主要目标是为车辆选择一条最佳路径，以缩短车辆行驶时间和避免拥堵。
常用的路径规划算法包括Dijkstra算法、A*算法等。
3.车辆调度算法车辆调度算法是智能交通系统中的关键算法之一。
该算法的主要目标是优化车辆调度方案，以使车辆在任何时候都能发挥最大的效益。
常见的车辆调度算法包括贪心算法、遗传算法等。
4.高速公路收费算法高速公路收费算法是智能交通系统中重要的算法之一。
该算法的主要目标是呈现出一个合理的收费标准，以使驾驶员不会感到不公平。
智能交通系统研究及应用现状
智能交通系统研究及应用现状随着科技的发展，智能交通系统被越来越多地应用于现代交通中。
智能交通系统结合了信息技术、物联网技术和智能控制技术等多种技术手段，旨在提高交通安全性、减少交通拥堵、优化交通流程、节约能源效益等。
本文将就智能交通系统的定义、研究现状及应用现状进行探讨。
一、智能交通系统的定义智能交通系统（Intelligent Transportation System，ITS）是指应用现代信息技术、电子技术、通信技术和控制技术，对城市道路交通运行状态进行实时监测、控制、调度和管理，以提高交通运输效率、保障交通安全和保护环境的一种综合性的汽车交通管理系统。
智能交通系统由以下六大子系统构成：1. 交通信息处理子系统2. 交通管理决策子系统3. 交通环境监测子系统4. 交通信息显示和提示子系统5. 交通控制子系统6. 交通服务子系统二、智能交通系统的研究现状1. 数据采集技术数据采集技术是智能交通系统的核心技术之一，目前采用的数据采集技术主要包括道路视频监控系统、车载传感器、电子警察系统、GPS 定位装置等。
这些设备可以实时获取车辆、行人的位置信息、速度、密度等数据，以及道路的状况等信息。
2. 数据处理技术智能交通系统通过采集的数据进行分析和处理，从而得出交通运行状态、短期预测和长期规划等方面的信息。
目前，智能交通系统中主要采用的数据处理技术包括神经网络技术、数据挖掘技术和GIS 空间分析技术等。
3. 智能监控技术智能监控技术是智能交通系统中的重要组成部分。
通过智能监控系统，交通管理人员可以实时监测道路上的交通情况，从而根据实际情况进行调度、管理和控制。
目前，智能监控技术主要采用的有摄像头、遥感卫星和智能传感器等。
4. 交通控制技术交通控制技术是智能交通系统中最为重要的技术，它通过道路信号灯、控制信号等手段来控制交通流动，从而缓解交通拥堵、提高道路通行效率和减少交通事故。
目前，智能交通控制技术主要包括自适应交通信号控制技术、实时交通流量控制技术和交通信息配对技术等。
智能交通系统中的高效路况预测算法
智能交通系统中的高效路况预测算法1. 引言智能交通系统是21世纪交通领域的重要发展方向之一。
其中，路况预测算法的准确性和效率对交通系统的顺畅运行至关重要。
本文将介绍智能交通系统中的高效路况预测算法。
2. 路况数据的获取在进行路况预测之前，首先需要收集并处理大量的路况数据。
传感器网络、卫星图像和交通流数据是常用的数据获取方式。
传感器网络可以通过道路上设置的传感器来收集实时的交通数据，包括车辆数量、车速和拥堵情况等。
卫星图像可以通过高分辨率卫星图像来获取道路的交通流量和拥堵情况等信息。
交通流数据可以通过车辆识别技术和交通摄像头来获取，这些数据可以提供车辆的位置和速度等信息。
3. 路况数据的预处理获取到路况数据后，需要进行数据的预处理。
预处理包括数据清洗、数据聚合和数据标准化等步骤。
在数据清洗中，需要处理异常值和缺失值，保证数据的准确性。
数据聚合可以将原始数据按照一定的时间间隔进行聚合，减少数据量和提高算法的效率。
数据标准化可以将不同类型的数据转化为相同的尺度，方便后续的算法处理。
4. 路况预测算法4.1 统计方法统计方法是路况预测中使用最广泛的一种方法。
这种方法基于历史数据，通过统计和分析过去的路况数据来预测未来的交通情况。
常见的统计方法有时间序列模型、回归模型和贝叶斯网络模型等。
