气象因素对道路交通安全的影响分析与预测系统
发布时间：2021-04-25 18:41
道路交通安全是世界一大主题问题,随着道路和车辆的增加,交通事故发生的频率也在增加。本文主要研究由天气因素和其间接影响道路表面和照明情况从而对道路交通事故影响的问题。通过分析利兹和伦敦数据集中不同天气（雨、雪等）、不同道路表面（积雪、霜/冰等）和不同照明（夜（无灯）、夜（路灯未点亮）等）状况下道路交通事故发生的情况,研究天气条件、道路表面状况和照明状况对道路交通事故的影响;并对特定天气条件、道路表面状况和照明状况下道路交通事故的发生情况进行关联性分析;对特定条件下的交通事故进行预测。因此,主要研究内容如下:（1）利用交通事故资料和气象资料分析两者的关联性,探究影响交通事故的主成分因子。利用线性回归、Logistic回归和综合分析技术分析多种天气条件、道路表面状况和照明状况对道路交通事故的影响。通过分析得出天气条件、道路表面状况或照明状况等情况对道路交通事故影响的程度。（2）提出了道路交通事故影响因子（Road Traffic Accident Impact Factor,RTAIF）。在多种天气中分析RTAIF的变化与道路交通事故的关系,其大小反映影响交通事故的程度。（3）提出了一种改进...
【文章来源】：浙江理工大学浙江省
【文章页数】：74 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
1.3 主要研究工作和论文结构
1.3.1 研究工作
1.3.2 论文结构
第二章 研究方法和模型理论
2.1 道路交通事故分析方法
2.1.1 线性回归
2.1.2 Logistic回归
2.1.3 综合分析
2.2 道路交通事故预测技术
2.2.1 LSTM预测模型理论
2.2.2 ARIMA预测模型理论
2.2.3 ELM预测模型理论
2.2.4 SVM预测模型理论
2.3 本章小结
第三章 气象因素与道路交通事故关联性分析
3.1 数据准备
3.1.1 数据来源
3.1.2 数据预处理
3.1.3 数据分析
3.2 道路交通事故的时间变化特征
3.2.1 不同天气类型下的道路交通事故年际变化
3.2.2 不同路面状况下的道路交通事故年际变化
3.2.3 不同照明情况下的道路交通事故年际变化
3.3 RTAIF因子构建和时间变化特征
3.3.1 不同天气类型RTAIF因子
3.3.2 不同路面状况RTAIF因子
3.3.3 不同照明情况RTAIF因子
3.4 本章小结
第四章 气象因素下道路交通事故量的预测模型
4.1 基于双尺度长短时记忆网络的交通事故量预测模型
4.1.1 LSTM预测模型
4.1.2 ARIMA预测模型
4.1.3 双尺度分解重构
4.1.4 DS-LSTM-ARIMA模型构建
4.2 基于极限学习机和支持向量机的交通事故量预测模型
4.2.1 ELM预测模型
4.2.2 SVM预测模型
4.2.3 ELM-SVM模型构建
4.3 实验结果与分析
4.3.1 实验环境与评价指标
4.3.2 DS-LSTM-ARIMA模型效果
4.3.3 ELM-SVM模型效果
4.4 本章小结
第五章 系统设计与实现
5.1 系统设计
5.1.1 系统架构设计
5.1.2 交互界面设计
5.2 功能测试
5.3 本章小结
第六章 总结和展望
6.1 工作总结
6.2 展望
参考文献
攻读硕士学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]高速公路交通气象灾害风险评估方法简介[J]. 柳艳香,潘进军,田华,吴昊,李蔼恂,戴至修,杨静,宋建洋,王志,李巧媛. 气象科技进展. 2017(06)
[2]基于BP神经网络的交通事故预测方法研究[J]. 唐阳山,葛丽娜,黄子龙,杨培菲. 辽宁工业大学学报(自然科学版). 2016(01)
[3]交通气象自定义地图服务聚合技术[J]. 焦圣明,郭静,朱毓颖,袁成松,包云轩. 气象科技. 2014(05)
[4]基于极速学习的粗糙RBF神经网络[J]. 马刚,丁世飞,史忠植. 微电子学与计算机. 2012(08)
[5]马尔科夫方法修正的SVM模型在科技人才资源预测中的应用[J]. 张延飞,颜七笙. 统计与决策. 2011(11)
