【摘要】：隨著智慧城市建設(shè)的高速推進,包括交通、環(huán)境、治安等方面在內(nèi)的諸多安全問題逐漸暴露出來,準確評估城市安全態(tài)勢是保障居民出行安全的關(guān)鍵�，F(xiàn)有的單一領(lǐng)域靜態(tài)安全評價方法難以應對復雜多變的出行安全問題,因此,本文提出一種基于多源數(shù)據(jù)的城市居民出行安全評價方法,旨在通過對多領(lǐng)域數(shù)據(jù)進行融合、分析和挖掘,全面、準確、動態(tài)地感知城市安全狀況。本文的研究內(nèi)容包括出行安全評價特征體系和出行安全時空評價模型兩部分,主要完成以下工作:出行安全評價特征體系方面,傳統(tǒng)的特征選擇方法過分依賴于人的主觀評定,缺乏對于特征相關(guān)性的考量;而由多源數(shù)據(jù)提取的高維特征集合中不乏無關(guān)特征和冗余特征,進而影響模型分類性能。因此本文提出一種基于多核學習的特征選擇方法,以樣本加權(quán)的方式學習權(quán)重系數(shù),從而得到最優(yōu)特征組合。出行安全評價模型方面,現(xiàn)有研究大多關(guān)注相關(guān)特征與出行安全之間的映射關(guān)系而忽略了出行安全的時空傳播特性�？紤]同一區(qū)域安全指數(shù)的時序相關(guān)性以及鄰近區(qū)域安全指數(shù)的空間相關(guān)性,本文提出一種基于條件隨機場和改進BP神經(jīng)網(wǎng)絡的時空域評價模型。首先,根據(jù)時間類特征的馬爾科夫特性,利用條件隨機場理論構(gòu)建時間域評價模型以模擬安全指數(shù)的時序相關(guān)性;然后,考慮空間維度中不同柵格之間的特征相關(guān)性和地理位置鄰近性與安全指數(shù)之間復雜的非線性映射關(guān)系,利用改進的BP神經(jīng)網(wǎng)絡構(gòu)建空間域評價模型以模擬安全指數(shù)的空間相關(guān)性。在模型訓練階段,考慮訓練樣本數(shù)據(jù)稀疏性問題,采用基于協(xié)同訓練的半監(jiān)督學習方法以提升模型性能。在模型預測階段,兩個評價模型獨立進行分類預測,再以動態(tài)聚合的方式得到最終的評價結(jié)果。實驗表明該方法分類預測精確率達82.3%,召回率達70.4%,模型性能優(yōu)于其他幾種常用的分類算法。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：D631.4;TP18
【圖文】：

重慶郵電大學碩士學位論文 第 2 章 相關(guān)技術(shù)綜述連接、切換、IMSI 附著與分離 5 類。本文所使用的用戶手機信令數(shù)據(jù)集來自運營商，數(shù)據(jù)記錄了用戶的上網(wǎng)位置數(shù)據(jù)，包括日期、IMEI 及每隔一小時的經(jīng)緯度，時間跨度為 2016.03.01-2016.03.17，字段說明如表 2.1 所示，數(shù)據(jù)樣例如圖 2.1 所示。

圖 2.2 出租車軌跡數(shù)據(jù)樣例3. 道路事故數(shù)據(jù)道路交通狀況是出行安全評價中十分重要的因素。道路安全事故的發(fā)生較強的突發(fā)性和隨機性，但仍在時間和空間維度上表現(xiàn)出較為明顯的規(guī)，因此歷史交通事故數(shù)據(jù)對于道路安全狀況的評估有著非常重要的意義使用的道路事故數(shù)據(jù)集來自上海市公安局，數(shù)據(jù)記載了道路事故基本信事故編號、類型、地點、時間，時間跨度為 2015.10.01 5:40:00-20160:00。字段說明如表 2.3 所示，數(shù)據(jù)樣例如圖 2.3 所示。表 2.3 道路事故數(shù)據(jù)字段說明字段名稱 字段說明 示例事故編號 — 3101044201500061事故類型 — 一般事故地點 — 興虹路申濱路東約 200 米事故時間 記錄到年月日時分秒 2015-7-6 6:39:00

道路事故數(shù)據(jù)交通狀況是出行安全評價中十分重要的因素。道路安全事故的的突發(fā)性和隨機性，但仍在時間和空間維度上表現(xiàn)出較為明顯此歷史交通事故數(shù)據(jù)對于道路安全狀況的評估有著非常重要的的道路事故數(shù)據(jù)集來自上海市公安局，數(shù)據(jù)記載了道路事故基故編號、類型、地點、時間，時間跨度為 2015.10.01 5:40:00-20。字段說明如表 2.3 所示，數(shù)據(jù)樣例如圖 2.3 所示。表 2.3 道路事故數(shù)據(jù)字段說明字段名稱 字段說明 示例事故編號 — 3101044201500061事故類型 — 一般事故地點 — 興虹路申濱路東約 200 米事故時間 記錄到年月日時分秒 2015-7-6 6:39:00

【參考文獻】

相關(guān)期刊論文 前10條

1 鄭宇;;城市計算概述[J];武漢大學學報(信息科學版);2015年01期

2 楊麗娜;邵靜;彭玲;池天河;姚曉婧;;面向智慧城市數(shù)據(jù)管理和多維決策的時空數(shù)據(jù)倉庫建設(shè)[J];測繪科學;2014年08期

3 周志華;;基于分歧的半監(jiān)督學習[J];自動化學報;2013年11期

4 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學學報;2011年01期

5 馬社強;邵春福;左忠義;馬壯林;;基于主成分和聚類分析的區(qū)域道路交通安全綜合評價[J];武漢理工大學學報(交通科學與工程版);2010年06期

6 汪洪橋;孫富春;蔡艷寧;陳寧;丁林閣;;多核學習方法[J];自動化學報;2010年08期

7 王琰;郭忠印;;基于模糊邏輯理論的道路交通安全評價方法[J];同濟大學學報(自然科學版);2008年01期

8 張文峰;史忠科;;主成分分析法在城市道路交通安全評價中的應用[J];計算機工程與應用;2007年36期

9 郭應時;袁偉;付銳;;道路交通安全評價指標特性分析[J];公路交通科技;2006年05期

10 楊天軍,張曉春,楊曉光,潘漢中;基于BP神經(jīng)網(wǎng)絡的城市道路交通安全評價研究[J];中國礦業(yè)大學學報;2005年01期

相關(guān)博士學位論文 前2條

1 毛峰;基于多源軌跡數(shù)據(jù)挖掘的居民通勤行為與城市職住空間特征研究[D];華東師范大學;2015年

2 趙新勇;基于多源異構(gòu)數(shù)據(jù)的高速公路交通安全評估方法[D];哈爾濱工業(yè)大學;2013年

相關(guān)碩士學位論文 前6條

1 岳夢雪;多源軌跡數(shù)據(jù)時空聚類及居民出行模式分析[D];武漢大學;2017年

2 江慧娟;基于多源時空數(shù)據(jù)的城市社區(qū)宜居性動態(tài)評價方法研究[D];武漢大學;2017年

3 金玲;城市多源異構(gòu)關(guān)聯(lián)型時空數(shù)據(jù)的可視分析[D];浙江大學;2016年

4 魏琳娜;城市道路交叉口安全預警研究[D];北京交通大學;2012年

5 孫偉;城市道路交通安全評價指標體系研究[D];南京林業(yè)大學;2007年

6 張巍;基于BP人工神經(jīng)網(wǎng)絡的道路安全評價研究[D];長安大學;2006年

本文編號：2756480