本文關(guān)鍵詞：高速公路交通應(yīng)急救援預(yù)案智能匹配方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：高速公路突發(fā)事件應(yīng)急救援預(yù)案的智能匹配對突發(fā)事件救援決策系統(tǒng)具有至關(guān)重要的影響,因此如何快速有效地得到適合當(dāng)前突發(fā)事件的救援預(yù)案是本文研究的重點問題。本文提出將案例推理應(yīng)用到預(yù)案智能匹配過程中,根據(jù)案例推理的4R流程,著重對其中的檢索算法進行了研究。本文研究目標(biāo)是使得高速公路事故發(fā)生后能在最短時間內(nèi)獲得有效的救援預(yù)案,輔助救援人員進行決策。本文首先對高速公路突發(fā)事件進行詳細(xì)分析,剖析得到突發(fā)事件特征屬性,并給出了基于模型的XML案例表示方法；其次給出了置信混合相似度匹配算法,將事件描述屬性根據(jù)其自身的特征劃分到其所屬的類別,對不同類型的屬性采用不同的相似度計算方法,并且提出預(yù)案置信度,通過對置信度指標(biāo)進行分析結(jié)合C4.5算法構(gòu)建置信度決策樹,結(jié)合相似度和置信度對歷史案例進行綜合判斷得出最佳預(yù)案：之后,考慮到某些地區(qū)道路信息化水平比較低,導(dǎo)致事件特征屬性采集存在困難,事件特征屬性缺失等情況,提出基于貝葉斯概率模型的匹配算法,在樸素貝葉斯分類器的基礎(chǔ)上進行改進,構(gòu)建雙層貝葉斯概率模型,僅利用采集到的少量屬性實現(xiàn)匹配,并且給出了該模型的學(xué)習(xí)算法。論文最后介紹了高速公路突發(fā)事件應(yīng)急救援預(yù)案智能匹配系統(tǒng)的軟件設(shè)計框架和開發(fā)實現(xiàn)過程,該系統(tǒng)能對采集到的非空屬性個數(shù)進行判斷,自動選擇適用的匹配算法,并結(jié)合仿真實例給予驗證。系統(tǒng)救援預(yù)案的匹配結(jié)果均符合本文理論分析的預(yù)期,這表明本文所提出的智能匹配算法是有效可行的。
【關(guān)鍵詞】：高速公路 預(yù)案智能匹配 案例推理 置信混合相似度 貝葉斯概率模型
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U492.8;TP18
【目錄】：