时间序列模型基于时间序列数据的特点进行建模和预测，能够捕捉到一定的周期性和趋势性。
回归模型可以通过建立输入变量与输出变量之间的关系来进行预测。
贝叶斯网络模型基于贝叶斯理论，通过学习变量之间的概率分布来进行预测。
4.2 机器学习方法机器学习方法在路况预测中也得到了广泛的应用。
机器学习方法通过训练模型来学习样本数据的特征和规律，进而用于预测。
常见的机器学习方法有决策树算法、支持向量机算法和神经网络算法等。
决策树算法通过构建决策树模型来进行预测，可以直观地表示出不同特征的重要性。
支持向量机算法通过构建超平面来进行分类，可以处理多维度的输入变量。
智能交通系统的数据分析方法与技巧
智能交通系统的数据分析方法与技巧智能交通系统的高效运行和优化非常依赖于对大量交通数据的分析和处理。
通过对交通数据的深入分析，可以帮助相关部门优化交通路线规划、改善交通流量、减少交通事故发生率等。
本文将介绍智能交通系统的数据分析方法与技巧，帮助读者从大数据中获得有价值的信息。
一、数据收集与存储智能交通系统涉及到海量的交通数据，包括交通流量、车辆位置、速度、车道占有率等。
要准确分析这些数据，首先需要建立一个可靠的数据收集与存储系统。
1. 数据收集：采用传感器、摄像头、雷达等设备，可以收集到现实道路上的实时数据，并通过通信网络传输至中央服务器。
2. 数据存储：数据存储需要具备高可靠性和高扩展性，采用云存储技术可以实现大容量、高效率的数据存储。
二、数据清洗与预处理交通数据的质量直接影响到后续的数据分析结果，因此需要对数据进行清洗和预处理，排除噪声和异常数据。
1. 数据清洗：通过筛选和过滤，排除无效数据和错误数据，确保分析所用数据的准确性。
2. 数据预处理：对数据进行归一化、去噪、插补等处理，使得数据更具有可比性和可靠性。
三、流量分析与预测交通流量是智能交通系统中重要的数据指标之一，对交通状况的分析和预测能够帮助交通管理部门制定相应的交通调度措施。
1. 流量分析：通过对历史交通数据的分析，可以获得交通的高峰期、拥堵区域等信息，有助于交通管理部门制定合理的交通规划。
2. 流量预测：基于统计模型、机器学习等方法，对未来一段时间内的交通流量进行预测，从而提前采取交通调度措施，优化交通状况。
四、路线规划与优化对车辆行驶路径的规划和优化是智能交通系统中的重要问题，通过对交通数据的分析，可以提供更加高效和智能的路线规划方案。
1. 路段分析：通过分析交通数据，可以得到各个路段的拥堵情况、平均通行时间等指标，从而选择最佳的路径规划方案。
2. 交通信号优化：通过对交通信号灯的数据分析，可以优化信号灯的时序，提高交通流畅度和通行效率。
基于大数据的智能交通流量预测研究
基于大数据的智能交通流量预测研究智能交通是指利用先进的信息技术和大数据分析方法，对城市交通系统中的各个环节进行实时监测、分析和调度，以提升道路交通运行效率、减少交通拥堵和事故发生，提高交通出行体验的一种交通管理模式。
其中，交通流量预测作为智能交通系统的核心技术之一，在实现交通智能化管理和优化交通运行方面起着至关重要的作用。
本文将围绕基于大数据的智能交通流量预测进行研究，探讨其意义、方法和应用。
一、智能交通流量预测的意义在城市化进程不断加速的今天，交通拥堵问题已成为阻碍城市可持续发展的一个重要问题。
而传统的交通管理方法难以满足快速城市化背景下日益增长的交通需求，因此需要依靠信息技术和大数据分析来实现交通流量的智能化预测与管理。
智能交通流量预测的意义主要体现在以下几个方面：1. 交通流量预测可以帮助交通管理部门提前做好交通调度和交通信号灯控制工作，使道路交通更为流畅。
通过准确预测道路上的交通流量，可以根据预测结果进行交通信号灯的优化控制，从而减少车辆排队等待时间和交通拥堵现象。
2. 交通流量预测可以帮助交通出行者选择最佳出行路径和时间，提高出行效率。
在现代社会，个体出行需求不断增加，人们需要根据实时交通流量信息来选择最佳出行路径和时间。
