基于特征选择的城市快速路实时交通事故风险预测
【学位单位】:北京交通大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:U491.31
【文章目录】:
致谢
摘要
ABSTRACT
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 国内外研究现状总结
1.3 研究内容和研究目标
1.3.1 研究目标
1.3.2 研究内容
1.4 技术路线
2 实时事故风险预测关键理论方法
2.1 模式识别基本方法概述
2.2 特征矢量降维方法概述
2.2.1 过拟合现象
2.2.2 相关性和冗余性
2.2.3 特征降维方法
2.3 实时事故风险预测分类算法
2.3.1 K-近邻算法
2.3.2 BP神经网络算法
2.3.3 支持向量机算法
2.4 小结
3 数据预处理
3.1 数据采集
3.2 交通流数据提取
3.3 交通流数据清洗
3.4 样本数据集成及归一化
3.5 案例数据预处理
3.6 小结
4 基于特征选择的实时交通事故风险预测模型构建
4.1 基于相关性分析的特征选择算法构建(CBFS算法)
4.2 基于SVM的实时交通事故风险预测算法构建
4.2.1 核函数的选择
4.2.2 改进的网格搜索法
4.2.3 基于SVM的实时交通事故风险预测算法步骤
4.3 基于特征选择的实时交通事故风险预测模型设计
4.4 精度评价指标
4.5 小结
5 案例分析
5.1 基于CBFS算法的特征选择
5.2 基于SVM的实时交通事故风险预测
5.3 CBFS算法合理性分析
5.4 改进网格搜索法合理性分析
5.5 不同分类算法结果对比分析
5.6 小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
附录A
附录B
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】
相关期刊论文 前9条
1 张辉;陈柯羽;;高速公路减速波事故的前兆特征与概率模型[J];交通运输研究;2017年05期
2 王健;卢锡凤;;基于聚类分析的高速公路事故黑点鉴别及成因分析研究[J];公路交通技术;2016年05期
3 孙剑;孙杰;;城市快速路实时交通流运行安全主动风险评估[J];同济大学学报(自然科学版);2014年06期
4 徐铖铖;刘攀;王炜;蒋璇;;基于判别分析的高速公路交通安全实时评价指标[J];东南大学学报(自然科学版);2012年03期
5 孙岩;吕世聘;王秀坤;唐一源;;基于结构学习的KNN分类算法[J];计算机科学;2007年12期
6 王娟,慈林林,姚康泽;特征选择方法综述[J];计算机工程与科学;2005年12期
7 秦小虎;刘利;张颖;;一种基于贝叶斯网络模型的交通事故预测方法[J];计算机仿真;2005年11期
8 林震,杨浩;基于车速的交通事故贝叶斯预测[J];中国安全科学学报;2003年02期
9 王天树,郑南宁,袁泽剑;机器智能与模式识别研究中的统计学习方法[J];自动化学报;2002年S1期
相关博士学位论文 前1条
1 孙轶轩;基于数据挖掘的道路交通事故分析研究[D];北京交通大学;2014年
相关硕士学位论文 前3条
1 杜石厅;基于统计模式识别的高速公路事故黑点识别研究[D];西南交通大学;2010年
2 江永生;基于交通流因素的城市道路交通事故分析预测研究[D];西安建筑科技大学;2009年
3 贺清碧;BP神经网络及应用研究[D];重庆交通学院;2004年
本文编号:2851336
本文链接:https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2851336.html