《基于交通大数据的线性和圆周布局气泡图可视化图表的应用研究11000字（论文）》

第一章绪论1.1研究背景，目标及意义1.1.1研究背景20世纪90年代起，汽车开始出现在我们的日常生活当中。自21世纪以来，我国的经济快速进步，但获利于经济的极速进步、居民可支配开销的提高、我国政策推进的影响，中国居民对汽车产品的需求继续蓬勃，近年来，汽车市场经历了快速膨胀和进步，其中中国汽车市场规模水平继续高于行业的平均程度，而中国私家车数量继续稳定快速增长。近年来，随着经济平稳进步和中国居民的生活程度提高，中国汽车销量每年都保持着稳定的增长速度，汽车持有量一直在上升。据公安部不完全统计，2020年全国机动车数量高达3.72亿辆，机动车驾驶员4.56亿人；其中汽车2.81亿辆，汽车驾驶员4.18亿人。十年前，中国道路总里程以每年26万公里的平均速度增长。截至2014年，公路通车里程达到446.39万公里，2010-2014年，我国城市道路交通事故死亡率占28.8%，其中无防护路段、隔离路段和无信号路段的事故死亡率较高，分别占55.7%、58.3%和50.4%，金属护栏、防护墩、混凝土护栏和波形护栏路段的事故死亡率为4.0%REF_Ref26282\r\h[1]。在中国道路建设进程中，交通安全始终是一个不可忽视的问题。因而，提高道路安全管理水平对预防交通事故、减少事故后果和传递交通安全管理信息具备重要意义。互联网大数据作为一种运用技术手段来掌握、管理和处理数据的技术类型，由于其在数据收集、处理和运用方面的优势，为现代社会的进步创造了杰出的条件。在繁杂且多变的道路环境中，运用互联网大数据技术实现道路交通安全管理的准确性、实时性和智能化是现代道路交通安全管理的重要目标和任务。虽然互联网大数据的运用空间非常广阔，但值得注意的是，在提出互联网大数据可视化在道路交通安全管理中的运用构想时，也要从技术和实践层面寻求相应的功能实现路径，将互联网大数据的技术优势转化为道路交通安全管理的优势，以保证互联网大数据的技术优势在道路交通安全管理中的运用REF_Ref26651\r\h[2]REF_Ref26782\r\h[3]。互联网大数据在道路交通指挥中的运用关键是交通出行指挥中心系统软件的基础架构和道路交通指挥的高效完成。在交通和出行指挥中心系统软件的基础结构中，互联网大数据是数据收集，数据处理方法和数据信息反馈的关键。换句话说，大数据平台将对从许多地面监控设备收集的交通流信息进行汇总计算。一旦该值超过预设规格，信息警告将指示发往服务平台的相应区域后将提醒道路交通安全异常，并且道路交通安全管理方法的参与者和驾驶员将显示交通行驶信息供参考，并完成大数据平台的连接。动态调整。在道路交通指挥的高效率水平上，交通管理部门和新闻媒体组织依靠大数据平台来直观地掌握每个关键路面上的交通流量和交通拥堵连接点，并根据交通状况广播节目以通知汽车在路上，合理回避交通的危险因素，并完成高效的道路交通指挥。1.1.2目标及意义现在道路交通安全管理由粗放型向集约型转变，越来越多的城市将大数据技术作为提高道路交通安全管理精细化水平的重要支撑。由于道路交通管理决策对要求的精细化水平越来越高，从前的决策模式已经达不到所需要的要求。本文以数据可视化技术为主，进行数据收集，用于数据分析、统计预测和数据可视化，这对我们的生活非常有用，并且可以为交通管理提供数据支撑，甚至基于此可以尝试开发可视化系统。可以为交通管理提供数据支撑。为了达到详细研究和分析数据的目标，我们需要根据自身的需求以确定基础的可视化数据，然后将数据可视化为交互图像。以上就进行数据可视化的基本理由。钻研如何从海量且繁杂的数据集中选取所需信息，建设交通流量信息数据仓库，根据需求进行数据收集并对信息降噪，并完成预处理之类的净化任务，并生成柱状图和折线图这类可交互性图表，它提供对交通管理预警数据的展示以及支持相应决策，为使数据与决策的正确相匹配。