海量综合交通信息OLAP系统研究与实现
时间：2021-05-12 20:02:45 来源：雅意学习网 本文已影响 人 
【摘 要】 针对交通管理中各应用系统中海量数据的“信息过剩”问题，本文采用了先进的数据仓库技术，将海量综合交通信息有效的组织、集合和管理，构建综合交通信息数据仓库。一方面为综合信息平台提供全面、高质量的综合数据中心；另一方面在综合交通信息数据仓库的基础上，结合OLAP多维分析技术，可以对数据进行多角度（按时间、区域、断面、交通流量等）的OLAP分析，为交通拥堵管理提供决策支持，提高交通管理和控制的效率，改善交通管理系统的服务水平。
【关键词】 数据仓库；联机分析处理；多维数据分析
1、引言
近年来随着信息技术、通信技术及计算机技术在城市交通管理与控制中的应用，交通管理部门按业务操作类型，在各个环节分别建立了各种计算机信息管理系统，例如交通地理信息系统，110、122道路交通事故报警系统、交通流量检测信息系统、电视监控系统、GPS车辆定位系统等[1]，这些系统能够存储、处理多种类型的数据和信息，所以积聚了相当丰富的数据资源。但是，获得的数据量也以空前的速度急剧增长，与其它领域一样，交通管理中这些海量数据将造成所谓的“信息过剩”问题。因此，如何合理有效地处理和利用这些数据及信息，使其能够为决策服务也就顺理成章地成为智能化城市交通管理决策研究的重点问题之一。
数据仓库作为一种决策支持新技术，它经过对大量静态数据库进行提取，在传统的业务数据库基础上，形成数据仓库数据，并可以通过OLAP（联机分析处理）以及数据挖掘技术为决策者提供决策支持。因此，利用OLAP技术与数据仓库的结合可以较好地解决传统决策支持系统既需要处理大量数据又需要进行大量数值计算的问题。
本文将在阐述数据仓库关键技术的基础上，将各种交通数据以统一的格式，集成、存储在一起，根据主题通过专业模型对不同源数据库中的原始数据进行抽取和聚集，形成一个多维视角，从而为城市交通管理提供了一个适应决策分析的综合的、统一而全面的详尽数据环境。同时结合OLAP的多维数据分析技术研究，最终构建基于数据仓库的海量综合交通信息OLAP系统。通过对多维数据的维度进行剖切、钻取和旋转来实现对数据库所提供的交通数据进行深入分析，为决策者提供决策支持，具有非常重要的理论意义和现实意义。
2、交通信息OLAP技术研究
2.1 OLAP与数据仓库的关系
在数据仓库系统中，OLAP与数据仓库是密不可分的，但是两者具有不同的概念。数据仓库是一个包含了交通信息历史数据的大规模的数据库，这些历史数据主要用于对交通管理决策提供分析和支持。数据仓库中的数据是不能用于联机事务处理系统（OLTP）的，而OLAP则利用数据仓库中的数据进行联机分析，将复杂的分析查询结果快速地返回给用户。OLAP利用多维数据集和数据聚集技术对数据仓库中的数据进行组织和汇总，然后用联机分析和可视化工具对这些数据进行评价[6，7]。
从下图1中可以发现OLAP用多维结构来表示数据仓库中的数据，创建组织和汇总数据的立方体，这样才能满足用户的复杂查询要求。因此，数据仓库的结构将直接影响到立方体的设计和构造，也就影响到OLAP的工作效率。
图1 数据仓库与OLAP
图2 切片模式
2.2交通数据的OLAP分析
OLAP分析是指对以多维形式组织起来的数据采取切片、切块、旋转、钻探等各种分析模式，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据仓库中的数据，从而深入地了解包含在数据中的信息、内涵。OLAP分析方式迎合了人们的思维模式，因此减少了混淆并且降低了出现错误解释的可能性。OLAP分析的基本模式有[5-7]：
（1）切片（Slice）
定义：在多维数组的某一维上选定一维成员的动作成为切片，即在多维数组（维1，维2，…，维n，变量）中选一维，如维i，并取其一维成员（设为“维成员Vi”），所得的多维数组的子集（维1，…，维成员Vi，…，维n，变量）称为在维i上的一个切片。
图2所示，是一个按时间维、地理维、速度维组织起来的多维数据集，按照速度等级进行切片，得到了速度级别为20km/h的一个切片。
（2）切块（Dice）
定义：在多维数组的某一维上选定某一区间的维成员的动作成为切块，即限制多维数组的某一维的取值区间。显然当这一区间只取一个维成员时，即得到一个切片。
从另一角度来讲，切块可以看成是在切片基础上，进一步确定各个维成员的区间得到的片段体，即由多个切片叠合起来。在图2中，如果将时间维上的取值设定为一个区间（例如10：00～11：00），就可以得到一个关于1小时内的各地区车流量的切块。
（3）旋转（Pivoting）
旋转即改变一个报告或页面显示的维方向。例如，旋转可能包含交换行和列，或是把某一个行维移到列维中去，或是把页面显示中的一个维和页面外的维进行交换（令其成为新的行或列中的一个）。如图3所示，把一个横向为时间、纵向为地理交通信息报表，旋转成为横向为地理、纵向为时间的报表。
图3 旋转模式
（4）钻探（Drill）
钻探模式是使用户在数据仓库的多层数据中能通过导航信息而获得更多的细节性数据。钻探一般是指向下钻探（Drill Down）。例如查看2007年4月9号的南北高架中断面的交通流数据。如下图4所示，显示出南北高架的卢湾区、闸北区、静安区和黄浦区的详细数据。
图4 下钻南北高架的交通数据显示
如需察看的南北高架卢湾区路段更细节的断面交通数据，可继续下钻，如下图5所示卢湾区路段各断面的交通流数据，由于所提供数据有限，且这里设置过滤器只显示速度等级20-40km/h的数据，所以有空的数据行。
图5 下钻南北高架卢湾区路段的交通数据显示