精准的交通流量预测为出行者提供了准确的数据支持，使其能够更好地计划行程，避开拥堵路段，提高出行效率。
3. 交通流量预测可以为城市交通规划和交通项目建设提供科学依据。
通过分析历史交通数据和实时交通信息，可以对交通需求进行精细化预测，为城市交通规划和交通项目建设提供科学依据。
例如，在规划新的道路或者公交线路时，可以通过交通流量预测分析来确定其设计参数和运行策略，从而提高交通系统的整体效率。
二、基于大数据的智能交通流量预测方法为了实现精准的交通流量预测，需要依赖大数据分析方法和先进的计算模型。
基于大数据的智能交通流量预测方法需要从以下几个方面来进行研究和设计：1. 数据采集与预处理：大数据时代，海量的交通数据需要有效地获取和处理。
智能交通系统中的交通流量预测研究
智能交通系统中的交通流量预测研究随着人口的不断增加和城市化进程的加速，交通问题成为现代城市中的一个严峻挑战。
智能交通系统作为一种新兴的交通管理手段，为城市交通问题的解决提供了希望。
而交通流量预测作为智能交通系统中的重要环节，在提高交通效率和优化交通流动方面具有重要作用。
一、交通流量预测的背景和意义交通流量预测是智能交通系统中的一个重要研究领域，其主要目的是通过对历史交通数据和实时交通数据的分析和预测，提前预知交通流量的情况，从而为交通管理和决策提供参考依据。
交通流量预测的准确性和实时性对于交通拥堵的缓解和路网优化都起着至关重要的作用。
二、交通流量预测的方法和技术1. 基于传统统计方法的预测传统的交通流量预测方法主要基于统计学原理和数学模型进行建模和预测。
这种方法通过对历史数据的分析，提取关键特征，并通过时间序列分析、回归分析等数学模型进行预测。
然而，由于传统预测方法对于交通流量的复杂性和非线性关系处理能力有限，所以难以满足实际交通流量的预测需求。
2. 基于机器学习的预测近年来，随着机器学习技术的发展和应用，交通流量预测也逐渐借助机器学习算法实现更准确的预测。
机器学习方法通过对大量数据的学习和训练，能够自动提取数据中的潜在规律和特征，从而达到提高预测精度的目的。
常见的机器学习方法包括回归分析、支持向量机、神经网络等，它们在交通流量预测中取得了较好的效果。
三、交通流量预测的挑战和问题虽然交通流量预测在智能交通系统中具有重要意义，但是其仍然面临一些挑战和问题。
1. 数据缺失和不完整性交通数据的获取和处理一直是交通流量预测研究的难点。
由于交通数据的分布不均匀、缺失和不完整性等问题，对于数据的预处理和补全成为预测准确性的关键。
2. 复杂的交通特征现代交通系统中，交通流量的特征包括车辆类型、交通状况、道路设置等多样化，这些特征的复杂性和相互关联性给预测模型的建立和训练带来挑战。
四、交通流量预测的未来发展方向虽然交通流量预测面临着诸多挑战，但是随着技术的不断进步，未来仍然有更多潜力和发展方向。
大数据技术在智能交通中的应用研究
大数据技术在智能交通中的应用研究在当今社会，交通问题日益复杂，交通拥堵、交通事故、环境污染等成为了困扰人们出行和城市发展的难题。
随着信息技术的飞速发展，大数据技术逐渐在智能交通领域崭露头角，为解决这些问题提供了新的思路和方法。
大数据技术在智能交通中的应用，首先体现在交通流量监测和预测方面。
通过在道路上安装的各种传感器，如摄像头、地磁传感器等，可以实时收集大量的交通数据，包括车辆的数量、速度、行驶方向等。
这些数据被传输到数据中心进行处理和分析，利用大数据分析算法，可以准确地监测当前的交通流量状况，并对未来一段时间内的交通流量进行预测。
这为交通管理部门制定合理的交通管控措施提供了依据，例如调整信号灯时间、设置临时交通管制等，从而有效地缓解交通拥堵。
其次，大数据技术在智能交通中的智能导航领域发挥着重要作用。
如今的导航软件不再仅仅依赖于地图数据和简单的路径规划算法，而是结合实时的交通大数据，为用户提供更加准确和高效的导航路线。
