基于数据挖掘的高速公路交通事故分析及预防对策研究

发布时间：2020-08-14 09:25

【摘要】：高速公路具有行车速度高、通行能力大、运输成本低等优点,是经济发展的大动脉,对沿线经济的发展具有重要的推动作用。当前,在我国高速公路交通流量不断增长、通车里程不断延长的背景下,高速公路交通安全压力日益增大,形势严峻。高速公路交通安全日益成为全社会关注和探究的关键性问题。公安交通管理部门负责采集与管理我国的道路交通事故数据。当前,事故数据多简单的用于对事故四项指标:“事故起数”、“受伤人数”、“死亡人数”、“直接财产损失”等作描述性统计,未充分挖掘其潜在的信息价值;此外,事故数据还具有多维度、离散性和模糊性等特征,增加了分析的难度。数据挖掘是从大量数据中挖掘隐含的、未知的、对决策具有潜在价值的概念、规则、规律、模式的数据分析方法。采用数据挖掘技术对高速公路交通事故数据进行分析,可充分挖掘事故数据的潜在价值,为高速公路交通安全改善提供依据。交通安全研究的主要目的在于避免交通事故的发生及降低事故严重程度,本论文从事故致因分析、事故严重程度分析两个方面,针对我国交通事故数据的特点及数据分析应用中的主要问题,运用分类、回归等数据挖掘相关理论和方法建立高速公路交通事故分析体系,从多个角度、多个层次研究驾驶人、车辆、道路、环境等因素与高速公路交通事故与间的关系。主要研究内容如下:(1)总结了我国与发达国家在道路交通事故信息采集技术方面的差距;其次,从信息采集、数据结构、分布特征等角度对高速公路交通事故数据进行了分析,并采用数据预处理技术对高速公路交通事故数据进行了预处理。(2)构建了基于相对危险暴露量理论与Logistic回归分析的高速公路交通事故致因分析模型和基于SVM理论的高速公路交通事故严重程度分类识别模型。并以我国高速公路交通事故数据为基础对模型进行了实证研究,为降低高速公路事故发生率和严重程度、提高行车安全水平提供理论基础。(3)基于模型实证研究结果,对高速公路交通事故致因和严重程度影响因素从驾驶人、车辆、道路、环境4个方面进行了分析;并以此为基础,从工程、教育、管理、急救等层面提出了相应的对策来降低事故率和事故严重程度。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491.31
【图文】：

道路交通事故信息采集项目表2006版

图 4.1 SVM 分类超平面示意图图中，H 为分类超平面，其表达式为 x+b=0，SVM 分类问题可以表示为如式（4.1）所示的最优化问题：2,1min || ||2. . (( x+b) 1), 1bis t y i l ……,······················（4.1）式（4.1）中的目标函数是二次函数，因此可通过引入拉格朗日乘子来求解该最优化问题。上述最优化问题转化为式（4.2）所示的形式。 211( , , ) min || || (( x ) ) 12li i iiL b y b ···········（4.2）式（4.2）是一个凸二次规划问题。通过对 和b 分别求偏导数并使其等于0可以求其唯一的最优解，如式（4.3）所示。100li i iilLy xLy ···························（4.3）

仿剩┏跏蓟

本文编号：2792838