[6]神经网络极速学习方法研究[J]. 邓万宇,郑庆华,陈琳,许学斌. 计算机学报. 2010(02)
[7]灰色神经网络交通事故预测比较[J]. 王秀,孙晧. 长春工业大学学报(自然科学版). 2006(04)
[8]道路交通事故等间隔序列的灰色预测方法[J]. 管红毅,李相勇,张殿业. 世界科技研究与发展. 2004(01)
博士论文
[1]城市交通系统可持续发展综合评价研究[D]. 张军.西南交通大学 2007
硕士论文
[1]基于物理模型的聚类方法研究[D]. 张鹏.电子科技大学 2011
本文编号：3159894
【文章来源】：浙江理工大学浙江省
【文章页数】：74 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
1.3 主要研究工作和论文结构
1.3.1 研究工作
1.3.2 论文结构
第二章 研究方法和模型理论
2.1 道路交通事故分析方法
2.1.1 线性回归
2.1.2 Logistic回归
2.1.3 综合分析
2.2 道路交通事故预测技术
2.2.1 LSTM预测模型理论
2.2.2 ARIMA预测模型理论
2.2.3 ELM预测模型理论
2.2.4 SVM预测模型理论
2.3 本章小结
第三章 气象因素与道路交通事故关联性分析
3.1 数据准备
3.1.1 数据来源
3.1.2 数据预处理
3.1.3 数据分析
3.2 道路交通事故的时间变化特征
3.2.1 不同天气类型下的道路交通事故年际变化
3.2.2 不同路面状况下的道路交通事故年际变化
3.2.3 不同照明情况下的道路交通事故年际变化
3.3 RTAIF因子构建和时间变化特征
3.3.1 不同天气类型RTAIF因子
3.3.2 不同路面状况RTAIF因子
3.3.3 不同照明情况RTAIF因子
3.4 本章小结
第四章 气象因素下道路交通事故量的预测模型
4.1 基于双尺度长短时记忆网络的交通事故量预测模型
4.1.1 LSTM预测模型
4.1.2 ARIMA预测模型
4.1.3 双尺度分解重构
4.1.4 DS-LSTM-ARIMA模型构建
4.2 基于极限学习机和支持向量机的交通事故量预测模型
4.2.1 ELM预测模型
4.2.2 SVM预测模型
4.2.3 ELM-SVM模型构建
4.3 实验结果与分析
4.3.1 实验环境与评价指标
4.3.2 DS-LSTM-ARIMA模型效果
4.3.3 ELM-SVM模型效果
4.4 本章小结
第五章 系统设计与实现
5.1 系统设计
5.1.1 系统架构设计
5.1.2 交互界面设计
5.2 功能测试
5.3 本章小结
第六章 总结和展望
6.1 工作总结
6.2 展望
参考文献
攻读硕士学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]高速公路交通气象灾害风险评估方法简介[J]. 柳艳香,潘进军,田华,吴昊,李蔼恂,戴至修,杨静,宋建洋,王志,李巧媛. 气象科技进展. 2017(06)
[2]基于BP神经网络的交通事故预测方法研究[J]. 唐阳山,葛丽娜,黄子龙,杨培菲. 辽宁工业大学学报(自然科学版). 2016(01)
[3]交通气象自定义地图服务聚合技术[J]. 焦圣明,郭静,朱毓颖,袁成松,包云轩. 气象科技. 2014(05)
[4]基于极速学习的粗糙RBF神经网络[J]. 马刚,丁世飞,史忠植. 微电子学与计算机. 2012(08)
[5]马尔科夫方法修正的SVM模型在科技人才资源预测中的应用[J]. 张延飞,颜七笙. 统计与决策. 2011(11)
[6]神经网络极速学习方法研究[J]. 邓万宇,郑庆华,陈琳,许学斌. 计算机学报. 2010(02)
[7]灰色神经网络交通事故预测比较[J]. 王秀,孙晧. 长春工业大学学报(自然科学版). 2006(04)
[8]道路交通事故等间隔序列的灰色预测方法[J]. 管红毅,李相勇,张殿业. 世界科技研究与发展. 2004(01)
博士论文
[1]城市交通系统可持续发展综合评价研究[D]. 张军.西南交通大学 2007
硕士论文
[1]基于物理模型的聚类方法研究[D]. 张鹏.电子科技大学 2011
本文编号：3159894
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3159894.html
