張樂瑤

（大連海事大學航運經濟與管理學院，遼寧 大連116033）

1 背景

智能交通系統（Intelligent Traffic System，ITS）[1]，指的是在較完善的基礎設施之上集成了先進的科學技術（包括信息技術、數據通訊傳輸技術、電子傳感技術、電子控制技術以及計算機處理技術等）而建立起的一種在大范圍、全方位發(fā)揮作用的實時、準確、高效的綜合運輸和管理系統。它使得交通系統中“人、車、路”三者的關系以新的方式呈現，有利于緩解交通堵塞、降低交通事故發(fā)生率和減少環(huán)境污染。目前國內對智能交通的研究主要集中在以下幾個方面：

1.1 智能交通系統涉及的相關實現技術的研究

郁梅、蔣剛毅、郁伯康在《智能交通系統中的計算機視覺技術應用》中討論了計算機視覺技術在智能交通系統中的應用，提出了一種基于背景差的車輛監(jiān)測算法。胡瀅濱、李麗華在《物聯網前沿技術在智能交通中的應用研究》中研究了物聯網的前沿技術與智能交通系統的有機結合。張黃慧在《大數據技術在智能交通中的應用》中詳細研究了智能交通中大數據技術的應用。

1.2 對當前國內環(huán)境下智能交通的發(fā)展現狀與未來發(fā)展的分析研究

譚慧芳在《中國智能交通系統的現狀和發(fā)展對策》中選取了智能交通系統框架中的部分領域進行現狀分析，并提出了發(fā)展對策。洪中榮在《淺析我國智能交通系統發(fā)展現狀與前景》中通過中國與美歐日在ITS 發(fā)展現狀的對比，綜合分析我國ITS 趨勢與建設ITS 路上所面對的挑戰(zhàn)，并提出了相應對策。

1.3 對基于智能交通產業(yè)的研究

李正熙在《宏觀城市智能交通系統產業(yè)化發(fā)展趨勢》中指出智能交通系統集成、交通大數據、車聯網、移動互聯網應用將是中國城市智能交通系統產業(yè)化發(fā)展的重要領域。岳建明在《我國智能交通產業(yè)的發(fā)展及技術創(chuàng)新模式探討》中指出制約我國智能交通產業(yè)的主要因素在關鍵技術創(chuàng)新、技術標準和產業(yè)鏈整合方面，并探討了智能交通產業(yè)的產業(yè)化發(fā)展和技術創(chuàng)新問題和提出了發(fā)展建議。

2 構建關鍵詞矩陣

2.1 提取高頻關鍵詞并統計詞頻

本研究以中國知網(CNKI)作為數據源，以“智能交通系統”為主題詞，在2010 年1 月1 日到2019 年12 月31 日的時間范圍內，從CNKI 數據庫中搜索得到4464 篇中文文獻。經過人工刪除無摘要、無關鍵詞，并篩選剔除與智能交通系統主題無關的文獻，共得到2293 篇有效文獻，每個關鍵詞單獨占有一列。使用統計篩選功能進行關鍵詞的詞頻統計，獲得原始關鍵詞9207個，去除重復項后得到4215 個關鍵詞及其詞頻。因為本文研究的是國內智能交通系統的研究重點，故剔除與主題完全重合的“智能交通系統”和“ITS”這兩個關鍵字，之后選取詞頻不小于12 的關鍵詞，共得到76 個高頻關鍵詞及其詞頻。其中“智能交通”詞頻為553 次，為出現頻率最高的關鍵詞。此外，“物聯網”、“大數據”和“車聯網”等關鍵詞的出現頻率也很高，表明這些方向國內智能交通系統研究的熱點與重點。

2.2 構建高頻關鍵詞的共詞矩陣

在根據高頻關鍵詞表得知近十年國內智能交通系統的研究頻率較高的重點方向后，現構建這些關鍵詞的共詞矩陣來探究它們的出現是否有相關關系：在關鍵詞總表中用VLOOKUP 函數篩選除去高頻關鍵詞之外的其他關鍵詞，之后將幾個關鍵詞列兩兩組合后形成兩列的關鍵詞表，最后運用數據透視表分析得到高頻關鍵詞的共詞矩陣（部分）[1]。

2.3 構建關鍵詞相似矩陣

在獲得共詞矩陣之后，可以觀察到該共詞矩陣內的頻次差距較為懸殊，不利于后面運用多元統計方法進行計算，故此處使用Ochiia 系數將共詞矩陣轉化為相似矩陣。將每個單元格的數據進行變換，計算公式如下：