我们需要在适当的环境条件和不同数据特征的情况下深入理解可视化原理并根据相关信息提供多样的的交互式技术。1.2国外理论背景早在1950年左右，在计算机图形的进步之后，数据可视化技术便出现了，经过图形学创建直观的数据图形和数据图表，这是的基本的条件。大型数据库中的数据集，经过计算机互联网技术，这些复杂而大量的数据经过一系列处理，找出它们的相关性，预测数据的进步趋向，最后在客户面前展现。这个过程指的是大数据可视化技术。经过可视图表的显示，客户可以更直接地完成人机交互。目前，因为互联网技术的进步，数据可视化技术得到了进一步增添和完善。它使客户可以可视化存储在数据库中的数据并察看可视图表和分析结果。一千个人眼中有一千个哈姆雷特。不同的人有不同的标准，可以将可视化技术划分为不同的门类。目前最盛行的是按照数据的抽象程度分为四类:科学计算可视化、数据可视化、信息可视化和知识可视化REF_Ref26939\r\h[14]。像麻省理工学院这种顶尖的国外研究机构就专注于研究数据可视化技术，诸如Uber这类的上线公司会根据动态的可视数据图，对可视数据图的源头流量大数据进行分析，针对需求进行开发。外国媒体像《纽约时报》这样的主流对新闻数据进行人机交互，早从8年前开始了。对诸如医学、通信、商务等各个领域中的信息进行可视化和分析在细节方面取得了巨大的成就。即使对技术有高深的理解，在交通行业想取得巨大的成就，尚有大量的研究工作。本文对目前盛行的基于互联网大数据的道路交通管理可视化趋向进行了研究，以期促成道路交通管理者和行业对大数据钻研与运用的认知。面对互联网大数据热潮，在钻研和运用大数据技术的进程中，我们应该做出科学正当的决策，不但要看到大数据技术的价值，更要看到其背后的疑难和挑战REF_Ref27115\r\h[5]。为应对这几年道路交通信息管理的新趋势，既要踊跃稳当、科学合理地进步大数据技术，又要注重实践，夯实科学的交通管理根底，努力探索数据的价值。1.3本文主要结构（1）论述钻研数据可视化技术在道路交通管理决策中的实际背景、目标及其意义等。（2）大数据在道路交通管理中的运用及可视化的发展（3）相关技术和数据可视化技术概论与简述百度API（4）数据可视化技术在道路交通管理决策中的运用（5）总结与展望第二章大数据在交通管理中的运用与发展2.1大数据在交通管理中的运用大数据中心平台是希望在制定交通法规的过程中，将具体情况的结果以文字、图表、视频等格式展示出来，作为交通安全管理的参考，并实施和优化交通控制标志，道路建设等与业务活动相关的系统，需要具备大规模的信息数据采集、反馈和计算功能。也就是说，对大型设备平台信息高速公路采集到的数据进行收集、计算并最终查看REF_Ref27210\r\h[6]。该平台不仅可以帮助城市制定交通安全管理决策，还可以帮助我们快速查找特定区域的交通流相关信息;查找不同时段的交通信息;并为企业规划和管理提供实用可靠的交通信息。虽然大数据在技术层面支撑了道路交通安全管理的精细化进步，但如何将数据有效地运用到相应的管理模式中，有效地展示先进技术，还须要在实践中探索。联系当前道路交通安全管理的状况，还要从以下几个方面动手REF_Ref27246\r\h[7]。2.1.1数据源的开源数据源是大量互联网技术的基础，对于大数据技术来说更是命门般的存在。当前，在城市交通数据网络中已经发现了大量的数据采集平台。然而，由于不同地区的复杂性和网络，固体数据源的路径和安全级别相对较弱。如果没有全面可靠的信息源，信息技术应用的价值将大大降低。因此，要提高大数据技术的利用率，需要国家的有效措施和交通部门的合作。2.1.2数据利用率的提高显而易见的是，各平台获取目标的信息存在多样性，大型平台管理的将无法满足交通畅通的所需，尽管这些信息都是通过它们中的每一个提供。