基于公安交通数据的知识发现算法应用研究

发布时间：2021-11-23 02:26

　　随着公安机关多年持续对交通视频监控和车辆卡口系统的建设,各地主城区及主要街道视频监控基本实现网格化,重点道路卡口基本实现全覆盖。多年来随着卡口及监控设备的不断增长,设备采集的数据也不断积累,公安机关相关部门保存了海量的交通行为信息和卡口数据信息。但由于以前公安机关缺乏对数据进行深入的分析的能力和模式,相关部门对于车辆监控信息的应用还处在简单的查询和统计层次,使这些历史数据并不能发挥最大的管理效益。为了提高交通相关信息的利用效率和效果,本文以命名实体识别、聚类分析、关联规则发现等算法对公安交通系统数据进行知识发现研究,为更好的提供交通管理服务和打击犯罪提供有力支撑。首先,对于道路卡口系统过车数据的预处理方面,将动态的数据进行均值化的处理从而避免车主短期行为对车辆使用习惯类型的划分产生影响;对非结构化文本数据,采用CRF算法识别敏感词并进行脱敏,为安全挖掘敏感文本信息奠定基础。其次,本文对卡口车辆信息的数据挖掘模式进行了研究,提出了基于聚类分析的数据处理办法。采用k-means聚类分析的方法对道路卡口系统过车数据进行聚类分析,将连续的数值转化为状态性质的离散变量。根据此聚类结果,可对比各个... 

【文章来源】：河北科技大学河北省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

不同域的关联规则其中A1、A2、A3为定义在A上的项，{|123}iA∈Ai=、、

图 3-4 数据分析示意图3-4 可知。从信息来源上来看，道路卡口监控系统在信息的类型上存的信息，其中三类属于基础信息，另一种属于实时信息。三种基础卡口的基础信息，即卡口的位置描述以及编号等等；2）车辆的基颜色、车型、品牌、发动机编号等信息；3）车主信息，车辆主人相信息都是作为基础信息输入，即不会因为时间的变化而短时间内发类信息则是实时更新的动态数据，在卡口系统长时间运行的过程中史数据，这也是进行数据挖掘的主要对象。根据以上四个类型的数，得到相应的数据挖掘结果。挖掘的步骤上，本文拟采取如下步骤进行分布挖掘。挖掘流程如 3-5 所示，在具体的实施上采用五个流程。第一是数据的搜集与整究过程中可以直接从道路卡口监控系统中获取相关的数据；第二则处理，包含确定分析数据的窗口期以及主要参与数据挖掘的字段等

于关联规则挖掘的卡口车算法简介原理是通过对数据中的数据进行重复的访此基础上不断加入对应的候选项实现的遍历过程。其优点是便于理解和实频繁，算法效率不高[46]。其算法原理


本文编号：3512933