车联网环境下高风险运输车辆精准识别方法的应用研究

发布时间：2023-04-16 19:34

　　随着我国国民经济不断走深向好、人民物质需求不断增加,中国在世界范围内已经成为超级汽车生产和消费大国。据统计,截止2020年底,全国机动车保有量达3.72亿辆,机动车驾驶人有4.4亿人,同时期我国大型运输车辆(营运客车、重型卡车、危化车)的新增注册登记量也再创新高。然而汽车市场繁荣的背后,我国也将面临着日益凸显的交通安全问题以及不断升级的监管难度。在机动车事故中,运输车辆是交通安全中一个较大的危险源,其发生事故的复杂性和危害性都要远高于其他车辆。伴随着后疫情时代的到来,一方面物流运输将成为保障各经济主体正常运转的关键性纽带,另一方面政府、企业和个人都会要求运输车辆具备更高的安全性,因此做好运输车辆行驶风险的规避至关重要。本文基于车联网大数据背景和人工智能技术,提出了“运输车辆高危行驶特征精准识别方法”和“基于风险场景拟合的运输车辆行驶风险评估模型”,以期实现高危运输车辆风险识别和风险管理。首先,基于普遍性和特殊性原则确定了影响运输车辆行驶的两大类致险因素:里程相关行驶风险和驾驶行为风险。并在此基础上,对车联网环境下产生的数据错误进行了清洗,利用隐马尔可夫模型稠密化处理了稀疏驾驶行为预警数...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 研究现状
        1.3.1 运输车辆行驶风险来源研究现状
        1.3.2 稀疏数据处理方法研究现状
        1.3.3 异常特征精准识别方法研究现状
        1.3.4 运输车辆风险评估方法研究现状
        1.3.5 研究述评
    1.4 本文研究内容及结构安排
        1.4.1 本文研究内容
        1.4.2 本文结构安排
    1.5 本文主要创新点
2 研究方法介绍
    2.1 状态转移关系研究方法介绍
        2.1.1 马尔可夫链的转移原理
        2.1.2 隐马尔可夫模型可解决的三类转移问题
        2.1.3 隐马尔可夫模型解决转移问题的三大算法
    2.2 概率分布模型参数估计方法介绍
        2.2.1 极大似然估计方法
        2.2.2 正态分布模型参数的极大似然估计
    2.3 模型有效性的检验方法
        2.3.1 关联规则的四大组成要素
        2.3.2 挖掘关联规则的两个阶段
        2.3.3 关联规则核心Aprior算法的优缺点
3 运输车辆行驶风险评价指标体系的构建
    3.1 运输车辆行驶信息数据源简介
    3.2 运输车辆行驶风险评价体系设计原理
    3.3 运输车辆行驶风险评价体系指标构成
4 运输车辆行驶风险数据集简介及预处理
    4.1 运输车辆行驶风险数据集简介
    4.2 运输车辆行驶风险数据预处理
        4.2.1 车联网终端设备传输错误清洗
        4.2.2 运输车辆行驶风险数据变换
5 运输车辆行驶风险评估实证分析
    5.1 基于联合概率的运输车辆里程相关风险评估
        5.1.1 里程相关风险变量间的独立性检验
        5.1.2 里程相关原数据分布特性及分布变换
        5.1.3 里程相关行驶风险场景的设计
        5.1.4 拟合里程相关数据联合概率分布
        5.1.5 运输车辆里程相关行驶风险评估
    5.2 基于隐马尔可夫模型的运输车辆驾驶行为风险评估
        5.2.1 筛选与各驾驶行为预警关联密切的重度危险预警
        5.2.2 驾驶行为风险模型初始参数的构建
        5.2.3 隐马尔可夫模型挖掘危险驾驶行为链
        5.2.4 原始预警指标基于隐马尔可夫模型的降维
        5.2.5 驾驶行为危险程度评价指数及风险场景设计
        5.2.6 拟合驾驶行为危险程度指数概率分布
        5.2.7 运输车辆驾驶行为风险评估
    5.3 基于Aprior算法的运输车辆综合风险得分结果验证
        5.3.1 运输车辆综合行驶风险得分的计算
        5.3.2 风险得分及原数据的离散化处理
        5.3.3 关联结果验证
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
后记



本文编号：3791731