这些信息数据给出的信息内容则是需要分析的东西以指示各部门在不同的地方进行过安全管理，要满足交通安全所需和满足不同用户主体的需要，势必要促进大数据平台彼此之间信息的共享与交通安全管理部门跨主体协作一起开发平台。例如，管理行驶汽车不仅需要交管部门与各主体共享数据交通管理，还需要尽可能多地支持与服务相关的公共信息，这对于社会而言是必要的。同时，服务业的各个部门向政府开放了大数据平台，各平台实现了连接，交通信息得以流通。幸运的是，我们国家需要信息直接对接来治理其他部门，从而导致了对接平台之间带来对道路交通的有效管理，提高了交通安全有用的服务。政府的交通安全管理部门连接分散的大数据平台，实现交通数据平台的共同建设和共享，例如自行车共享公司，在线汽车销售公司等。2.1.3人机交互的优化对于人来说，机器的效率和有效性是将信息技术应用到大型交通安全管理中的重要的因素。大数据技术虽然提高了交通安全管理的精细化水平，但仍受到人与机器的限制，尚需要警察人员负责实时管理的运行状况。为了尽力提供及时的数据管理信息，适当地以相关交通信息寻求合作者来推广数据平台，汽车驾驶人员可以实时收到交通信息并进行符合法规；安全行驶的行动。为了有效地解决工作效率低下的问题，可以通过参与建立对各种交通安全设备的响应的交通安全管理的形式。例如，以识别灯光中存在的事物，交通拥堵点的位置，并在发生这种情况时充分利用它们的行列，并采用特殊的应急响应策略来改善交通状况。将这些分析方法结合起来提高交通的准确性和效率。2.2大数据的可视化发展面对大量而复杂的数据，钻研人员必须找到并处理与某一范畴相关的有价值的数据。这项工作无疑是无聊和困难的。因为大数据时代，数据集具备大规模、构造复杂的特点。对于客户来说，须要在最短的时间内对这些数据集进行最客观和最全面的剖析。大数据可视化技术可以极速有效地提取数据信息，处理相关性数据，找出数据之间的关系，并在客户面前显示，帮助客户察看和剖析数据。因而，在大数据时代，数据可视化技术是一项十分有效的大数据处理技术。大数据的可视化剖析方法包含可视化剖析技术、现场交互剖析技术、数据采集和关联技术、数据计算和量化技术、面向客户和工具界面交互技术以及数据存储技术。目前，大数据可视化技术已被运用于居民生活的各个方面，从居民的社交生活到居民的教育。经过数据可视化技术的人机交互，为生活方面提供了多种形式的软件。然而，在大数据时代的背景下，对数据可视化技术的需求越来越高。信息数据的更新换代和大数据可视化技术的飞速发展要求可视化技术能够及时产生数据关联。传统的大数据可视化方法面对的数据越来越繁杂，不能够有效、及时地处理数据。因而，大数据时代的到来对数据可视化的进步既是一个机遇和挑战。钻研人员须要创新新技术，以满足一直增长的需求。国内外学者根据数据可视化的原理，将之划分为四类：几何类、像素类、图标类、层次类。2.2.1基于几何技术几何技术是目前运用最宽泛的，他根据被赋予的几何线条与图形来展示数据。常规的还有折线图、饼图。2.2.2基于像素技术像素技术适用于一维数据可视化，通过将数据与像素相匹配，用不同的颜色、窗口来展现数据。2.2.3基于图标技术图标技术直观地使用图标来表示数据。图标的顺序、外形、大小、色调反映了数据之间的关系。图标的可视化方法包含shape-coding、color-icons、chemoff-faces。2.2.4基于层次技术层次技术主要运用于具备层次空间的数据。它是根据数据蕴含不同的维度划分层次空间，然后生成图形。常用的图形是treemap。大数据的挖掘技术与可视化技术相结合，将使数据可视化愈加智能化和人性化。在大数据时代中，数据可视化技术随时代的须要而出现，使群众更方便直观地察看数据信息。