基于大数据的隧道交通事故因素分析研究

发布时间：2023-04-08 00:02

　　近年来,我国公路隧道越修越长,但是当大量隧道修建完成,加速提高国民经济的同时,隧道交通的安全问题也越来越明显。因此,本文对如何能够有效地防范隧道交通事故的发生以及在保证交通安全的同时,能够对隧道内限速和灯光进行智能控制方面提供了理论依据。本文针对影响隧道交通事故因素,即分析中提取的特征包括驾龄、天气、不同时间段、隧道照明亮度、隧道道路负荷度、隧道路段以及事故等级等,提出了一种基于FP-Growth算法改进的WTFP-Growth算法。首先,对事务与项赋予权重,以便能够有效地挖掘出隐藏的,更有意义的关联规则。其次,利用二维表用保存事务数据库中关键信息,该方法只要遍历事务数据库一次,提高了算法的时间效率。并利用改进后的WTFP-Growth算法挖掘关联规则,通过挖掘采集的数据,找出导致隧道交通事故的频繁因素组合,分析结果找出决策规则。在这些规则上继续分析,能够有效地防范隧道交通事故的发生以及在保证安全的前提下对隧道的限速的调整提出一些决策,提高隧道的最大通行能力,同时也可以在保证安全的前提下实现隧道内灯光的智能调整提出一些决策,从而实现节能的目标。

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 项目研究背景
    1.2 课题的目的及意义
    1.3 国内外研究现状
        1.3.1 国内研究现状
        1.3.2 国外研究现状
    1.4 本文的内容安排
第2章 大数据分析技术
    2.1 数据挖掘概念
        2.1.1 数据挖掘的定义
        2.1.2 数据挖掘的流程
    2.2 关联规则原理
    2.3 关联规则相关算法
        2.3.1 Apriori算法介绍
        2.3.2 FP-Growth算法介绍
    2.4 其他算法
    2.5 本章小节
第3章 基于权重和二维表改进的WTFP-Growth算法
    3.1 二维表的可行性分析
        3.1.1 二维表定义
        3.1.2 二维表思想证明
    3.2 二维表的实现
        3.2.1 动态数组原理及应用
        3.2.2 哈希表原理及应用
    3.3 权重的思想与实现
        3.3.1 权重的思想
        3.3.2 权重的应用
    3.4 基于权重和二维表改进的WTFP-Growth算法
        3.4.1 WTFP-Growth算法思想
        3.4.2 WTFP-Growth算法的实现
        3.4.3 WTFP-Growth算法的实例
    3.5 本章小结
第4章 基于WTFP-Growth的隧道交通事故分析
    4.1 隧道交通事故致因分析
        4.1.1 人的影响因素
        4.1.2 车的影响因素
        4.1.3 道路的影响因素
        4.1.4 环境的影响因素
    4.2 隧道交通事故数据特征分析
        4.2.1 隧道交通事故时间分布
        4.2.2 隧道交通事故气候分布
        4.2.3 隧道交通事故形态分布
        4.2.4 隧道交通事故隧道段落分布
    4.3 隧道交通事故集的选取以及预处理
    4.4 WTFP-Growth算法在隧道交通事故中的应用
    4.5 本章小结
第5章 WTPF-Growth算法的性能测试以及实验结果分析
    5.1 WTFP-Growth算法性能测试
    5.2 WTFP-Growth算法复杂度分析
    5.3 隧道交通事故的挖掘结果分析
    5.4 本章小结
第6章 总结和展望
    6.1 本文工作总结
    6.2 未来工作展望
参考文献
致谢
攻读学位期间所开展的科研项目和发表的学术论文



本文编号：3785597