在關鍵詞相似矩陣中的數據可以表示其所對應的行和列的兩個關鍵詞的相似程度，取值范圍為0 到1：數值越接近于1，表明關鍵詞之間的相似度越大，也即一起出現的頻率越高；反之，數值越接近于0 表明關鍵詞之間的相似度越小，一起出現的頻率越小。而對角線上的數據表示關鍵詞與自己本身的相似度，均為1。

2.4 構建關鍵詞相異矩陣

在獲得相似矩陣后，觀察到相似矩陣內的0 值過多，為避免因此導致在統計時誤差過大，現用1 與全部相似矩陣中的數據相減，得到表示兩關鍵詞相異程度的相異矩陣。

在關鍵詞相異矩陣中的數據可以表示其所對應的行和列的兩個關鍵詞的相異程度，取值范圍為0 到1：數值越接近于1，表明關鍵詞之間的相異程度越大，也即一起出現的頻率越低；反之，數值越接近于0 表明關鍵詞之間的相異程度越小，一起出現的頻率越高。而對角線上的數據表示關鍵詞與自己本身的相異程度，均為0。

3 數據分析

用SPSS 軟件對之前得到的76 個高頻關鍵詞進行因子分析的降維處理。由所得的總方差解釋表可以看出，前34 個因子的特征值較大，均大于1，且前34 個因子的旋轉載荷平方和累計為62.990%；再觀察圖1 的碎石圖，可以認為碎石圖從35 個因子開始趨于平緩，故選取前34 個因子為主因子，如表1 所示。

表1 主因子關鍵詞表

圖1 碎石圖

去掉重復的代表因子，最后形成的主因子關鍵詞共30 個。將篩選后得到的主因子關鍵詞的相異矩陣導入SPSS 進行組間聯接法的系統聚類，根據聚類結果將因子分析得到的30 個主因子關鍵詞分為7 個類團，如表2 所示。

表2 聚類結果的類團表

4 結論

本文通過對2293 篇文獻的關鍵詞進行因子分析與聚類分析，得到了7 個智能交通系統的研究熱點。現綜合分析結果與相關文獻對這7 個方面進行闡釋。

4.1 交通燈的實現技術。交通信號燈在調節(jié)交通流量、維持交通平穩(wěn)狀態(tài)方面起著關鍵性作用。交通燈主要涉及技術主要包括PLC 控制技術與檢測技術。其中大多數的檢測技術是利用地磁線圈的檢測技術，而隨著人工智能與計算機視覺技術的發(fā)展，視頻檢測技術逐漸成為交通燈檢測技術研究的新方向。

4.2 交通燈智能控制系統的設計。交通燈控制系統的研究通常包括選擇和優(yōu)化控制算法、選擇合適的控制硬件等。隨著科學技術的發(fā)展，交通燈的控制算法也由最開始的常規(guī)的時間順序控制方法向深度學習、模糊控制等智能算法方向轉變[2]。

4.3 智能交通系統的檢測與定位技術。智能交通系統識別“人、車、路”之間的矛盾的主要依據就來源于車流量檢測了。隨著計算機視覺技術的發(fā)展，視頻檢測技術[3]逐漸成為研究熱點，其中基于深度學習等人工智能算法的發(fā)展更為迅速。

4.4 城市交通系統的智能化。當前在我國只有少數幾個大城市建立了先進的智能交通系統，所以未來一段時間內城市智能交通系統仍是國內智能交通系統的主要應用方向，隨著一些類似計算機視覺的人工智能技術加入，國內的城市智能交通系統會有很大的研究空間。

4.5 智能交通系統中的交通管理與控制。智能交通系統中的交通管理與交通控制也是解決城市交通問題的必要方式，而GPS 技術和人工智能技術的運用則會使交通管理與交通控制變得更加智能與高效，從而可以更好地解決交通問題，實現交通系統的智能化。

4.6 交通擁堵的識別、解決及管理。在智能交通系統中，解決交通擁堵是其首位功能要求，所以智能交通系統中采用了云計算、物聯網等先進技術對擁堵進行識別和監(jiān)控，之后通過智能交通管理系統進行解決。

4.7 交通信息的采集與使用。智能交通系統內交通信息的采集與使用也是智能交通系統中的研究重點。信息的來源除了最基本的直接獲取，還可以通過車聯網、物聯網等途徑，利用無線通信技術等手段為智能交通系統提供信息來源。