快速路是城市道路交通的骨架,承擔(dān)著大量的城市機(jī)動(dòng)化交通。但隨著城市機(jī)動(dòng)車保有量的不斷增長(zhǎng),城市快速路交通事故頻發(fā),極大影響道路的通行效率且?guī)?lái)了嚴(yán)重的人員和財(cái)產(chǎn)的損失。快速路的實(shí)時(shí)交通流狀態(tài)是導(dǎo)致事故發(fā)生的一個(gè)重要因素,通過(guò)城市快速路的實(shí)時(shí)交通流狀態(tài)來(lái)預(yù)測(cè)是否可能有事故發(fā)生,對(duì)于提高道路運(yùn)輸系統(tǒng)的安全性,降低事故的發(fā)生率,減少因事故帶來(lái)的人員傷亡和財(cái)產(chǎn)損失具有重要的意義。隨著智能交通系統(tǒng)的不斷發(fā)展,實(shí)時(shí)交通流數(shù)據(jù)的采集手段不斷進(jìn)步,為城市快速路實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)的研究提供了技術(shù)支持和數(shù)據(jù)基礎(chǔ)。本文基于城市快速路實(shí)時(shí)交通流數(shù)據(jù)和事故歷史數(shù)據(jù),構(gòu)建了基于特征選擇的實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)模型,以確定潛在的、將要發(fā)生的交通事故,為交通管理者保障城市快速路的安全運(yùn)營(yíng)提供了理論參考。本文主要工作包括以下幾個(gè)方面:(1)針對(duì)實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)的問(wèn)題,設(shè)計(jì)一套數(shù)據(jù)預(yù)處理的流程,對(duì)所獲取的事故歷史數(shù)據(jù)和檢測(cè)器所檢測(cè)到的交通流數(shù)據(jù)進(jìn)行預(yù)處理。該流程包括案例組和對(duì)照組數(shù)據(jù)的提取規(guī)則,數(shù)據(jù)清洗以及數(shù)據(jù)集成等。(2)創(chuàng)新性地提出了 CBFS算法用于特征向量的降維。該方法對(duì)特征之間的冗余性以及特征與類別之間的相關(guān)性進(jìn)行定量分析,并在綜合考量二者關(guān)系的基礎(chǔ)上設(shè)計(jì)特征變量的選擇規(guī)則,以達(dá)到降低特征向量維數(shù)的目的。實(shí)測(cè)數(shù)據(jù)的驗(yàn)證結(jié)果表明:CBFS算法可以有效降低特征向量的維數(shù),減少分類器的計(jì)算時(shí)間,并且去除冗余特征和不相關(guān)特征之后,分類器的分類精度有所提高。(3)選擇支持向量機(jī)算法作為實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)的分類算法,并對(duì)支持向量機(jī)的網(wǎng)格搜索法進(jìn)行改進(jìn)。通過(guò)實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證,結(jié)果表明:改進(jìn)網(wǎng)格搜索法可以大量節(jié)約參數(shù)尋優(yōu)時(shí)間,提高算法運(yùn)算效率。(4)將CBFS算法與改進(jìn)網(wǎng)格搜索法的支持向量機(jī)算法相結(jié)合,構(gòu)建基于特征選擇的實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)模型。并以某市的實(shí)測(cè)數(shù)據(jù)為例,應(yīng)用本文所構(gòu)建的模型、K近鄰算法以及BP神經(jīng)網(wǎng)絡(luò)算法分別對(duì)其進(jìn)行測(cè)試,本文模型測(cè)試結(jié)果與實(shí)際結(jié)果相比具有較高的準(zhǔn)確率,同時(shí)在危險(xiǎn)狀態(tài)的預(yù)測(cè)準(zhǔn)確率上均高于K近鄰算法和BP神經(jīng)網(wǎng)絡(luò)算法。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U491.31
【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
        1.2.3 國(guó)內(nèi)外研究現(xiàn)狀總結(jié)
    1.3 研究?jī)?nèi)容和研究目標(biāo)
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 技術(shù)路線
2 實(shí)時(shí)事故風(fēng)險(xiǎn)預(yù)測(cè)關(guān)鍵理論方法
    2.1 模式識(shí)別基本方法概述
    2.2 特征矢量降維方法概述
        2.2.1 過(guò)擬合現(xiàn)象
        2.2.2 相關(guān)性和冗余性
        2.2.3 特征降維方法
    2.3 實(shí)時(shí)事故風(fēng)險(xiǎn)預(yù)測(cè)分類算法
        2.3.1 K-近鄰算法
        2.3.2 BP神經(jīng)網(wǎng)絡(luò)算法
        2.3.3 支持向量機(jī)算法
    2.4 小結(jié)
3 數(shù)據(jù)預(yù)處理
    3.1 數(shù)據(jù)采集
    3.2 交通流數(shù)據(jù)提取
    3.3 交通流數(shù)據(jù)清洗
    3.4 樣本數(shù)據(jù)集成及歸一化
    3.5 案例數(shù)據(jù)預(yù)處理
    3.6 小結(jié)
4 基于特征選擇的實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建
    4.1 基于相關(guān)性分析的特征選擇算法構(gòu)建（CBFS算法）
    4.2 基于SVM的實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)算法構(gòu)建
        4.2.1 核函數(shù)的選擇
        4.2.2 改進(jìn)的網(wǎng)格搜索法
        4.2.3 基于SVM的實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)算法步驟
    4.3 基于特征選擇的實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)模型設(shè)計(jì)
    4.4 精度評(píng)價(jià)指標(biāo)
    4.5 小結(jié)
5 案例分析
    5.1 基于CBFS算法的特征選擇
    5.2 基于SVM的實(shí)時(shí)交通事故風(fēng)險(xiǎn)預(yù)測(cè)
    5.3 CBFS算法合理性分析
    5.4 改進(jìn)網(wǎng)格搜索法合理性分析
    5.5 不同分類算法結(jié)果對(duì)比分析
    5.6 小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
附錄A
附錄B
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 張輝;陳柯羽;;高速公路減速波事故的前兆特征與概率模型[J];交通運(yùn)輸研究;2017年05期

