多源交通数据的统计建模

发布时间：2021-05-14 08:00

　　多源异构数据的综合利用作为当前大数据分析的重要研究方向,受到广泛关注.本文针对交通领域两类数据——交通文本数据和交通流数据展开讨论,具有一定的理论价值和现实研究意义.论文主要工作包括构造交通文本的信息抽取模型、交通流时间序列建模和搭建可视化平台,具体工作如下:第一,介绍了条件随机场模型的基本理论,针对实际交通文本数据,完成中文分词处理,利用条件随机场构建交通文本词性标注模型和交通事件要素识别模型,利用所建模型完成信息抽取任务,进一步利用规则模型优化.结果显示:交通文本抽取地点、车辆、交通状况、方向四个要素的F值分别为70.52%、87.50%、91.05%和97.14%,均达到了70%以上,效果良好.第二,讨论了常见一元时间序列交通信息分析和多元时间序列交通建模参数估计理论.在此基础上,引入干扰分析理论,利用贵阳市新注册车辆数据进行模型验证,在引入贵阳限行限号干扰事件情况下,模型效果显著提高,利用多元时间序列进行交通流数据建模亦取得不错的效果.第三,利用R软件实现交通数据可视化.通过对交通状况进行文本分类,了解各类交通事件发生情况.针对较为普遍关注的交通道路拥堵事件,利用地图的形式展现... 

【文章来源】：贵州大学贵州省 211工程院校

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 多源异构交通数据研究综述
        1.2.2 文本信息抽取研究现状
        1.2.3 交通流预测研究现状
    1.3 论文研究内容
    1.4 论文组织结构
第二章 交通文本信息抽取
    2.1 条件随机场
        2.1.1 条件随机场简介
        2.1.2 条件随机场参数估计
        2.1.3 条件随机场模型预测
    2.2 交通文本信息抽取的具体实现
        2.2.1 交通文本分词
        2.2.2 CRFs模型实现
        2.2.3 信息抽取实现
        2.2.4 模型优化
    2.3 本章小结
第三章 交通数据时间序列建模
    3.1 一元时间序列交通数据分析
        3.1.1 信息准则
        3.1.2 一元时间序列的参数估计
        3.1.3 一元时间序列中的干预分析
    3.2 多元时间序列交通数据分析
        3.2.1 多元时间序列的相关性
        3.2.2 VAR模型
        3.2.3 VMA模型
        3.2.4 VARMA模型
    3.3 交通数据实证分析
        3.3.1 贵阳市小型载客汽车新注册数据的一元时间序列建模
        3.3.2 贵阳市新注册车辆数据的多元时间序列建模
        3.3.3 贵阳市高峰期交通流数据多元时间序列建模
    3.4 本章小结
第四章 多源交通数据可视化
    4.1 交通状况文本分类
    4.2 交通文本地理可视化
    4.3 交通流可视化
    4.4 本章小结
第五章 结论与展望
    5.1 当前进行的工作总结
    5.2 进一步研究方向
致谢
参考文献
附录
    1、项目参与经历
    2、科研论文
    3、竞赛获奖



本文编号：3185293