站在传统可视化技术的基础上，现代可视化技术取得了一定的成绩。但随着数据规模不停的扩展，数据类型和数据读取客户需求的增加，现有的数据可视化技术已经成为了一条近路。我们须要一直地钻研新的数据可视化方法，才能适应社会进步的速度。第三章相关技术概论第三章相关技术概论3.1检测运动物体的统计方法汽车的背景的繁杂程度决定了检测的难度高低和准确性。根据摄像机在工作是处于运动状态还是固定状态，背景可分为变动的、稳定的两类。如何在不损耗资源的情况下提高准确性就看是否能按照背景来悬着适合的检测方式。如果是运动类的背景，检测的方法不仅复杂，难度还高。所以本文数据的基础主要是稳定类背景，下面提出三种检测办法REF_Ref27435\r\h[8]。3.1.1光流检测法通过二维平面支持物体在空间中的运动为光流，磁通运动物体的每个光学数据都可以从太空中更真实地体现它们的运动信息。图像反映元素在平面中的位置变动，可见速度由这些元素组成，构成有关目标的信息全面反映运动领域的动态。如图3.1。那不仅是一种很好的流动方法，它适用于固定了摄像机的场景，而且还可以更好地在平稳的场景变化中获得更好的搜索结果。由于颜色在公共物品中变得很清楚，可以较低的算法来保持机密性。程序的流程以及方法相对完整，已在许多领域中使用，但在某些情况下，也有限制性能较差的流程。同时，流向它的速度很慢，因此不可以将其应用于具有实时环境的系统。图3.1光流法检测示例3.1.2帧差检测法摄像机的视频序列具有连续性的特点。当运动目标不存在场景内，则连续帧的变化很微弱；当运动目标存在，则连续帧之间会产生明显地变化。TemporalDifference就是借鉴了上述思想，从而实现目标的检测功能。如图3.2在用帧差法检测车辆时，该算法在轮廓分割上局有足够的优势，但无论是二帧差法还是三帧差法，对光线都十分敏感，容易出现空洞之类对准确性造成影响。但在算法不难实现的前提下，可以保持良好的实时性能，具备成本低的优点。图3.2二帧差法与三帧差法流程图3.1.3背景差分检测法背景差分法在固定摄像机环境下具备良好的检测效果。它还运用视频帧间相应像素相减的检测原理来突出目标信息，如图3.3。背景差分法在检测车辆时与帧差法不同地方是，帧与图像背景的区别以及比帧差法更丰富信息。差分法生成的差异图不仅提供了车辆的位置，还有尺寸和形状。背景差分法的精度主要取决于背景建模。在实际的道路环境中，交通流复杂，环境中干扰多，车辆遮挡引起的光照突变时有发生，这给背景建模增加了难度，为了减少影响，在其模块环上的一种模块是类似降低噪声的模块，采用的是可以同步环境和背景的方法。图3.3背景差分法原理3.1.4YOLO目标检测为了选取合适检测方法从三个方面对算法进行了分析：准确性，鲁棒性和检测速度。光流法、帧差法、背景差分法都有各自的优势，为了更好了解每种检测算法性能进行对比，性能对比如图3.4所示。图3.4常用目标检测方法优缺点对比由图3.4可得，前两种检测算法无论在准确性还是在实时性上均表现差强人意，但抵抗能力强，较适用于环境动荡的场合，光流法的适用范围仅要求高准确率时可采用该方法；帧差法适用于要求稳定性较好，准确率不高的场合。背景差分法无论在准确性还是在实时性上均比前两项要强，但对干扰的抵抗力不强，只适用于稳定的场合。通过比较三种方法的优缺点，我们发现提高性能的三种算法可能不能同时执行，也不能保证最佳性能，检测是车辆交通流统计中的一项关键技术，高性能的检测算法可以大大提高交通流量变化的准确性。因此，在本文中，我们使用道路网上的YOLO车辆进行识别。用来比较车辆检测算法，使我们的算法有更好的性能。YOLO网络中的车辆通过车道与一般的车辆检测方法在原理上是不同的，使用的三种车辆检测方法取决于图像上帧间的性质来检测车辆，在搜索过程中，噪声之间要建立信息，针对同一辆车，YOLO网络信息可以有效抑制噪声REF_Ref27647\r\h[10]。