基于交通大数据的道路安全行为分析与预测
发布时间：2021-12-19 10:15
现有定位及通信技术的进步,可精确记录车辆的时空数据存储于交通平台中。这些交通数据中往往隐藏着重要的信息,利用聚类技术对时空轨迹数据进行处理,在无监督的情况下得到轨迹的分类和异常轨迹,并针对事故数据建立有效的道路交通安全预测模型,可为交通运输管理部门的车辆监督和管理提供重要的决策依据,从而达到辅助决策的作用。本文面向交通运输的稽查管理需求,研究道路安全行为的分析与预测方法,主要研究工作包括以下三个方面:(1)针对分布式交通数据存储系统,快速增长的交通数据可能造成系统障碍堵塞或数据丢失,且原有交通数据存储系统集群已经配置了非面向对象存储的数据类型等状况,提出一种从数据存储系统到对象存储集群的透明访问方法,实现大数据文件系统与对象存储服务的融合,提高交通大数据挖掘的效率和可靠性。(2)基于车辆的时空轨迹数据,综合考虑轨迹特征,研究具有时空特征的相似度轨迹聚类与异常检测方法。提出一种MBR-D图形序列相似度度量算法,利用MBR算法划分出子轨迹的最小外接矩形,通过DTW算法计算出子轨迹的时间序列外接值的最小相似距离矩阵作为轨迹聚类的依据,之后通过K-Means聚类算法将相似的轨迹划分得到多个簇集...
【文章来源】： 内蒙古大学内蒙古自治区 211工程院校
【文章页数】：63 页
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 研究内容
1.3 论文结构安排
第二章 相关研究工作
2.1 数据存储服务的研究现状
2.2 时空轨迹聚类的研究现状
2.3 交通安全预测研究现状
第三章 数据存储服务
3.1 相关理论基础
3.1.1 Ceph分布式存储系统
3.1.2 Ceph基础组件
3.1.3 Ceph核心组件
3.2 对象存储集群的透明访问
3.3 数据访问的基本功能
3.4 本章小结
第四章 基于时空轨迹的聚类分析
4.1 相关理论基础
4.1.1 聚类的分类
4.1.2 基于K-Means聚类算法
4.1.3 相似度度量算法
4.2 数据获取过程
4.3 基于MBR-D图形序列轨迹相似度算法
4.3.1 相关定义
4.3.2 图形序列轨迹相似度算法流程
4.4 基于时空轨迹的K-Means聚类算法
4.5 异常轨迹识别
4.6 实验与分析
4.6.1 轨迹聚类实验结果
4.6.2 异常轨迹识别实验结果
4.7 本章小结
第五章 基于机器学习的交通安全预测研究
5.1 相关理论基础
5.1.1 SVM支持向量机
5.1.2 BP神经网络
5.1.3 随机森林
5.2 交通安全特征影响因子选择
5.3 基于机器学习的交通安全预测模型
5.3.1 基于多分类SVM的交通安全预测模型
5.3.2 基于BP神经网络的交通安全预测模型
5.3.3 基于随机森林的交通安全预测模型
5.4 实验与分析
5.4.1 预测模型准确分析
5.4.2 特征因素重要性分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录
致谢
攻读硕士期间发表的学术论文
【参考文献】：
期刊论文
[1]基于类别随机化的随机森林算法 [J]. 关晓蔷,庞继芳,梁吉业. 计算机科学. 2019(02)
[2]基于BP神经网络的异常轨迹检测方法 [J]. 俞庆英,李倩,陈传明,林文诗. 计算机工程. 2019(07)
[3]行为轨迹时空聚类与分析 [J]. 秦昆,王玉龙,赵鹏祥,徐雯婷,徐源泉. 自然杂志. 2018(03)
[4]基于卷积神经网络的数字识别 [J]. 代贺,陈洪密,李志申. 贵州师范大学学报(自然科学版). 2017(05)
[5]国务院安委会印发《道路交通安全“十三五”规划》 [J]. 中国应急管理. 2017(09)
[6]基于Hadoop平台的K-means聚类算法优化研究 [J]. 卢胜宇,王静宇,张晓琳,高俊峰. 内蒙古科技大学学报. 2016(03)
[7]大数据聚类算法综述 [J]. 海沫. 计算机科学. 2016(S1)
[8]一种支持轨迹大数据潜在语义相关性挖掘的谱聚类方法 [J]. 廖律超,蒋新华,邹复民,贺文武,邱淮. 电子学报. 2015(05)
[9]基于BP神经网络的道路交通安全预测模型研究 [J]. 安杰,董龙洋. 公路与汽运. 2014(03)
[10]Linux下NFS(网络文件系统)的建立与配置方法 [J]. 瑛宣. 计算机与网络. 2013(21)
博士论文
[1]基于公安交通管理大数据的道路交通安全决策支持关键技术研究[D]. 陶刚.长安大学. 2016
[2]基于MapReduce的移动轨迹大数据挖掘方法与应用研究[D]. 夏大文.西南大学. 2016
[3]智能交通系统中的时空数据分析关键技术研究[D]. 夏英.西南交通大学. 2012
[4]路网交通事故动态分析及预警方法研究[D]. 代磊磊.哈尔滨工业大学. 2010
[5]城市道路交通事故与交通冲突技术理论模型及方法研究[D]. 成卫.吉林大学. 2004
硕士论文
[1]基于贝叶斯网络的高速公路交通事故严重程度预测研究[D]. 童璐璐.北京交通大学. 2018
[2]城市交通文明建设的法制现状及反思[D]. 张帅.东南大学. 2017
[3]基于OpenStack的高可用云平台的研究与设计[D]. 罗兵.西南石油大学. 2017
[4]基于Ceph分布式存储系统的安全访问控制设计和实现[D]. 凌升杭.东南大学. 2016
