基于时空热点分析的重点交通违法行为态势研判研究
发布时间：2021-03-19 21:35
交通违法行为是导致交通事故的重要原因,进行交通违法行为态势研判对预防交通事故有重要的指导意义。本文基于时空热点分析方法对重点交通违法行为态势进行研究,旨在建立一个适用于重点交通违法行为态势研判的时空冷热点模式挖掘方法,为道路交通安全管理和决策提供参考。论文首先对城市交通违法自动抓拍系统采集到的交通违法数据进行数据预处理,分析了重点交通违法行为的空间、时间特性,检验是否具有空间集聚性和时间集聚性;其次,建立时空核密度分析方法以三维视图可视化地呈现了时空综合维度下的重点交通违法行为的时空分布特征,验证了重点交通违法行为的时空集聚性,进一步得到重点交通违法行为聚集的时空域;采用时空立方体模型实现重点交通违法行为时空数据存储与表达,基于Getis-Ord Gi*热点模型探测并识别重点交通违法行为时空分布中具有统计显著性的冷热点,基于Mann-Kendall时间序列模型评估了长时间尺度下时空冷热点的变化趋势,对冷热点的时空模式进行分类,分辨出新增的、加强的、缩减的、连续的、震荡的或者分散的等不同变化趋势的冷热点模式,甄别出重点交通违法行为高风险区域。最后,论文选取了苏州市吴...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
技术路线图
第二章数据获取及预处理方法9第二章数据获取及预处理方法本章进行本文相关数据的获取及预处理方法的介绍。首先介绍数据获取途径，包括交通违法数据、矢量路网数据以及城市POI数据。其次介绍数据预处理的方法，特别是针对交通违法数据地理位置坐标的预处理方法，以及研究对象的筛选方法，作了相应的说明。为便于说明数据处理方法，本章以真实的交通违法数据作为样本数据，进行数据预处理方法的具体展示。2.1数据获取方法2.1.1交通违法数据本文所使用的交通违法数据，来自于交通违法行为自动抓拍设备采集的违法数据，每条记录包含了违法编号、自定义抓拍设备编号、采集设备的类型、违法车辆行车方向、违法发生的时间（年、月、日、时、分）、实测行车速度、限速标准、车牌号、违法行为编号、违法车辆所在车道、违法发生的地点等。以苏州市吴江区交通违法抓拍设备采集的数据为例，源数据表如图2-1所示。注：数据来源于吴江区公安局交通警察大队图2-1交通违法行为自动抓拍设备采集的违法数据示例交通违法源数据表中包含的表头信息及对应的含义如表2-1所示。其中，“VIOLATION_TYPE”一项记录的交通违法行为代码是公安部对机动车、行人通行发生的交通违法行为制定的编码规定。
第二章数据获取及预处理方法112.1.2矢量路网数据交通违法数据需与包含路网信息的电子地图相匹配才能展现其地理信息，方便进行后续的时空分析。利用OpenStreetMap获取研究区域路网文件，具体操作步骤如下所示：步骤一：获取城市边界ID进入OpenstreetMap(osm)官网（https://www.openstreetmap.org/），搜索需要研究的城市名，获取城市边界ID。如图2-2所示搜索“苏州市吴江区”，获取城市边界ID：4591879。图2-2搜索结果示例步骤二：确认城市边界ID通过访问OSMOverpassAPIquerypage（http://www.overpass-api.de/query_form.html），在打开的“Query”框中输入如下所示代码，在代码“name”处填入城市名称。<querytype="relation"><has-kvk="boundary"v="administrative"/><has-kvk="name"v="城市名"/></query><printmode="body"/>点击界面右下角“Query”按钮，得到名为“interpreter”的文件，以记事本方式打开该文件，找到<relationid="城市边界ID">，确认城市边界ID，如图2-3所示。
【参考文献】：
期刊论文
[1]Knox时空交互检验空间阈值确定方法[J]. 岳瀚,朱欣焰,呙维,佘冰,高超. 武汉大学学报(信息科学版). 2018(11)
[2]城市道路交通事故时空分布模式分析[J]. 吴瑞龙,朱欣焰,呙维,岳瀚,佘冰. 测绘与空间地理信息. 2018(07)
[3]基于随机森林和时空核密度方法的不同周期犯罪热点预测对比[J]. 柳林,刘文娟,廖薇薇,余洪杰,姜超,林荣平,纪佳楷,张政. 地理科学进展. 2018(06)
[4]北京多种公共服务设施可达性评价[J]. 刘正兵,张超,戴特奇. 经济地理. 2018(06)
[5]道路交通运输安全发展报告（2017）[J]. Matthias Gsul,胡予红,周旋,宁丙文,米建英,刘佳,王光远,王静,董晨,张露丹. 中国应急管理. 2018(02)
[6]一种面向时空对象及其关联关系动态变化表达的概念数据模型[J]. 成波,关雪峰,向隆刚,高萌,吴华意. 地球信息科学学报. 2017(11)
[7]道路交通事故多因素分析[J]. 杨春风,庄灿,孙吉书,闫晓晨. 重庆交通大学学报(自然科学版). 2018(04)
[8]交通事故类型和违法类型对应分析[J]. 刘林,傅惠,吕伟韬,胡刚,王晨,张喆. 中国安全科学学报. 2017(11)
[9]道路交通违法数据分析研判的思路与方法[J]. 王运霞,顾金刚,李娅. 道路交通管理. 2016(06)
[10]机动车闯红灯行为影响因素分析[J]. 王雪松,李佳,钟楚君. 城市交通. 2015(06)
