道路交通安全是世界一大主題問題,隨著道路和車輛的增加,交通事故發(fā)生的頻率也在增加。本文主要研究由天氣因素和其間接影響道路表面和照明情況從而對道路交通事故影響的問題。通過分析利茲和倫敦數(shù)據(jù)集中不同天氣（雨、雪等）、不同道路表面（積雪、霜/冰等）和不同照明（夜（無燈）、夜（路燈未點亮）等）狀況下道路交通事故發(fā)生的情況,研究天氣條件、道路表面狀況和照明狀況對道路交通事故的影響;并對特定天氣條件、道路表面狀況和照明狀況下道路交通事故的發(fā)生情況進(jìn)行關(guān)聯(lián)性分析;對特定條件下的交通事故進(jìn)行預(yù)測。因此,主要研究內(nèi)容如下:（1）利用交通事故資料和氣象資料分析兩者的關(guān)聯(lián)性,探究影響交通事故的主成分因子。利用線性回歸、Logistic回歸和綜合分析技術(shù)分析多種天氣條件、道路表面狀況和照明狀況對道路交通事故的影響。通過分析得出天氣條件、道路表面狀況或照明狀況等情況對道路交通事故影響的程度。（2）提出了道路交通事故影響因子（Road Traffic Accident Impact Factor,RTAIF）。在多種天氣中分析RTAIF的變化與道路交通事故的關(guān)系,其大小反映影響交通事故的程度。（3）提出了一種改進(jìn)... 

【文章來源】：浙江理工大學(xué)浙江省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究工作和論文結(jié)構(gòu)
        1.3.1 研究工作
        1.3.2 論文結(jié)構(gòu)
第二章 研究方法和模型理論
    2.1 道路交通事故分析方法
        2.1.1 線性回歸
        2.1.2 Logistic回歸
        2.1.3 綜合分析
    2.2 道路交通事故預(yù)測技術(shù)
        2.2.1 LSTM預(yù)測模型理論
        2.2.2 ARIMA預(yù)測模型理論
        2.2.3 ELM預(yù)測模型理論
        2.2.4 SVM預(yù)測模型理論
    2.3 本章小結(jié)
第三章 氣象因素與道路交通事故關(guān)聯(lián)性分析
    3.1 數(shù)據(jù)準(zhǔn)備
        3.1.1 數(shù)據(jù)來源
        3.1.2 數(shù)據(jù)預(yù)處理
        3.1.3 數(shù)據(jù)分析
    3.2 道路交通事故的時間變化特征
        3.2.1 不同天氣類型下的道路交通事故年際變化
        3.2.2 不同路面狀況下的道路交通事故年際變化
        3.2.3 不同照明情況下的道路交通事故年際變化
    3.3 RTAIF因子構(gòu)建和時間變化特征
        3.3.1 不同天氣類型RTAIF因子
        3.3.2 不同路面狀況RTAIF因子
        3.3.3 不同照明情況RTAIF因子
    3.4 本章小結(jié)
第四章 氣象因素下道路交通事故量的預(yù)測模型
    4.1 基于雙尺度長短時記憶網(wǎng)絡(luò)的交通事故量預(yù)測模型
        4.1.1 LSTM預(yù)測模型
        4.1.2 ARIMA預(yù)測模型
        4.1.3 雙尺度分解重構(gòu)
        4.1.4 DS-LSTM-ARIMA模型構(gòu)建
    4.2 基于極限學(xué)習(xí)機(jī)和支持向量機(jī)的交通事故量預(yù)測模型
        4.2.1 ELM預(yù)測模型
        4.2.2 SVM預(yù)測模型
        4.2.3 ELM-SVM模型構(gòu)建
    4.3 實驗結(jié)果與分析
        4.3.1 實驗環(huán)境與評價指標(biāo)
        4.3.2 DS-LSTM-ARIMA模型效果
        4.3.3 ELM-SVM模型效果
    4.4 本章小結(jié)
第五章 系統(tǒng)設(shè)計與實現(xiàn)
    5.1 系統(tǒng)設(shè)計
        5.1.1 系統(tǒng)架構(gòu)設(shè)計
        5.1.2 交互界面設(shè)計
    5.2 功能測試
    5.3 本章小結(jié)
第六章 總結(jié)和展望
    6.1 工作總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]高速公路交通氣象災(zāi)害風(fēng)險評估方法簡介[J]. 柳艷香,潘進(jìn)軍,田華,吳昊,李藹恂,戴至修,楊靜,宋建洋,王志,李巧媛.  氣象科技進(jìn)展. 2017(06)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的交通事故預(yù)測方法研究[J]. 唐陽山,葛麗娜,黃子龍,楊培菲.  遼寧工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2016(01)
[3]交通氣象自定義地圖服務(wù)聚合技術(shù)[J]. 焦圣明,郭靜,朱毓穎,袁成松,包云軒.  氣象科技. 2014(05)
[4]基于極速學(xué)習(xí)的粗糙RBF神經(jīng)網(wǎng)絡(luò)[J]. 馬剛,丁世飛,史忠植.  微電子學(xué)與計算機(jī). 2012(08)
[5]馬爾科夫方法修正的SVM模型在科技人才資源預(yù)測中的應(yīng)用[J]. 張延飛,顏七笙.  統(tǒng)計與決策. 2011(11)
[6]神經(jīng)網(wǎng)絡(luò)極速學(xué)習(xí)方法研究[J]. 鄧萬宇,鄭慶華,陳琳,許學(xué)斌.  計算機(jī)學(xué)報. 2010(02)
[7]灰色神經(jīng)網(wǎng)絡(luò)交通事故預(yù)測比較[J]. 王秀,孫晧.  長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2006(04)
[8]道路交通事故等間隔序列的灰色預(yù)測方法[J]. 管紅毅,李相勇,張殿業(yè).  世界科技研究與發(fā)展. 2004(01)

博士論文
[1]城市交通系統(tǒng)可持續(xù)發(fā)展綜合評價研究[D]. 張軍.西南交通大學(xué) 2007

碩士論文
[1]基于物理模型的聚類方法研究[D]. 張鵬.電子科技大學(xué) 2011



本文編號：3159894