[5]面向海量轨迹数据的聚类算法研究[D]. 陈艳君.北京交通大学. 2015
[6]基于MapReduce的海量数据K-means聚类算法研究[D]. 崔晓丽.大连理工大学. 2014
[7]Ceph分布式文件系统的研究及性能测试[D]. 李翔.西安电子科技大学. 2014
[8]某集团SAP系统基础架构分析与设计[D]. 刘占忠.北京邮电大学. 2011
[9]Coda分布式文件系统的缺陷及改进[D]. 郭二目.大连理工大学. 2005
本文编号：3544238
【文章来源】： 内蒙古大学内蒙古自治区 211工程院校
【文章页数】：63 页
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 研究内容
1.3 论文结构安排
第二章 相关研究工作
2.1 数据存储服务的研究现状
2.2 时空轨迹聚类的研究现状
2.3 交通安全预测研究现状
第三章 数据存储服务
3.1 相关理论基础
3.1.1 Ceph分布式存储系统
3.1.2 Ceph基础组件
3.1.3 Ceph核心组件
3.2 对象存储集群的透明访问
3.3 数据访问的基本功能
3.4 本章小结
第四章 基于时空轨迹的聚类分析
4.1 相关理论基础
4.1.1 聚类的分类
4.1.2 基于K-Means聚类算法
4.1.3 相似度度量算法
4.2 数据获取过程
4.3 基于MBR-D图形序列轨迹相似度算法
4.3.1 相关定义
4.3.2 图形序列轨迹相似度算法流程
4.4 基于时空轨迹的K-Means聚类算法
4.5 异常轨迹识别
4.6 实验与分析
4.6.1 轨迹聚类实验结果
4.6.2 异常轨迹识别实验结果
4.7 本章小结
第五章 基于机器学习的交通安全预测研究
5.1 相关理论基础
5.1.1 SVM支持向量机
5.1.2 BP神经网络
5.1.3 随机森林
5.2 交通安全特征影响因子选择
5.3 基于机器学习的交通安全预测模型
5.3.1 基于多分类SVM的交通安全预测模型
5.3.2 基于BP神经网络的交通安全预测模型
5.3.3 基于随机森林的交通安全预测模型
5.4 实验与分析
5.4.1 预测模型准确分析
5.4.2 特征因素重要性分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录
致谢
攻读硕士期间发表的学术论文
【参考文献】：
期刊论文
[1]基于类别随机化的随机森林算法 [J]. 关晓蔷,庞继芳,梁吉业. 计算机科学. 2019(02)
[2]基于BP神经网络的异常轨迹检测方法 [J]. 俞庆英,李倩,陈传明,林文诗. 计算机工程. 2019(07)
[3]行为轨迹时空聚类与分析 [J]. 秦昆,王玉龙,赵鹏祥,徐雯婷,徐源泉. 自然杂志. 2018(03)
[4]基于卷积神经网络的数字识别 [J]. 代贺,陈洪密,李志申. 贵州师范大学学报(自然科学版). 2017(05)
[5]国务院安委会印发《道路交通安全“十三五”规划》 [J]. 中国应急管理. 2017(09)
[6]基于Hadoop平台的K-means聚类算法优化研究 [J]. 卢胜宇,王静宇,张晓琳,高俊峰. 内蒙古科技大学学报. 2016(03)
[7]大数据聚类算法综述 [J]. 海沫. 计算机科学. 2016(S1)
[8]一种支持轨迹大数据潜在语义相关性挖掘的谱聚类方法 [J]. 廖律超,蒋新华,邹复民,贺文武,邱淮. 电子学报. 2015(05)
[9]基于BP神经网络的道路交通安全预测模型研究 [J]. 安杰,董龙洋. 公路与汽运. 2014(03)
[10]Linux下NFS(网络文件系统)的建立与配置方法 [J]. 瑛宣. 计算机与网络. 2013(21)
博士论文
[1]基于公安交通管理大数据的道路交通安全决策支持关键技术研究[D]. 陶刚.长安大学. 2016
[2]基于MapReduce的移动轨迹大数据挖掘方法与应用研究[D]. 夏大文.西南大学. 2016
[3]智能交通系统中的时空数据分析关键技术研究[D]. 夏英.西南交通大学. 2012
[4]路网交通事故动态分析及预警方法研究[D]. 代磊磊.哈尔滨工业大学. 2010
[5]城市道路交通事故与交通冲突技术理论模型及方法研究[D]. 成卫.吉林大学. 2004
硕士论文
[1]基于贝叶斯网络的高速公路交通事故严重程度预测研究[D]. 童璐璐.北京交通大学. 2018
[2]城市交通文明建设的法制现状及反思[D]. 张帅.东南大学. 2017
[3]基于OpenStack的高可用云平台的研究与设计[D]. 罗兵.西南石油大学. 2017
[4]基于Ceph分布式存储系统的安全访问控制设计和实现[D]. 凌升杭.东南大学. 2016
[5]面向海量轨迹数据的聚类算法研究[D]. 陈艳君.北京交通大学. 2015
[6]基于MapReduce的海量数据K-means聚类算法研究[D]. 崔晓丽.大连理工大学. 2014
[7]Ceph分布式文件系统的研究及性能测试[D]. 李翔.西安电子科技大学. 2014
[8]某集团SAP系统基础架构分析与设计[D]. 刘占忠.北京邮电大学. 2011
[9]Coda分布式文件系统的缺陷及改进[D]. 郭二目.大连理工大学. 2005
本文编号：3544238
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3544238.html