硕士论文
[1]基于WebGIS的城市交通路况时空热点分析及系统开发[D]. 温亮.辽宁师范大学 2018
[2]基于时空立方体的交通拥堵点时空模式挖掘与分析[D]. 洪安东.西南交通大学 2017
[3]案事件时空特征识别与可视分析[D]. 张永田.福州大学 2016
[4]基于道路网络的犯罪时空分布特征与可视化研究[D]. 郑滋椀.浙江大学 2016
[5]道路交通违法行为的研究[D]. 赵梨利.西南交通大学 2014
本文编号：3090266
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
技术路线图
第二章数据获取及预处理方法9第二章数据获取及预处理方法本章进行本文相关数据的获取及预处理方法的介绍。首先介绍数据获取途径，包括交通违法数据、矢量路网数据以及城市POI数据。其次介绍数据预处理的方法，特别是针对交通违法数据地理位置坐标的预处理方法，以及研究对象的筛选方法，作了相应的说明。为便于说明数据处理方法，本章以真实的交通违法数据作为样本数据，进行数据预处理方法的具体展示。2.1数据获取方法2.1.1交通违法数据本文所使用的交通违法数据，来自于交通违法行为自动抓拍设备采集的违法数据，每条记录包含了违法编号、自定义抓拍设备编号、采集设备的类型、违法车辆行车方向、违法发生的时间（年、月、日、时、分）、实测行车速度、限速标准、车牌号、违法行为编号、违法车辆所在车道、违法发生的地点等。以苏州市吴江区交通违法抓拍设备采集的数据为例，源数据表如图2-1所示。注：数据来源于吴江区公安局交通警察大队图2-1交通违法行为自动抓拍设备采集的违法数据示例交通违法源数据表中包含的表头信息及对应的含义如表2-1所示。其中，“VIOLATION_TYPE”一项记录的交通违法行为代码是公安部对机动车、行人通行发生的交通违法行为制定的编码规定。
第二章数据获取及预处理方法112.1.2矢量路网数据交通违法数据需与包含路网信息的电子地图相匹配才能展现其地理信息，方便进行后续的时空分析。利用OpenStreetMap获取研究区域路网文件，具体操作步骤如下所示：步骤一：获取城市边界ID进入OpenstreetMap(osm)官网（https://www.openstreetmap.org/），搜索需要研究的城市名，获取城市边界ID。如图2-2所示搜索“苏州市吴江区”，获取城市边界ID：4591879。图2-2搜索结果示例步骤二：确认城市边界ID通过访问OSMOverpassAPIquerypage（http://www.overpass-api.de/query_form.html），在打开的“Query”框中输入如下所示代码，在代码“name”处填入城市名称。<querytype="relation"><has-kvk="boundary"v="administrative"/><has-kvk="name"v="城市名"/></query><printmode="body"/>点击界面右下角“Query”按钮，得到名为“interpreter”的文件，以记事本方式打开该文件，找到<relationid="城市边界ID">，确认城市边界ID，如图2-3所示。
【参考文献】：
期刊论文
[1]Knox时空交互检验空间阈值确定方法[J]. 岳瀚,朱欣焰,呙维,佘冰,高超. 武汉大学学报(信息科学版). 2018(11)
[2]城市道路交通事故时空分布模式分析[J]. 吴瑞龙,朱欣焰,呙维,岳瀚,佘冰. 测绘与空间地理信息. 2018(07)
[3]基于随机森林和时空核密度方法的不同周期犯罪热点预测对比[J]. 柳林,刘文娟,廖薇薇,余洪杰,姜超,林荣平,纪佳楷,张政. 地理科学进展. 2018(06)
[4]北京多种公共服务设施可达性评价[J]. 刘正兵,张超,戴特奇. 经济地理. 2018(06)
[5]道路交通运输安全发展报告（2017）[J]. Matthias Gsul,胡予红,周旋,宁丙文,米建英,刘佳,王光远,王静,董晨,张露丹. 中国应急管理. 2018(02)
[6]一种面向时空对象及其关联关系动态变化表达的概念数据模型[J]. 成波,关雪峰,向隆刚,高萌,吴华意. 地球信息科学学报. 2017(11)
[7]道路交通事故多因素分析[J]. 杨春风,庄灿,孙吉书,闫晓晨. 重庆交通大学学报(自然科学版). 2018(04)
[8]交通事故类型和违法类型对应分析[J]. 刘林,傅惠,吕伟韬,胡刚,王晨,张喆. 中国安全科学学报. 2017(11)
[9]道路交通违法数据分析研判的思路与方法[J]. 王运霞,顾金刚,李娅. 道路交通管理. 2016(06)
[10]机动车闯红灯行为影响因素分析[J]. 王雪松,李佳,钟楚君. 城市交通. 2015(06)
硕士论文
[1]基于WebGIS的城市交通路况时空热点分析及系统开发[D]. 温亮.辽宁师范大学 2018
[2]基于时空立方体的交通拥堵点时空模式挖掘与分析[D]. 洪安东.西南交通大学 2017
[3]案事件时空特征识别与可视分析[D]. 张永田.福州大学 2016
[4]基于道路网络的犯罪时空分布特征与可视化研究[D]. 郑滋椀.浙江大学 2016
[5]道路交通违法行为的研究[D]. 赵梨利.西南交通大学 2014
本文编号：3090266
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3090266.html