当用户输入起点和终点后，导航软件会根据当前的交通状况，综合考虑道路拥堵情况、施工信息、交通事故等因素，为用户规划出最优的行驶路线。
同时，在行驶过程中，导航软件还会实时更新路线，根据交通状况的变化及时调整导航策略，帮助用户避开拥堵路段，节省出行时间。
另外，大数据技术在公共交通领域也有着广泛的应用。
通过收集公交车、地铁等公共交通工具的运行数据，包括车辆的位置、行驶速度、载客量等，可以对公共交通的运营状况进行实时监控和分析。
基于这些数据，交通管理部门可以优化公交线路和发车频率，提高公共交通的服务质量和运营效率。
同时，乘客也可以通过手机应用程序实时查询公交车辆的到站时间，合理安排出行计划，减少等车时间，从而提高公共交通的吸引力，促进城市交通的可持续发展。
在交通安全管理方面，大数据技术同样功不可没。
利用大数据分析，可以对交通事故的发生规律和特点进行深入研究，找出事故多发路段和时间段，为交通管理部门制定针对性的安全措施提供支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1绪论1.1智能交通研究背景交通可以将人和物之间互相联系起来，在城市的建设、发展和日常运行中起到了重要的作用，我们出行使用的交通工具无不处于复杂的交通线路中，通过这些线路，我们可以到达我们想要前往的地点。
在技术的不断发展和进步中，交通也变得越来越安全、便利、不再昂贵的运输成本，每次交通方面的进步都会影响到很多行业的发展，带来新的就业机会，为城市的发展带来利好。
公路是城市的血管，公路上的车辆便是城市的血液，城市的日常运作和社会的发展离不开公路，得益于我国“入世”以后国民经济的腾飞和技术的进步，汽车业的发展也伴随着人民生活水平的提高迎来了自己的春天，便利的交通对经济进一步发展和人民生活的便易又提供了新的生机，但事物具有两面性，现有道路已经不足以消化日益增长的交通工具，问题正逐渐进入人们的视线，拥堵问题、秩序杂乱无章、交通事故频发、尾气排放等是其主要表现形式⑴。
在过去的几十年中，很多城市的交通问题已经随着城市的发展变得越来越严重，现有基础设施已然不足以消化过多的车辆，而糟糕的交通又限制了社会经济的发展，同时耗费了多余化石燃料，破坏环境。
随着人口的不断膨胀，车辆保有率的不断增加，现有交通的状况将变得更加糟糕。
深处世界洪流中的我国也不例外，自上个世纪末起，我国的道路拥挤问题已初现端倪，近年来我国国力迅速增强，交通问题更加限制了经济的持续发展和人民生活水平的进一步提高，公安部官方数据给出，截至2015年年底，全国机动车保有量达2.79亿辆，2015全年新注册登记的汽车2385万辆，保有量净增1781万辆，全部达到历史最高水平。
如此天量的汽车行驶在全国的公路上，势必会造成拥堵，造成经济损失，更为严重者已经严重威胁了人们的生命，全球每年超百万人死于交通事故。
所以，我们必须重视交通问题并寻求解决方案。
为此，世界各国采取了各自的对策，但收效甚微。
通过长期的探索与经验的积累，人们发现，诸多造成交通拥挤的因素中，最为根本的原因就是供求两者间的不平衡关系，首先可以新建道路，提高总体容量，但经过调查发现，我国的一些大城市在上下班等高峰期，大多数公路都处于拥堵状态，但一些道路的使用率仍然不高，所以仅仅采用简单的新建道路、扩建道路是不能从根本上解决问题的，尤其对于发展得比较成熟的城市而言，城市早已形成规模，交通系统繁杂，格局不宜改变，可分配用于道路建设的土地越来越少，因此不能仅从某一方面（例如道路方面或车辆方面）来解决相关问题，成本过高、污染环境，并且此法对于纾缓交通、提高运输效率的作用并不十分明显⑵。
由此看来，综合考虑各种因素，要想有效地解决道路问题，就要充分利用现有道路资源、合理分配车流量，就成了现在工作的重点，具体就是采用各种高科技手段相配合改造传统运输体系的方法便成了最优解，即综合考虑司机、交通工具、环境的智能交通系统（ITS）。
