隨著社會的發(fā)展,交通設施愈加發(fā)達,人們的出行需求也不斷提高,但是隨之而來的交通安全問題也越來越多。傳統(tǒng)的車輛事故預防措施包括被動安全系統(tǒng)與主動安全系統(tǒng)。近年來隨著科技的進步,輔助駕駛等新一代的安全系統(tǒng)也慢慢登上了舞臺,但是研究表明更加合理的安全系統(tǒng)必然是基于車聯(lián)網技術與事故預測技術相結合的預防式安全系統(tǒng),因為車聯(lián)網技術解決了駕駛員視野受限的問題,使車輛與車輛可在非視距條件下進行通信。車聯(lián)網技術結合事故預測能實時判斷車輛是否處于危險狀態(tài),更好地保障乘客安全,減少潛在損失。一方面?zhèn)鹘y(tǒng)的事故預測往往將經典預測算法運用到一組少量數(shù)據(jù)上,得到的模型只能預測較小范圍的交通事故;另一方面大部分事故預測模型受限于數(shù)據(jù)特征較少及未考慮到實際應用場景的問題,沒有結合地區(qū)異質性,事故預測模型的預測精度較差�；谝陨蠁栴},本文做了以下研究:1.論文對已有的交通事故數(shù)據(jù)集進行了初步的數(shù)據(jù)處理,分別從人、車、道路、環(huán)境和其他因素五個方面分析并歸納了交通事故與影響因素之間的關系,證明了地區(qū)異質對事故的影響,為交通事故預測做鋪墊工作。2.針對傳統(tǒng)交通事故預測忽略地區(qū)異質性的問題,對原始數(shù)據(jù)和異質空間數(shù)據(jù)分別進行預處理... 

【文章來源】：黑龍江大學黑龍江省

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 課題的研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 國內研究現(xiàn)狀
        1.2.2 國外研究現(xiàn)狀
        1.2.3 國內外研究現(xiàn)狀總結
    1.3 本文研究的內容及章節(jié)安排
        1.3.1 本文主要的研究內容
        1.3.2 章節(jié)安排
第2章 基礎知識及相關概念介紹
    2.1 車聯(lián)網
        2.1.1 車聯(lián)網簡介
        2.1.2 車聯(lián)網體系結構
        2.1.3 車聯(lián)網通信技術簡介
    2.2 事故預測方法
        2.2.1 基于定性預測的交通事故預測
        2.2.2 基于定量預測的交通事故預測
    2.3 機器學習算法
        2.3.1 邏輯斯諦回歸
        2.3.2 隨機森林
    2.4 本章小結
第3章 事故影響因素分析歸納與事故地區(qū)異質性研究
    3.1 車輛事故影響因素總結
        3.1.1 與人相關因素
        3.1.2 與車輛相關因素
        3.1.3 與道路相關的因素
        3.1.4 與環(huán)境相關的因素
        3.1.5 其他
    3.2 農村與城市下不同交通因素對事故影響
        3.2.1 城市事故數(shù)據(jù)分析
        3.2.2 農村事故數(shù)據(jù)分析
    3.3 本章小結
第4章 交通事故預測算法
    4.1 問題描述與定義
    4.2 交通事故預測數(shù)據(jù)準備
        4.2.1 數(shù)據(jù)描述
        4.2.2 數(shù)據(jù)讀取
        4.2.3 數(shù)據(jù)準備
    4.3 實驗性能評價指標
    4.4 非異質條件下的交通事故預測
    4.5 異質條件下的事故預測
        4.5.1 區(qū)分數(shù)據(jù)
        4.5.2 數(shù)據(jù)處理
        4.5.3 異質地區(qū)事故預測
    4.6 實驗結果及性能評價
    4.7 本章小結
第5章 交通事故預測系統(tǒng)的設計與實現(xiàn)
    5.1 系統(tǒng)開發(fā)環(huán)境
        5.1.1 開發(fā)工具
        5.1.2 運行環(huán)境
    5.2 仿真平臺搭建
    5.3 系統(tǒng)整體設計
    5.4 系統(tǒng)詳細設計及演示
        5.4.1 交互模塊
        5.4.2 分類器模塊
    5.5 本章小結
結論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]大數(shù)據(jù)背景下的智能交通系統(tǒng)應用與平臺構建[J]. 魏永青,鄂飛,喬瑞,張志慶,馮閻.  科技創(chuàng)新與應用. 2018(16)
[2]基于貝葉斯網絡模型的道路交通事故鏈生成與演化研究[J]. 熊曉夏,陳龍,梁軍,陳月霞.  公路交通科技. 2018(05)
[3]基于改進K-means算法的城市道路交通事故分析[J]. 郭璘,周繼彪,董升,張水潮.  中國公路學報. 2018(04)
[4]減少交通安全事故的相關措施[J]. 雷傳寶,趙靜.  南方農機. 2017(12)
[5]基于Pena距離的廣義線性回歸模型的影響分析[J]. 胡江,林金官,趙彥勇.  應用數(shù)學. 2017(03)
[6]車聯(lián)網環(huán)境下IEEE 802.11p移動性支持仿真研究[J]. 胡錦超,趙祥模,王潤民,李驍馳.  計算機工程. 2017(05)
[7]農村公路交通事故特征分析[J]. 王雪梅,楊迅,范欽滿,胡思濤.  物流工程與管理. 2017(04)
[8]區(qū)域高速路網交通事故影響區(qū)劃分及交通誘導[J]. 金書鑫,王建軍,徐嫚谷.  長安大學學報(自然科學版). 2017(02)
[9]基于AdaBoost分類器的實時交通事故預測[J]. 張軍,胡震波,朱新山.  計算機應用. 2017(01)
[10]基于LTE D2D技術的車聯(lián)網通信架構與數(shù)據(jù)分發(fā)策略研究[J]. 彭軍,馬東,劉凱陽,張倩倩,張曉勇.  通信學報. 2016(07)

碩士論文
[1]不同缺失值處理技術的模擬比較[D]. 花琳琳.鄭州大學 2012
[2]數(shù)據(jù)不平衡分類問題研究[D]. 范先念.中國科學技術大學 2011



本文編號：3630547