随着城市化的快速推进,国民经济飞速发展,城市机动车保有量快速增长,如何解决城市中的交通问题也成为当今研究重点。同时,交通相关数据也被重视起来,大量的交通卡口数据通过安装在道路路口的摄像头等设备采集并进行研究分析。这些复杂多维的交通卡口数据,对于数据分析系统的要求越来越高。现有的数据分析系统主要针对当前用户需求,本文通过和交通方面专家合作将交通问题进行分解,并提出运用原子交互的方式来解决现有和未来可能出现的交通问题。可视分析技术结合了可视化、人机交互和自动分析技术使数据分析过程透明化能帮助人们可以从卡口数据中得到更多有用的信息。因此,本文提出运用可视分析技术来分析交通卡口数据。本文设计了一个基于Web平台的可视分析系统,主要对城市道路监控卡口数据进行可视分析,通过交通信息提取并进行原子化来满足研究人员的复杂需求,并通过类似流量密度图,流量时序图等可视分析工具对一个城市的交通状况进行探索。本文还使用可视分析技术对基于神经网络模型的交通流量进行越策。本文的主要工作和成果如下:(1)车辆数据清理。数据可视分析的核心就是数据,需要对数据进行清洗来达到最佳的可视效果。由于车牌遮挡或者天气可见度低,卡口拍摄的图片质量不佳,通过图像处理得到的数据可能出现错误。本文在对数据进行可视分析前先将卡口数据转换成轨迹数据,从而对个别出错车辆数据属性进行修正。(2)交通问题分解。传统的可视分析系统,往往只满足于当前的需求,可扩展性较差。本文提出了一个将交通问题分析任务进行分解的方法,它将每个分析任务分解成类别原子和数字原子,并将上述两种原子与可视化原子组合进行可视分析,来满足将来可能出现的研究人员需求。(3)神经网络预测交通流量过程可视化。本文还提出对神经网络进行交通流量预测过程可视化,通过可视化工具对神经网络训练过程和结果进行可视分析,帮助研究人员构建更合理的神经网络结构来交通流量预测。(4)B/S架构下的可视分析系统。本系统采用了浏览器与服务器的模式设计方式,这种方式具有较强的可移植性,同时现阶段有很多可视分析函数库支持这种方式。通过服务器进行主要运算,降低研究人员使用可视分析系统的硬件需求。本系统以交通卡口数据为基础,为了解决海量卡口数据的存储问题,系统采用Mongodb作为数据分布式存储平台。通过将交通问题分解成原子再重组来满足复杂的研究需求,并运用不同的可视分析工具探索城市交通问题。系统还设计了基于神经网络的交通流量预测可视分析模块,帮助研究人员对流量预测这一热门问题进行研究。