1.2智能交通和数据预处理的相关介绍1.2.1智能交通相关介绍及国内外发展概述智能交通系统(Intelligent Transportation System,即ITS)，是未来交通系统的发展方向, 它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有 效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实 时、准确、高效的综合交通运输管理系统 ⑻。
智能交通的目标就是，对交通状况和交通数 据的感知采集，将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的 应用系统建设，分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能 停车等应用系统。
在没有新建道路的情况下，充分利用现有资源，减轻道路负担和环境污 染，使道路在安全的前提下被更充分地利用，由此，各国越来越重视智能交通的建设。
智能交通分为四个子系统，分别为：车辆控制系统、交通监控系统、车辆管理系统、 旅行信息系统。
车辆控制系统，指辅助驾驶员驾驶汽车或替代驾驶员自动驾驶汽车的系统， 可以准确地判断车与障碍物之间的距离。
交通监控系统类似于机场的航空控制器，它将在 道路、车辆和驾驶员之间建立快速通讯联系。
车辆管理系统可以实现驾驶员与调度管理中 心之间的双向通讯，来提供商业车辆、公共汽车和出租汽车的运营效率。
旅行信息系统专 为外出旅行人员及时提供各种交通信息的系统。
四个子系统如下图。
Figure 1 -1 Intelligent transportation subsystems智能交通系统(ITS )是一个繁杂系统的总称，以管理和控制为基础，依靠交通信息 提供服务，同时着重提高道路使用效率，由此可以缓解道路拥挤，有利于出行，目前此方 法受到各国重视和大力推广。
它集各种高新科技之大成，需要极强的综合性，然而现行的 一些智能交通系统并没有综合利用各种资源，而是各自为政、自扫门前雪，没有形成信息 的实时共享，如此这般，信息溃散、高能低效，并没有达到“智能交通”本来的目的。
所图1-1智能交通的子系统⑷以对于智能交通来说，其很重要的一方面就是资源、数据的共享，在保证尽可能全面、实 时地收集大量静态和动态数据信息的同时还要兼顾各交通资源之间的数据整合、输送、融 合、分析和利用。
这就需要各部门相互协调、分配工作，综合考虑时间、地点、环境，将 采集到的天量数据进行实时共享，这是非常重要的。
而实时共享，就需要依靠信息技术在 各单位之间建立一个统一且规范的组织平台，以供信息共享与交流，各部门可充分利用平 台中的所有数据，综合分析，给出最合理最有效的解决方案，此举大大提高智能交通系统 的综合性能，同时提高出行效率，增加效益，保护环境[5] 0智能交通是一个包含了多方面高新技术的复杂系统的总称，它的出现解决了很多道路 交通问题，目前国际上将ITS 项目分为七大类。
智能交通系统图1-2智能交通的项目分类Figure 1-2 In tellige nt Tran sportati on Project Classificati on在智能交通方面走在世界前列的是美国、欧洲、日本。
他们的社会发展相对成熟，更 超前，所以较早涉足智能交通领域，且相关研究由国家带头，联合社会各界，各取所长， 共同实现了智能交通的研发、改进与应用。
美国于上世纪六十年代着手开发电子导航系统，并于 80年代末期提出了相关战略计 划，投入巨资联合各单位共同参与项目，在智能交通的各系统领域取得了长足的进展。
进 入新世纪后，已经建立了智能交通的四个系统及众多下属系统的行业标准，信息平台的建 设也越来越完善。
早在三十年前，欧洲便开始了对智能交通的研究和其信息共享平台的建 设，两年后，欧洲十国又将研究领域延伸到道路本身和车辆的设备，经过不懈努力，到现 在,已经有很大一部分的理论研究被应用到实际当中， 并为国家的带来了显著的经济利益。