2 王健;盧錫鳳;;基于聚類分析的高速公路事故黑點(diǎn)鑒別及成因分析研究[J];公路交通技術(shù);2016年05期

3 孫劍;孫杰;;城市快速路實(shí)時(shí)交通流運(yùn)行安全主動(dòng)風(fēng)險(xiǎn)評(píng)估[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

4 徐鋮鋮;劉攀;王煒;蔣璇;;基于判別分析的高速公路交通安全實(shí)時(shí)評(píng)價(jià)指標(biāo)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

5 孫巖;呂世聘;王秀坤;唐一源;;基于結(jié)構(gòu)學(xué)習(xí)的KNN分類算法[J];計(jì)算機(jī)科學(xué);2007年12期

6 王娟,慈林林,姚康澤;特征選擇方法綜述[J];計(jì)算機(jī)工程與科學(xué);2005年12期

7 秦小虎;劉利;張穎;;一種基于貝葉斯網(wǎng)絡(luò)模型的交通事故預(yù)測(cè)方法[J];計(jì)算機(jī)仿真;2005年11期

8 林震,楊浩;基于車速的交通事故貝葉斯預(yù)測(cè)[J];中國(guó)安全科學(xué)學(xué)報(bào);2003年02期

9 王天樹,鄭南寧,袁澤劍;機(jī)器智能與模式識(shí)別研究中的統(tǒng)計(jì)學(xué)習(xí)方法[J];自動(dòng)化學(xué)報(bào);2002年S1期

相關(guān)博士學(xué)位論文 前1條

1 孫軼軒;基于數(shù)據(jù)挖掘的道路交通事故分析研究[D];北京交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前3條

1 杜石廳;基于統(tǒng)計(jì)模式識(shí)別的高速公路事故黑點(diǎn)識(shí)別研究[D];西南交通大學(xué);2010年

2 江永生;基于交通流因素的城市道路交通事故分析預(yù)測(cè)研究[D];西安建筑科技大學(xué);2009年

3 賀清碧;BP神經(jīng)網(wǎng)絡(luò)及應(yīng)用研究[D];重慶交通學(xué)院;2004年

本文編號(hào)：2851336