这样，我们在提取图片中车辆的特征时，就不会受到耐用性和速度的影响。该网络具有较高的车辆信息准确性。图3.5目标检测方法比较3.2数据可视化技术大数据是现如今各个行业的热门话题。然而，在大多数状况下，海量而复杂数据的价值并没有得到充沛运用，使其在决策支撑中发扬真正的作用。数据可视化技术利用计算机图形，计算机视觉，计算机与人的互动以及计算机辅助的图形数据和信息手段，改变了收集数据可视化，发送数据的方式，从而使效率更高。这可以创建图表，通过结合美学有效地表示关键功能，并提供对所有相关观察数据集的深入分析。目的是分析所推广的数据和信息。分析数据时，它会收集数据，以显示这些数据分析的这些部分的结果，以转化为图表。它被广泛用于这种类型的包含发布平台，报告和其他场合。图表的可视化数据分析结果可以看得见。相反，可视图表也来自要分析的数据。图表是数据挖掘与数据分析之间的关系。图3.6数据可视化模型图3.6显示了R.B.Haber和D.A.McNabb在1990年提出的数据可视化过程模型REF_Ref27771\r\h[11]。大数据可视化的第一步是数据收集；第二步数据处理和数据转换；第三步可视化映射是数据可视化的关键，因此数据可视化可视为处理，转换和显示数据流的过程。过程中收集的数据的质量对接下来的可视化有重大影响，它确定了数据的重要属性，例如大小，格式和准确性。数据处理和数据转换包括数据去噪，特征提取和数据过滤是保证数据质量的基础。可视化映射是的关键，建立数据之间的映射关系，数据会转换为相应的可理解属性，例如饱和度，亮度，形状，大小，透明度，颜色等，因此结果的信息数据更加清晰易读REF_Ref27873\r\h[12]。客户也倾向于从精心设计的彩色图表中提取信息以获取灵感。3.3数据可视化进程图3.7可视化进程数据可视化模型可以将数据信息的可视化进程分为3个基本的阶段。3.3.1数据预处理阶段数据可视化进程的第一个基本阶段是数据预处理阶段。数据预处理是指对收集数据的简单预处理、相关数据的集成和模块化处理。详细来说，数据预处理包含数据的基本格式化和标准化、相关转换、压缩和解压缩。对于不同的字段，有些数据还须要进行异常值检查、聚类等处理。3.3.2绘测阶段绘测指的是将信息从数据到可视化图象的转换，此阶段须要考虑不同客户群的需求。3.3.3显示和交互显示功能是指根据客户的要求，在映射阶段生成的数据图形和图像的输出。在该阶段，不仅显示数据图像信息，而且还传输数据与数据的进步趋向之间的相关性，并将客户的反馈信息发送到软件层以实现人机交互REF_Ref27951\r\h[13]。3.4数据可视化工具3.4.1EChartsEnterpriseCharts的缩写是ECharts，由中国开发的一款十分优秀的可视化前端框架，可以在绝大部分浏览器上运行，可提供折线图、气泡图等12个可交互图表和数据区域、时间轴等7个可交互组件，支撑混搭展现。图3.8echarts组件示例3.4.2HighchartsHighcharts是一个用纯JavaScript编写的图表库，它可以轻松、轻松地将交互式图表添加到网站或运用程序中。Highcharts支持的各类图表类型包含条形图、饼图。HighCharts运行界面很漂亮，因为使用JavaScript编写，所以不须要插件就可以快速运行，此外HighCharts完美地兼容大多数的浏览器REF_Ref26939\r\h[14]。图3.9HighCharts的示例饼图3.4.3Echarts和Highcharts的对比表3.1Echarts与Highcharts6个方面对比学习容易程度基于JavaScript基于JavaScript但是百度出品的Echarts对于国内城市已经有了相应的配置，调用非常方便。