引 言：以阿克苏与伊犁为例，在收集海量数据中不可避免存在噪声数据，在分析中通过数据处理技术删除对分析无用的噪声数据。通过将数据集中的数据规定在适合挖掘的小范围内，提高样本训练学习速度，依托数据清理、数据集成及数据归约处理后数据集后，利用规范化、聚集与平滑对数据进行简单操作，提高数据挖掘分析效率。
1 数据准备
本文主要数据主要以气象数据及道路交通数据组成，二者在研究气象因素与城市公路交通通勤效率的关联性中发挥着重要作用。数据集为阿克苏市与伊犁市2010-2015年的气象数据与道路交通数据，数据集约70万条，涵盖多个列项信息，同时将数据分为训练与测试集，具体如表1所示。
表1 数据集
2 城市公路交通通勤效率时空变化特征分析
基于上述数据集对阿克苏、伊犁城市公路交通通勤效率的时空变化特征进行分析。公路交通通勤效率影响的主要气象因素为雨、雪、大风、雾等气象因素，这些气象因素间接或造成路面表面的不同，从而导致公路交通通勤效率受到影响。
2.1 不同气象类型对公路交通通勤效率造成影响的年际变化研究
归纳与总结阿克苏公路交通通勤效率与伊犁公路交通通勤效率因气象因素受到影响的年际变化情况，阿克苏与伊犁地区不同气象类型对交通通勤效率造成的影响呈不同趋势。阿克苏公路交通通勤效率影响最大的气象因素为雨天与雪天，其他气象因素影响相对较低。伊犁公路交通通勤效率影响最大的气象因素同阿克苏气象类型相同为雨天与雪天。数据统计显示，2015-2020年雨、雪、风雨交加、雾及其他造成公路交通通勤影响中，与雨天占比最大，阿克苏雨天公路交通通勤率受到影响的比例占公路通勤交通通勤效率影响比例的最多，雪天公路交通通勤率受到影响的比例占公路通勤交通通勤效率影响比例的次之；伊犁雨天公路交通通勤率受到影响的比例占公路通勤交通通勤效率影响比例最高，雪天公路交通通勤率受到影响的比例占公路通勤交通通勤效率影响比次于雨天。
2.2 不同路面状况对公路交通通勤效率造成影响的年际变化研究
分析不同路面状况下阿克苏公路交通通勤效率影响与伊犁公路交通通勤效率影响的年际变化情况中发现，阿克苏与伊犁不同路面状况下影响效率呈不同趋势分布，如图1-图2所示。
图1 阿克苏2015-2020年不同路面状况对交通通勤效率造成的影响
图2 伊犁2015-2020年不同路面状况对交通通勤效率造成的影响
从图1分析可以得出阿克苏数据集分析结果，其中路面结冰与路面积雪对交通通勤效率的影响相对较高；从图2分析可以看出，伊犁同阿克苏数据集分析结果相同，路面结冰与积雪对交通通勤影响效率最高。通过数据分析得出，2015-2020年冰、积雪、积水、湿及其他等路面情况下冰与积雪占交通通勤效率影响比例最大。
通过分析可以得出，阿克苏与伊犁地区的路面结冰或积雪的情况下造成的公路交通通勤效率影响最高。
3 RTAIF因子构建和时空变化特征
公路交通通勤效率是城市经济运行及国民交通出现的重要支撑部分，气象多种因素影响公路交通通勤效率程度不同，因此定义公路交通效率影响因子RTAIF，继而表示单个或多个因素对公路交通通勤率影响程度。
采用相关系数法和线性回归系数法，计算了各因素对道路交通通勤影响率的影响程度。在此基础上首先计算各影响因素及事故间的皮尔逊相关系数以及各因素与交通通勤影响率之间的线性回归系数及其偏重，再根据各影响因素的影响程度确定其权重因子；最后求二者的和为各因素对道路交通通勤影响率的影响因子。RTAIF越大，表示事故影响程度越大，即发生交通通勤影响率的概率越大。
3.1不同路面状况RTAIF因子
2015-2020年阿克苏与伊犁五种路况下公路交通通勤效率影响RTAIF如图3-图4所示。
图3阿克苏不同路况RTAIF逐渐变化
图4 阿克苏不同路况RTAIF逐渐变化
从上述分析可以看出，图3显示影响阿克苏公路交通通勤效率的路况RTAIF因子中冰RTAIF变化最大，其次为积水RTAIF最大，其余几种路况RTAIF较低；从图4分析可以看出影响伊犁公路交通通勤效率的气象RTAIF因子与阿克苏相同，路面结冰RTAIF因子最大；路面积水RTAIF因子次之。
结 论：
本文以气象因素对城市公路交通通勤效率影响研究为讨论方向，分析与论述数据采集过程与处理后，揭示了气象因素对城市公路交通通勤效率的影响因素，以RTAIF因子构建和时空变化特征得出影响RTAIF因子。
参考文献：
[1]夏丹妮,余蜀豫,许伟,白莹莹,覃彬全.气象因素对城市公路交通通勤效率的影响研究[J].微型电脑应用,2021,37(06):9-11+15.
[2]魏翔,刘文霞.通勤与偷懒:交通时间影响工作效果的现场追踪研究[J].财经研究,2017,43(08):4-17.