3.2 数据集成
　　根据数据挖掘的任务与目标，需要将不同来源、格式、性质的数据进行集中，为用户提供数据综合分析和共享，强化信息的使用效率并可以在不同角度提供决策支持。比如对高速公路的数据分析中，需要将分散的巡查日志、超限信息、施工信息、监控信息等数据进行汇总，为下一步的数据挖掘工作提供数据支持，这种集成能够将相关数据进行综合处理和分析。
　　3.3 数据转换
　　数据挖掘中需要进行数据格式转换，因为各个系统设计的时间较早，没有按照统一的格式和发展规划进行建设，造成数据的结构相差很大，部分模拟信号还没有进行数字化分析存储，为提升数据挖掘的效率，需要将数据进行统一处理，例如高速公路监控和各种车感器信息是非常好的信息来源，其中往往蕴含着各种事故信息、危险路段、恶劣天气等的规律，可为应急指挥提供决策支持，面对这些信息我们可以利用数据提取算法，提取其中的有价值信息，按照统一的格式进行数字化存储，为数据挖掘提供资源，对于其他较为复杂的信息来说，同样需要结合业务要求和规律进行分析和提取工作。
　　3.4 数据归约
　　将数据集成和转换存储后会形成海量的数据，除了设计建设高效的大数据分析平台外，对数据的规约也是精简数据量的有效方法，利用特征归约、样本归约、特征值归约等方法，可以将数据集上的分析挖掘更有效，且不影响分析结果。同时可利用信息可视化技术，建立可视化的信息分析模型，使得信息的分析结果形成抽象程度高、规律性特征清晰、展现能力强的可视化形式，为辅助决策提供多元化参考。
　　4 数据挖掘在高速公路管理中的应用
　　随着智能交通的发展，高速公路信息化建设和应用已经非常广泛，我国在该领域中投入了大量的人力和财力，数据挖掘的应用规模也在短期内增长迅速。
　　4.1 高速公路通行信息的数据应用
　　第一，通过对省内各高速公路收费站车辆来往信息，能够根据进出站、行驶路段、行驶时间等因素对车流量的情况进行分析，得出车流的分布特点，为高速公路收费系统的优化，提高通行效率提供数据依据；第二，通过对省内高速公路的收费数据进行归纳和筛选，与当地各项经济指标进行对比，建立预测模型，能够对未来一段时间内的联网收费情况进行预测；第三，通过对省内高速公路指定区域内的车流量数据信息，得出该区域路段的车辆密度，预测道路养护费用，降低运营单位成本投入；第四，通过对交通量等历史数据的分析并结合高速公路网模型，能够分析出各时段车辆分布图，遇到突发情况，可进行高效的指挥调度；第五，通过对车辆通行信息、气象信息、道路路况信息等融合分析，能够制定出安全驾驶的相关提示，最大限度地减少交通事故的发生；第六，通过对省内高速公路车辆通行记录和收费情况等数据的分析，能够提供高速公路未来规划依据。
　　4.2 对高速公路人员及管理的数据应用
　　通过对高速公路联网收费系统中收费人员的日常操作信息进行分析，比对通行车辆的统计数据，能够预防收费员出现违规收费的现象，同时还可通过工作人员的操作日志，如在岗时间、操作的具体步骤、操作流程、设备使用情况等数据进行分析，从而为升级现有系统提供参考依据，避免工作人员的操作失误，提升工作效率。
　　4.3 对高速公路司乘人员的数据分析
　　全省每天在高速公路上行驶的车辆数万计，通过对这些车辆通行信息的分析，统计不同种类车辆的分布和行驶规律等，调整服务区的设置和功能，为司乘人员提供个性化的服务，尤其是我国正处于全面发展高速公路电子不停车收费的今天，我们要努力提高管理效率，增强服务意识，发掘潜在用户，推动高速公路智能化的健康发展。

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。