現(xiàn)有定位及通信技術(shù)的進(jìn)步,可精確記錄車(chē)輛的時(shí)空數(shù)據(jù)存儲(chǔ)于交通平臺(tái)中。這些交通數(shù)據(jù)中往往隱藏著重要的信息,利用聚類(lèi)技術(shù)對(duì)時(shí)空軌跡數(shù)據(jù)進(jìn)行處理,在無(wú)監(jiān)督的情況下得到軌跡的分類(lèi)和異常軌跡,并針對(duì)事故數(shù)據(jù)建立有效的道路交通安全預(yù)測(cè)模型,可為交通運(yùn)輸管理部門(mén)的車(chē)輛監(jiān)督和管理提供重要的決策依據(jù),從而達(dá)到輔助決策的作用。本文面向交通運(yùn)輸?shù)幕楣芾硇枨?研究道路安全行為的分析與預(yù)測(cè)方法,主要研究工作包括以下三個(gè)方面:(1)針對(duì)分布式交通數(shù)據(jù)存儲(chǔ)系統(tǒng),快速增長(zhǎng)的交通數(shù)據(jù)可能造成系統(tǒng)障礙堵塞或數(shù)據(jù)丟失,且原有交通數(shù)據(jù)存儲(chǔ)系統(tǒng)集群已經(jīng)配置了非面向?qū)ο蟠鎯?chǔ)的數(shù)據(jù)類(lèi)型等狀況,提出一種從數(shù)據(jù)存儲(chǔ)系統(tǒng)到對(duì)象存儲(chǔ)集群的透明訪問(wèn)方法,實(shí)現(xiàn)大數(shù)據(jù)文件系統(tǒng)與對(duì)象存儲(chǔ)服務(wù)的融合,提高交通大數(shù)據(jù)挖掘的效率和可靠性。(2)基于車(chē)輛的時(shí)空軌跡數(shù)據(jù),綜合考慮軌跡特征,研究具有時(shí)空特征的相似度軌跡聚類(lèi)與異常檢測(cè)方法。提出一種MBR-D圖形序列相似度度量算法,利用MBR算法劃分出子軌跡的最小外接矩形,通過(guò)DTW算法計(jì)算出子軌跡的時(shí)間序列外接值的最小相似距離矩陣作為軌跡聚類(lèi)的依據(jù),之后通過(guò)K-Means聚類(lèi)算法將相似的軌跡劃分得到多個(gè)簇集...

【文章來(lái)源】： 內(nèi)蒙古大學(xué)內(nèi)蒙古自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究?jī)?nèi)容
    1.3 論文結(jié)構(gòu)安排
第二章 相關(guān)研究工作
    2.1 數(shù)據(jù)存儲(chǔ)服務(wù)的研究現(xiàn)狀
    2.2 時(shí)空軌跡聚類(lèi)的研究現(xiàn)狀
    2.3 交通安全預(yù)測(cè)研究現(xiàn)狀
第三章 數(shù)據(jù)存儲(chǔ)服務(wù)
    3.1 相關(guān)理論基礎(chǔ)
        3.1.1 Ceph分布式存儲(chǔ)系統(tǒng)
        3.1.2 Ceph基礎(chǔ)組件
        3.1.3 Ceph核心組件
    3.2 對(duì)象存儲(chǔ)集群的透明訪問(wèn)
    3.3 數(shù)據(jù)訪問(wèn)的基本功能
    3.4 本章小結(jié)
第四章 基于時(shí)空軌跡的聚類(lèi)分析
    4.1 相關(guān)理論基礎(chǔ)
        4.1.1 聚類(lèi)的分類(lèi)
        4.1.2 基于K-Means聚類(lèi)算法
        4.1.3 相似度度量算法
    4.2 數(shù)據(jù)獲取過(guò)程
    4.3 基于MBR-D圖形序列軌跡相似度算法
        4.3.1 相關(guān)定義
        4.3.2 圖形序列軌跡相似度算法流程
    4.4 基于時(shí)空軌跡的K-Means聚類(lèi)算法
    4.5 異常軌跡識(shí)別
    4.6 實(shí)驗(yàn)與分析
        4.6.1 軌跡聚類(lèi)實(shí)驗(yàn)結(jié)果
        4.6.2 異常軌跡識(shí)別實(shí)驗(yàn)結(jié)果
    4.7 本章小結(jié)
第五章 基于機(jī)器學(xué)習(xí)的交通安全預(yù)測(cè)研究
    5.1 相關(guān)理論基礎(chǔ)
        5.1.1 SVM支持向量機(jī)
        5.1.2 BP神經(jīng)網(wǎng)絡(luò)
        5.1.3 隨機(jī)森林
    5.2 交通安全特征影響因子選擇
    5.3 基于機(jī)器學(xué)習(xí)的交通安全預(yù)測(cè)模型
        5.3.1 基于多分類(lèi)SVM的交通安全預(yù)測(cè)模型
        5.3.2 基于BP神經(jīng)網(wǎng)絡(luò)的交通安全預(yù)測(cè)模型
        5.3.3 基于隨機(jī)森林的交通安全預(yù)測(cè)模型
    5.4 實(shí)驗(yàn)與分析
        5.4.1 預(yù)測(cè)模型準(zhǔn)確分析
        5.4.2 特征因素重要性分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄
致謝
攻讀碩士期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于類(lèi)別隨機(jī)化的隨機(jī)森林算法 [J]. 關(guān)曉薔,龐繼芳,梁吉業(yè).  計(jì)算機(jī)科學(xué). 2019(02)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的異常軌跡檢測(cè)方法 [J]. 俞慶英,李倩,陳傳明,林文詩(shī).  計(jì)算機(jī)工程. 2019(07)
[3]行為軌跡時(shí)空聚類(lèi)與分析 [J]. 秦昆,王玉龍,趙鵬祥,徐雯婷,徐源泉.  自然雜志. 2018(03)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的數(shù)字識(shí)別 [J]. 代賀,陳洪密,李志申.  貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[5]國(guó)務(wù)院安委會(huì)印發(fā)《道路交通安全“十三五”規(guī)劃》 [J].   中國(guó)應(yīng)急管理. 2017(09)
[6]基于Hadoop平臺(tái)的K-means聚類(lèi)算法優(yōu)化研究 [J]. 盧勝宇,王靜宇,張曉琳,高俊峰.  內(nèi)蒙古科技大學(xué)學(xué)報(bào). 2016(03)
[7]大數(shù)據(jù)聚類(lèi)算法綜述 [J]. 海沫.  計(jì)算機(jī)科學(xué). 2016(S1)
[8]一種支持軌跡大數(shù)據(jù)潛在語(yǔ)義相關(guān)性挖掘的譜聚類(lèi)方法 [J]. 廖律超,蔣新華,鄒復(fù)民,賀文武,邱淮.  電子學(xué)報(bào). 2015(05)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的道路交通安全預(yù)測(cè)模型研究 [J]. 安杰,董龍洋.  公路與汽運(yùn). 2014(03)
[10]Linux下NFS(網(wǎng)絡(luò)文件系統(tǒng))的建立與配置方法 [J]. 瑛宣.  計(jì)算機(jī)與網(wǎng)絡(luò). 2013(21)