因而在绘制地图方面，Echarts略胜一筹。大数据表现力（数据量达到万条的级别时）Highcharts的多表联动、自动缩放具备更强的优势Echarts则会出现明显的卡顿，须要设置datazoomHightcharts完胜文档友好程度百度的，文档类似说明书国外的，文档类似博客Echarts类似于说明书的文档，容易定位图表美观程度支撑各种图表类型，可以满足各种需求。支撑各种图表类型，可以满足各种需求。Echarts基于Canvas，对于3D绘图有绝对优势，能画出极漂亮的图形。图表配置的自由度基于Canvas基于SVGHighcharts基于SVG，方便定制，极高的自由度非常适用于定制商业化的大屏。图表的丰富程度丰富，支撑3D丰富,不支撑3DEcharts丰富的图表种类，和惊艳的3D效果，完胜收费情况不收费收费（个人用不收）经过对比和思考，本文选择了Echarts作为数据可视化的工具。3.5百度API概述百度地图平台基于浏览器的地图运用开发，开放提供了JavaScriptAPI；在百度API调用AI服务的API接口有两种调用方式，区别在于请求方式和鉴权方法不一样，接口UR、请求参数、返回结果一致REF_Ref28124\r\h[15]。3.5.1调用方式一URL数据格式在请求调用时，需向API服务地址发送使用“POST”的请求，必须数据格式中带上参数：access_token。POST按照说明调用即可。获取access_token示例代码方式一的Access_token必须经过APIKey和SecretKey获取。3.5.2调用方式二请求头域内容，在请求的HTTP头域中必须包含以下信息：host、x-bce-date、authorization、content-type。作为示例，以下是一个标准的人脸识别的请求头域内容:方式二的authorization必须经过的APIKey或SecretKey生成。第五章总结与展望第四章数据可视化技术在交管决策中的应用从瞬时的数据中，能得到与时间有关的车流量数据统计的信息；从数据中，甚至可以与时间有关的交通流量的状态信息。由ECharts实现车流量和交通数据的可视化效果。以某路口为例，展示十字向路口车流量的统计信息，如图4.1、4.2、4.3、4.4。数据来源于美国加州的路网上可公开数据（/w771792694/article/details/103075534?utm_medium=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~default-9.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~default-9.control），本文用折线图来可视化得到的数据，基本的折线图表示数据随时间的变动。在一段时间内绘制一段单个数据点，并将其经过直线连接起来，所得到的线条是随时间变动而产生的变动的形象表达，并且可以显示峰值、谷值等数据特征。图4.1东路口一天的车流量（折线图）图4.2北路口一天的车流量（折线图）图4.3南路口一天的车流量（折线图）图4.4西路口一天的车流量（折线图）图4.1、4.2、4.3、4.4使用了折线图，展示了路口的东、北、南、西四个方向的车流量统计数据信息，其图4.1展示了东向的车流量，其图4.2展示了和北向的车流量，其图4.3展示了南向的车流量，其图4.4展示了和西向的车流量。图中时间轴为横向时间轴代表一天24小时。图中纵轴为这一个小时路口经过的车辆数量。由图可知，从一天的早上7点起，经过的车辆数量达到了一个顶峰，从时间上来看这是上下班的早高峰，苏醒的居民开始了新一天的劳作。到了一天的下午16点左右，车辆数量便来到了另一个高峰，晚高峰。而之后，车辆数量开始逐渐下降。