發(fā)布時(shí)間：2023-03-24 04:16

　　隨著經(jīng)濟(jì)的快速發(fā)展和城市規(guī)模的迅速擴(kuò)大,車流量持續(xù)增加,產(chǎn)生巨量交通流量數(shù)據(jù)的交通問(wèn)題成了急需解決的問(wèn)題。在交通領(lǐng)域,道路運(yùn)輸企業(yè)產(chǎn)生的數(shù)據(jù)占據(jù)了很大一部分,同時(shí)也是最容易監(jiān)測(cè)和管理的一部分。管理好道路運(yùn)輸企業(yè)車輛,對(duì)改善我國(guó)交通安全狀況有至關(guān)重要的作用。數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)的重要環(huán)節(jié)之一,目的是從海量復(fù)雜數(shù)據(jù)中挖掘出潛在的高價(jià)值數(shù)據(jù)。其意義在于挖掘所產(chǎn)生的知識(shí)可以用于決策支持、信息管理、科學(xué)研究等。數(shù)據(jù)挖掘技術(shù)在交通安全方向的研究,是具有利用價(jià)值的,如何利用好海量復(fù)雜的交通數(shù)據(jù),挖掘出其隱含的意義,一直是交通數(shù)據(jù)研究的重點(diǎn)。本文基于數(shù)據(jù)挖掘技術(shù),對(duì)云南省運(yùn)輸企業(yè)海量車輛報(bào)警數(shù)據(jù)展開研究,對(duì)車輛的安全性進(jìn)行分析,對(duì)危險(xiǎn)車輛進(jìn)行預(yù)警�；赑ython分析和處理數(shù)據(jù),在類型、時(shí)間、區(qū)域等維度對(duì)海量運(yùn)輸企業(yè)車輛報(bào)警數(shù)據(jù)進(jìn)行分析,挖掘其中有意義的信息;基于LSTM時(shí)間序列模型對(duì)車輛報(bào)警情況進(jìn)行數(shù)據(jù)預(yù)測(cè),深入分析每輛車的具體情況,提出具有針對(duì)性的預(yù)警信息;結(jié)合Web GIS可視化技術(shù)、百度地圖API將數(shù)據(jù)挖掘結(jié)果進(jìn)行可視化。本文深入分析運(yùn)輸車輛數(shù)據(jù)挖掘結(jié)果,提出相應(yīng)決策支持建議。設(shè)計(jì)了可...

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景與研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 交通大數(shù)據(jù)研究
        1.2.2 數(shù)據(jù)挖掘技術(shù)研究
    1.3 研究的內(nèi)容和主要工作
        1.3.1 研究的內(nèi)容
        1.3.2 本文主要工作
        1.3.3 本文的特色與創(chuàng)新
        1.3.4 論文組織結(jié)構(gòu)
第二章 關(guān)鍵技術(shù)
    2.1 數(shù)據(jù)挖掘技術(shù)
    2.2 LSTM時(shí)間序列預(yù)測(cè)模型
        2.2.1 LSTM基本概念
        2.2.2 LSTM時(shí)間序列預(yù)測(cè)模型特點(diǎn)
    2.3 均方誤差評(píng)估算法
    2.4 Web GIS數(shù)據(jù)可視化技術(shù)
第三章 基于數(shù)據(jù)統(tǒng)計(jì)的報(bào)警信息增長(zhǎng)趨勢(shì)與區(qū)域特性分析
    3.1 報(bào)警信息增長(zhǎng)趨勢(shì)分析
        3.1.1 基于報(bào)警類型的數(shù)量統(tǒng)計(jì)及增長(zhǎng)趨勢(shì)分析
        3.1.2 基于報(bào)警對(duì)象的報(bào)警情況統(tǒng)計(jì)分析
    3.2 區(qū)域特性分析
        3.2.1 緊急報(bào)警區(qū)域性特點(diǎn)
        3.2.2 疲勞駕駛報(bào)警區(qū)域性特點(diǎn)
        3.2.3 超速報(bào)警區(qū)域性特點(diǎn)
第四章 基于LSTM的車輛報(bào)警數(shù)據(jù)預(yù)測(cè)與準(zhǔn)確度評(píng)估
    4.1 數(shù)據(jù)預(yù)處理
    4.2 特征選擇
    4.3 預(yù)測(cè)模型訓(xùn)練與數(shù)據(jù)預(yù)測(cè)
        4.3.1 定義LSTM時(shí)間序列模型函數(shù)
        4.3.2 定義訓(xùn)練函數(shù)
        4.3.3 定義預(yù)測(cè)函數(shù)
    4.4 結(jié)果評(píng)估
第五章 展示系統(tǒng)與綜合分析
    5.1 展示系統(tǒng)
        5.1.1 開發(fā)環(huán)境
        5.1.2 系統(tǒng)架構(gòu)設(shè)計(jì)
        5.1.3 功能模塊設(shè)計(jì)
        5.1.4 系統(tǒng)數(shù)據(jù)結(jié)構(gòu)
        5.1.5 系統(tǒng)展示
    5.2 綜合分析
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間完成的科研成果
致謝



本文編號(hào)：3769427