隨著城市化的快速發(fā)展和道路機動化進程的實現(xiàn),人民群眾的生活變得更加便捷。與此同時,機動車的大量使用也造成了交通擁堵、空氣污染和交通事故等一系列社會問題,給政府的交通管制造成巨大的壓力。其中,頻繁發(fā)生的交通事故給人們的安全和社會財產(chǎn)都帶來了巨大的損失。交通事故風險預測的結(jié)果可以幫助城市管理者合理地調(diào)配警力來舒緩交通壓力,避免交通事故的發(fā)生,也可以為行人的出行提供安全性指導。因此,研究城市區(qū)域在未來一段時間的交通事故風險具有重要的現(xiàn)實意義和很高的社會價值。傳感器的大量普及和數(shù)據(jù)收集的工作廣泛應用,使得人們可以獲取大量與交通事故有關的多源異構數(shù)據(jù)。人們不再僅僅挖掘交通事故本身或者流量監(jiān)控數(shù)據(jù)的影響,而可以更加全面地研究交通事故風險。本文通過對多源異構數(shù)據(jù)進行預處理,借助機器學習和深度學習的模型,以達到實現(xiàn)精確而有效地預測城市區(qū)域交通事故風險的目的。論文的主要工作如下:1.多源異構數(shù)據(jù)集的分析和預處理。首先,分析了與交通事故相關的一系列多源異構數(shù)據(jù)集對交通事故的影響,包括交通事故數(shù)據(jù)、不同車輛的出行數(shù)據(jù)、天氣數(shù)據(jù)、道路設計數(shù)據(jù)和興趣點數(shù)據(jù)等。然后,根據(jù)各個數(shù)據(jù)集的時空特性,對數(shù)據(jù)進行了相應的預處...

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 論文研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 交通事故研究現(xiàn)狀
        1.2.2 深度學習研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文組織結(jié)構
    1.5 本章小結(jié)
第2章 相關知識介紹
    2.1 循環(huán)神經(jīng)網(wǎng)絡
        2.1.1 經(jīng)典的循環(huán)神經(jīng)網(wǎng)絡
        2.1.2 長短期記憶網(wǎng)絡
        2.1.3 門控神經(jīng)網(wǎng)絡
    2.2 編碼器-解碼器與注意力機制
        2.2.1 編碼器-解碼器架構
        2.2.2 帶注意力機制的編碼器-解碼器
        2.2.3 全局注意力機制
        2.2.4 局部注意力機制
    2.3 本章小結(jié)
第3章 問題定義和數(shù)據(jù)預處理
    3.1 交通事故風險的相關定義
    3.2 交通事故相關數(shù)據(jù)集介紹
        3.2.1 交通事故數(shù)據(jù)
        3.2.2 出租車區(qū)域劃分數(shù)據(jù)
        3.2.3 機動車出行數(shù)據(jù)
        3.2.4 自行車出行數(shù)據(jù)
        3.2.5 天氣數(shù)據(jù)
        3.2.6 道路設計數(shù)據(jù)
        3.2.7 興趣點數(shù)據(jù)
    3.3 數(shù)據(jù)預處理
        3.3.1 數(shù)據(jù)的時空對應
        3.3.2 外部環(huán)境特征抽取
        3.3.3 數(shù)據(jù)歸一化
    3.4 數(shù)據(jù)預處理基本流程
    3.5 本章小結(jié)
第4章 基于深度時空注意力機制的城市交通事故風險預測模型
    4.1 TA-STAN模型設計
        4.1.1 空間注意力機制的設計
        4.1.2 時間注意力機制的設計
        4.1.3 外部環(huán)境特征融合模塊
        4.1.4 基于深度時空注意力機制的交通事故風險預測模型
    4.2 實驗設計和實驗結(jié)果
        4.2.1 實驗設置
        4.2.2 超參數(shù)調(diào)優(yōu)實驗
        4.2.3 與傳統(tǒng)機器學習模型對比實驗
        4.2.4 TA-STAN的組件效果測評實驗
        4.2.5 注意力函數(shù)實驗
        4.2.6 案例分析
    4.3 本章小結(jié)
結(jié)論與展望
    本文工作總結(jié)
    未來工作展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的論文及科研成果



本文編號：4027431