日本对于智能交通的研究稍晚欧美几年，但这并不妨碍日本在相关领域的领跑地位，日本 连续几年内完成了系统的开发与标准的制定，并应用于国家的主要公路。
日本的高效源于 政府从始至终的参与，使各处力量集中在一起攻坚克难，这样就使日本取得了不俗的成绩。
我国最初涉足智能交通领驭的时间可以上溯到上世纪八十年代，当时，交通部提出分 批次对五先进的交通信息系统 先进的交通管理系统 先进的公共交通系统 先进的车辆控制系统个交通领域进行研究，并系统地应用于实际。
进入新世纪后，我国于2001年根据我国国情构建了智能交通的规则系统，后又成立了十个试点城市，并在试点城市中开始了相关工程项目的建设，我国智能交通的重点之处是信息交流平台的建设，随着科技的不断进步，各种通信手段的日渐成熟，信息采集系统功能的不断完善，为我国智能交通的进一步建设奠定了夯实的基础，但即便如此，当时我国在信息平台的建设上还处于初级阶段，多数城市仍然依托原始的信息系统，或直接进口国外先进软硬件。
2008年北京奥运会的成功举办也加速了我国智能交通的发展，同时借鉴国外的成功或失败经验，我们很有可能“后发制人” [6]。
时至今日，我国大城市普遍成立了各种独立的交通道路指挥中心，一些中小城市也在积极推动相关项目，由此可知，智能交通在我国的发展是历史发展的必然选择和趋势。
1.2.2数据预处理的相关介绍数据预处理是指在主要的处理以前对数据进行的一些处理。
众所周知，只有依靠精准的数据才能做出准确的决策，由于电压突变、外界震动、电磁干扰、仪器故障、环境条件等引起了测试仪器的测量值异常或被测物品的位置相对移动，就会产生异常数据。
发现异常数据并剔除或做出适当修改会对未来的正确的决策起到关键作用。
然而对于一切系统，都没有足够的把握让数据完全洁净，这将导致数据挖掘的自身质量不高。
在数据挖掘的过程中会由于噪声和冗余造成混乱，造成不准确的输出。
过多的冗余就会在探索知识的途中造成性能降低并造成混乱，此时我们就通过数据预处理技术提高数据准确性，进而提高后期数据挖掘的性能⑺O数据预处理模块是数据挖掘系统完整的必要保证，它的目的是发现任务，用新型模型整理数据，排除无关的属性，使数据更加精准、洁净、有更强的针对性，通过数据预处理可以提高工作效率。
实际应用到的数据大部分是不完整的，由于脏数据的存在，数据挖掘不能直接进行，或得出的结果并不令人满意，为了应对这种情况，数据预处理技术就此产生，数据预处理的意义就是：为了得到更高质量的数据结果，在数据挖掘前要进行数据预处理，由此可以对数据做出调整，使数据更符合需求，更有效并更准确，同时去除无关项, 使数据质量更高。
通过大量的数据处理可以抹去噪音。
同时存储已被整合的数据，数据变换同理。
举个例子，规范化有助于提高一些用于测距的挖掘算法的有效性和准确性⑹。
数据预处理有很多方式：数据清理、数据集成、数据变换、数据归约等。
要在数据挖掘前应用这些技术，由此提高挖掘质量，减少数据挖掘的时间。
数据清理的主要任务是使格式标准，易9除异常数据，改正错误，易9除反复数据，即补充缺失数据、平滑噪声、找出并剔除一些点来解决不一致性。
数据集成就是建立数据库，将数据合并在一起。
由于一般情况下数据挖掘的工作量很大，在一些数据的挖掘上耗费较长时间，通过数据归约可以极大地简化工作，同时保证原始数据的无损，并可以得到与未归约近乎相同的结果⑹O对于一些工程企业（例如汽轮机厂等），客观存在着某些现象，比如，反复设计后的零件进入生产，这就导致了零件和文件的数量过于庞大，生产过程杂乱无章，抬升了成本, 不能按时完成任务。
可以分析该企业产品的过往数据并制定特定算法，有助于工作人员了解本企业的历史产品、相关零部件和其过去的利用情况。
在汽车领域，数据预处理同样发挥着其重要的作用，企业为用户提供更细致、更标准的服务，就要采集海量数据，车企人员已经开始重视数据的采集、分析，但在使用方面仍然不能做到完美。