博士論文
[1]基于公安交通管理大數(shù)據(jù)的道路交通安全決策支持關(guān)鍵技術(shù)研究[D]. 陶剛.長(zhǎng)安大學(xué). 2016
[2]基于MapReduce的移動(dòng)軌跡大數(shù)據(jù)挖掘方法與應(yīng)用研究[D]. 夏大文.西南大學(xué). 2016
[3]智能交通系統(tǒng)中的時(shí)空數(shù)據(jù)分析關(guān)鍵技術(shù)研究[D]. 夏英.西南交通大學(xué). 2012
[4]路網(wǎng)交通事故動(dòng)態(tài)分析及預(yù)警方法研究[D]. 代磊磊.哈爾濱工業(yè)大學(xué). 2010
[5]城市道路交通事故與交通沖突技術(shù)理論模型及方法研究[D]. 成衛(wèi).吉林大學(xué). 2004

碩士論文
[1]基于貝葉斯網(wǎng)絡(luò)的高速公路交通事故嚴(yán)重程度預(yù)測(cè)研究[D]. 童璐璐.北京交通大學(xué). 2018
[2]城市交通文明建設(shè)的法制現(xiàn)狀及反思[D]. 張帥.東南大學(xué). 2017
[3]基于OpenStack的高可用云平臺(tái)的研究與設(shè)計(jì)[D]. 羅兵.西南石油大學(xué). 2017
[4]基于Ceph分布式存儲(chǔ)系統(tǒng)的安全訪問(wèn)控制設(shè)計(jì)和實(shí)現(xiàn)[D]. 凌升杭.東南大學(xué). 2016
[5]面向海量軌跡數(shù)據(jù)的聚類(lèi)算法研究[D]. 陳艷君.北京交通大學(xué). 2015
[6]基于MapReduce的海量數(shù)據(jù)K-means聚類(lèi)算法研究[D]. 崔曉麗.大連理工大學(xué). 2014
[7]Ceph分布式文件系統(tǒng)的研究及性能測(cè)試[D]. 李翔.西安電子科技大學(xué). 2014
[8]某集團(tuán)SAP系統(tǒng)基礎(chǔ)架構(gòu)分析與設(shè)計(jì)[D]. 劉占忠.北京郵電大學(xué). 2011
[9]Coda分布式文件系統(tǒng)的缺陷及改進(jìn)[D]. 郭二目.大連理工大學(xué). 2005



本文編號(hào)：3544238