以某路口为例，展示十字向路口车流量的持续统计信息，如图4.5、4.6、4.7、4.8图4.5东路口七天的车流量（折线图）图4.6北路口七天的车流量（折线图）图4.7南路口七天的车流量（折线图）图4.8西路口七天的车流量（折线图）图4.5、图4.6、图4.7、图4.8采用折线图，展示了路口的东、北、南、西四个方向的七天时间的车辆流量统计数据的信息，其图4.5展示了东向的车流量，其图4.6展示了和北向的车流量，其图4.7展示了南向的车流量，其图4.8展示了西向的车流量。四张图中都有两个维度的时间轴：其一为下横轴表示24小时；其二为上横轴表示一周。纵轴为一小时路口经过的车数。由图可知，车辆流量大致呈现出周期性的变动，这有助于发现规律。从图4.6可知，七天周期性变动并没有出现太大变动，可以猜测北路口方向是居民的居住地；从图4.5、图4.8可看出，有两天的时间，车辆经过的数据较少，可以得出这两天是周末，上班人数减少，可以猜测东、西两个方向的路口是商场、大企业集中地。从图4.7可以看出有两天时间，车辆经过的数据较多，可以得出这两天是周末，出游的人数增多可以猜测南路口的方向是游玩的地方或者是郊区。从8张图可以得出一般现代都市的车流的几个特点：（1）时间性：企业的上下班时间是车流高峰期，尤其是目前在城市，上下班时车流量明显增加。（2）区域性：商业、大企业集中地往往人数和人流较大，私家车的持有量愈加上升且容易堵车，这也堵车的主要原因。（3）波浪性：由于城区不像高速公路那样道路广阔，所以都市地带颇容易饱和且车流量不会发生变动，这可能会引起大量的交通堵塞。在道路中容易发生拥堵的地方一般有下面几个：（1）交叉路口：红绿灯要停是必须要遵守的交通法规，因此车辆速度自然收到影响。在城市中可以适当在高峰时间段，延长绿灯的时间，避免大量车辆拥堵到一个路段中；可以多建设人行天桥、立交桥与高架路，减少人行道路的红绿灯，达到提高车速的目标。（2）出入口：进出主路的出入路口就是车流汇聚的地方，也往往是容易忽视的车流拥堵点。车流量剖析后可以对管理决策提出以下意见：（1）车流分流原则：车流分流是减少车辆的密度，密度减少，可以使车辆的流通速度变快，不至于构成拥堵。早有城市经过在高峰期改变道路，经过在高峰期把低车流方向的路口移到另一方向的高车流的道路上，来降低高峰期这一方向上的车辆密度。（2）先出后入原则：车流如水，因此“堵不如疏”，先有出口，后有入口。要让路上的车减少，才可以腾出路面让车进来（3）路口前可选择立交原则：可以路口前多建设人行天桥、立交桥与高架路，就要充分运用空间，让车可以方便地选择桥上过，还是桥下过。减少路口的车流，提高经过路口的车流速度。（4）减少隔离原则：隔离是为了加快速度，而不是为了整洁美观。应尽量在道路衔接之间多开出入口，让交通有更多的点可以选择进出。不需要挤在一起，也方便了不熟悉路况的司机，防止一个出口错误后跑多条错路。“流水永不变味，门铰永不虫蛀”。如果城市的交通流量能保证一定的速度，“流水”就能“跑”起来，拥堵的源头就少了，即使有暂时的拥堵，也会像泡沫一样被冲击的水流给冲散；反之水流变慢，泡沫就会积聚并迅速膨胀。因此，有效控制拥堵源是合理控制城市交通的关键，迅速让拥堵源得到缓解或消除，不影响车流，堵车故障就会少发生。第五章总结与展望现今，居民对于智慧交通的需求伴随着机动车数量的増长而快速增加，随着大数据的进步和对道路交通管理决策的要求精细化程度也越来越高，因而，面向交通数据的可视化技术的钻研工作也相应地受到了越来越多的居民及相关部门的重视与青睐。本文介绍了数据可视化的相关流程、设计原则，数据可视化工具的适用环境和使用特点，可交互性数据可视化图表，在此基础上，结合本课题所钻研的交通数据的数据特征，提出了适合的可视化方法，实现了对道路交通进行检测，满足交通管理的日常需求，也可以为各领域提