發(fā)布時間：2021-11-08 19:22

　　我國社會經(jīng)濟(jì)快速發(fā)展,道路交通建設(shè)日漸完善,交通工具日益增多,隨之而來的交通事故問題也越來越嚴(yán)峻,其對人身安全、財產(chǎn)經(jīng)濟(jì)造成的危害和損失非常巨大。如何對交通事故合理分析,減少事故發(fā)生,對事故進(jìn)行及時預(yù)警,防患于未然已經(jīng)成為目前交通領(lǐng)域亟需解決的問題。本文以克拉瑪依市道路交通事故為研究對象,首先闡述了道路交通事故大數(shù)據(jù)生態(tài)建設(shè),通過數(shù)據(jù)共享提升數(shù)據(jù)價值。然后從人、車、路、環(huán)境等方面單因素分析了該市事故分布總體特征,并提出了從時間和空間的角度建立交通事故時空分析模型,得到道路交通事故多發(fā)時間段和事故多發(fā)路段。利用數(shù)據(jù)挖掘方法對事故成因進(jìn)行分析和對事故進(jìn)行預(yù)警是本文的重要研究內(nèi)容。道路交通事故的發(fā)生具有多因素性、隨機(jī)性和偶然性,文章從事故成因、事故嚴(yán)重程度兩個方面進(jìn)行了事故因素挖掘分析,其中事故嚴(yán)重程度按財產(chǎn)損失事故、受傷事故、死亡事故分類。運用關(guān)聯(lián)規(guī)則、決策樹、聚類等方法多角度、多層次地分析道路交通事故影響因素,構(gòu)建基于數(shù)據(jù)挖掘的道路交通事故分析體系,深入探究交通事故與多維事故因素之間的作用關(guān)系。最后應(yīng)用層次分析和模糊綜合評價相結(jié)合的方法建立道路交通事故預(yù)警指標(biāo)體系和事故預(yù)警模型,實現(xiàn)對道... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

中國石油大學(xué)（北京）碩士學(xué)位論文-7-第2章道路交通事故數(shù)據(jù)生態(tài)建設(shè)道路交通事故大數(shù)據(jù)生態(tài)建設(shè)，有助于解決信息孤島現(xiàn)象，通過數(shù)據(jù)視圖、頁面集成等方式共享數(shù)據(jù)，打破各個業(yè)務(wù)部門數(shù)據(jù)不能互通現(xiàn)象，為道路交通事故數(shù)據(jù)的分析挖掘提供數(shù)據(jù)支持。道路交通事故大數(shù)據(jù)生態(tài)建設(shè)包括業(yè)務(wù)分析、大數(shù)據(jù)平臺建立、元數(shù)據(jù)建設(shè)、數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理等內(nèi)容。2.1道路交通事故業(yè)務(wù)流與數(shù)據(jù)流本文研究城市是克拉瑪依市，該市交通事故數(shù)據(jù)來源有多種，分別有交通大數(shù)據(jù)平臺、紙質(zhì)事故信息登記書、12123事故快處軟件等，一般都是人工采集和人工錄入，最后將事故數(shù)據(jù)選擇性錄入六合一平臺。事故報警主要通過當(dāng)事人致電報警、110指揮中心推送警情以及監(jiān)控人員查看實時監(jiān)控確認(rèn)事故實情。如圖2.1所示詳細(xì)介紹了道路交通事故管理涉及到的業(yè)務(wù)、數(shù)據(jù)等。圖2.1道路交通事故管理業(yè)務(wù)流程圖Fig.2.1Businessflowchartofroadtrafficaccident本文對該市2007-2017年的事故數(shù)據(jù)展開研究，道路交通事故包括簡單事故、一般事故和重大事故，簡單事故的數(shù)據(jù)項較少，涉及的事故因素不全面，不利于

中國石油大學(xué)（北京）碩士學(xué)位論文-9-不規(guī)范，“事故地點”是很重要的一項，但是其描述不一，不能準(zhǔn)確獲得規(guī)范的事故地點，無法根據(jù)“事故地點”一項分析事故發(fā)生規(guī)律。2.2道路交通事故大數(shù)據(jù)平臺建立道路交通事故大數(shù)據(jù)平臺，有助于解決信息孤島現(xiàn)象，通過數(shù)據(jù)共享為大數(shù)據(jù)分析處理提供數(shù)據(jù)支持。大數(shù)據(jù)平臺架構(gòu)如圖2.2所示。圖2.2道路交通事故大數(shù)據(jù)架構(gòu)圖Fig.2.2Bigdataarchitectureofroadtrafficaccident數(shù)據(jù)源管理：對于大數(shù)據(jù)分析業(yè)務(wù)所涉及的所有數(shù)據(jù)，明確數(shù)據(jù)源、數(shù)據(jù)格式、數(shù)據(jù)訪問接口等。數(shù)據(jù)源管理是對數(shù)據(jù)源所在的服務(wù)器、數(shù)據(jù)庫、數(shù)據(jù)表等信息進(jìn)行管理，以便支持?jǐn)?shù)據(jù)采集。數(shù)據(jù)采集：傳統(tǒng)的關(guān)系型數(shù)據(jù)庫受限于數(shù)據(jù)量和數(shù)據(jù)種類，無法滿足海量數(shù)據(jù)的查詢和處理要求，因此需要將道路交通數(shù)據(jù)，如事故數(shù)據(jù)、視頻數(shù)據(jù)、卡口數(shù)據(jù)等，遷移到大數(shù)據(jù)平臺，為大數(shù)據(jù)分析、挖掘和應(yīng)用提供支持。本文采用Flume、Sqoop、Kafka等工具完成結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的導(dǎo)入，將海量的歷史數(shù)據(jù)存儲到HDFS中。元數(shù)據(jù)模型建立：道路交通事故大數(shù)據(jù)中心，首先是一個數(shù)據(jù)模型中心，為應(yīng)用程序提供對平臺中全部數(shù)據(jù)的一致訪問，使其不受數(shù)據(jù)來源、格式和位置的


本文編號：3484064