• 摘要4-5
• Abstract5-10
• 第一章 緒論10-22
• 1.1 研究背景10-12
• 1.1.1 我國高速公路發(fā)展歷程10-11
• 1.1.2 高速公路交通事故危害性11
• 1.1.3 高速公路交通事故特點11-12
• 1.1.4 完善高速公路緊急救援體系的緊迫性12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 高速公路緊急救援國內(nèi)外研究現(xiàn)狀12-13
• 1.2.2 智能匹配方法的研究現(xiàn)狀13-14
• 1.3 理論背景簡介14-19
• 1.3.1 案例推理工作原理14-16
• 1.3.2 目前主要的案例表示方法16-17
• 1.3.3 目前主要的案例匹配技術(shù)17-19
• 1.4 研究目的及意義19-20
• 1.5 本文研究內(nèi)容20-22
• 第二章 高速公路突發(fā)事件的知識表示22-30
• 2.1 高速公路突發(fā)事件的特征屬性提取22-26
• 2.1.1 高速公路突發(fā)事件案例的基本信息22-23
• 2.1.2 高速公路突發(fā)事件案例特征屬性提取23-26
• 2.2 高速公路突發(fā)事件應(yīng)急案例的XML表示26-29
• 2.2.1 高速公路突發(fā)事件應(yīng)急案例層次結(jié)構(gòu)26-27
• 2.2.2 高速公路突發(fā)事件應(yīng)急案例模型構(gòu)建27-28
• 2.2.3 基于模型的高速公路突發(fā)事件應(yīng)急案例XML表示法28-29
• 2.3 本章小結(jié)29-30
• 第三章 基于置信混合相似度的應(yīng)急救援預(yù)案匹配方法30-50
• 3.1 理論分析30-31
• 3.2 高速公路突發(fā)事件應(yīng)急預(yù)案智能匹配相似度計算31-37
• 3.2.1 基于粗糙集理論的特征屬性權(quán)重計算31-33
• 3.2.2 結(jié)構(gòu)相似度計算33-34
• 3.2.3 屬性相似度計算34-37
• 3.2.4 整體相似度計算37
• 3.3 高速公路突發(fā)事件應(yīng)急預(yù)案智能匹配置信度分析37-42
• 3.3.1 置信度概念37-39
• 3.3.2 確定置信度指標(biāo)及置信度判斷規(guī)則39-42
• 3.3.3 維護置信度判斷規(guī)則42
• 3.4 高速公路突發(fā)事件預(yù)案置信混合相似度匹配算法42-43
• 3.5 實例分析43-48
• 3.6 本章小結(jié)48-50
• 第四章 基于貝葉斯概率模型的應(yīng)急救援預(yù)案匹配方法50-64
• 4.1 理論分析50
• 4.2 貝葉斯分類理論50-53
• 4.2.1 貝葉斯定理50-51
• 4.2.2 樸素貝葉斯分類器51-53
• 4.3 構(gòu)建基于貝葉斯概率模型的應(yīng)急預(yù)案匹配方法53-60
• 4.3.1 確定應(yīng)急救援預(yù)案貝葉斯模型的類標(biāo)號和典型案例53-56
• 4.3.2 構(gòu)建雙層貝葉斯分類概率模型56-57
• 4.3.3 雙層貝葉斯分類概率模型匹配算法57-58
• 4.3.4 雙層貝葉斯分類概率模型的學(xué)習(xí)58-60
• 4.4 實例分析60-63
• 4.5 本章小結(jié)63-64
• 第五章 高速公路交通應(yīng)急預(yù)案智能匹配系統(tǒng)的設(shè)計與實現(xiàn)64-86
• 5.1 系統(tǒng)軟件體系結(jié)構(gòu)64-69
• 5.1.1 .NET基本框架結(jié)構(gòu)64-65
• 5.1.2 ADO.NET數(shù)據(jù)訪問簡介65-66
• 5.1.3 數(shù)據(jù)庫技術(shù)66-67
• 5.1.4 系統(tǒng)物理架構(gòu)67-69
• 5.2 系統(tǒng)建模69-78
• 5.2.1 系統(tǒng)的需求分析69-70
• 5.2.2 系統(tǒng)UML建模70-75
• 5.2.3 系統(tǒng)PowerDesigner數(shù)據(jù)庫建模75-78
• 5.3 系統(tǒng)實現(xiàn)及仿真實例78-84
• 5.3.1 高速公路突發(fā)事件救援預(yù)案智能匹配系統(tǒng)框架圖78
• 5.3.2 高速公路突發(fā)事件救援預(yù)案智能匹配系統(tǒng)仿真實例78-84
• 5.4 本章小結(jié)84-86
• 第六章 總結(jié)與展望86-88
• 6.1 本文工作總結(jié)86-87
• 6.2 進一步工作展望87-88
• 致謝88-90
• 參考文獻90-94
• 作者在攻讀碩士期間發(fā)表的論文94

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 馮霞;高峰;劉秀麗;;基于改進T-S模型的HAZOP方法在化工生產(chǎn)安全中的應(yīng)用[J];科技與企業(yè);2012年14期

2 劉永鎖,孟慶華,蔣淑敏,胡育筑;相似系統(tǒng)理論用于中藥色譜指紋圖譜的相似度評價[J];色譜;2005年02期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 杜琦;鞏政;;基于字符串相似度的自動評分算法實現(xiàn)[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

2 韓敏;唐常杰;段磊;李川;鞏杰;;基于TF/IDF相似度的標(biāo)簽聚類方法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

3 郭帆;葉繼華;余敏;;分布式IDS報警聚合研究與實現(xiàn)[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

4 何梅;劉亞軍;陳耿;;詞性劃分和差額法在主觀題閱卷中的應(yīng)用[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 朱新懿;三維顱面相似度比較的研究[D];西北大學(xué);2012年

2 吳迪;基于加權(quán)相似度的序列聚類算法研究[D];燕山大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 嚴(yán)春梅;向量空間模型與語義理解相結(jié)合的論文相似度算法研究[D];西南交通大學(xué);2015年

2 曹楊毅;企業(yè)關(guān)系網(wǎng)絡(luò)中基于相似度的弱關(guān)系分析[D];山東大學(xué);2015年

3 馬建偉;企業(yè)電子文檔相似度快速檢測技術(shù)的研究與實現(xiàn)[D];大連理工大學(xué);2015年

4 趙子豪;測井曲線相似度算法的研究[D];東北石油大學(xué);2015年

5 張桂英;基于DFA與特征量化的代碼相似度可視化檢測系統(tǒng)的研究[D];重慶大學(xué);2015年

6 黃敏敏;高速公路交通應(yīng)急救援預(yù)案智能匹配方法研究[D];東南大學(xué);2015年

7 唐凌志;基于語義理解的論文相似度研究[D];湘潭大學(xué);2011年

8 梁浩;網(wǎng)絡(luò)新聞相似度檢測系統(tǒng)[D];吉林大學(xué);2011年

9 單晗懷;跨媒體相似度機制研究和實現(xiàn)[D];浙江大學(xué);2006年

10 朱松;術(shù)語相似度和術(shù)語相關(guān)度的融合研究及應(yīng)用[D];河北大學(xué);2008年

  本文關(guān)鍵詞：高速公路交通應(yīng)急救援預(yù)案智能匹配方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：389059