考虑不同时间交通流特征的高速公路实时事故风险分析与预测研究

目录

声明

致谢

1 绪论

1.1 研究背景与意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状综述

1.2.1 基于交通流动态特征的高速公路实时事故风险评估

1.2.2 道路交通实时事故风险预测模型研究综述

1.2.3 研究现状评述

1.3 研究内容与技术路线

1.3.1 研究目标与研究内容

1.3.2 论文组织结构

1.3.3 技术路线

2 高速公路交通事故特征分析

2.1 相关研究数据背景

2.2 研究数据的采集与获取

2.2.1 研究区域

2.2.2 高速公路交通事故数据

2.2.3 高速公路交通流数据

2.3 不同时间条件下高速公路交通流分布特征

2.3.1 占有率时间分布特征

2.3.2 流量时间分布特征

2.3.3 速度时间分布特征

2.3.4 本文研究的时间划分依据

2.4 不同时间条件下高速公路交通事故特征分析

2.4.1 交通事故数量的小时分布特征

2.4.2 交通事故涉及车辆数的分布特征

2.4.3 交通事故严重程度的分布特征

2.4.4 工作日和休息日交通事故特征的对比分析

2.5 本章小结

3 样本结构设计与宏观交通流状态划分

3.1 基于配对病例-对照法的样本数据选取与数据匹配

3.1.1 配对病例-对照法原理和应用思路

3.1.2 病例与对照数据选取

3.1.3 数据匹配

3.2 宏观交通流状态划分

3.2.1 六级服务水平理论概述

3.2.2 交通流状态划分

3.2.3 不同交通流状态下的高速公路交通事故特征分析

3.3 本章小结

4 不同时间条件下高速公路交通事故征兆交通流变量识别

4.1 模型参数选择

4.1.1 交通流待选变量选取

4.1.2 数据归一化处理

4.2 基于随机森林算法的交通流变量重要度评价

4.2.1 随机森林算法原理

4.2.2 随机森林算法变量筛选评价指标

4.3 高速公路事故征兆交通流变量识别与分析

4.3.1 不同时间条件下高速公路事故征兆交通流变量提取

4.3.2 工作日不同交通流状态下高速公路事故征兆交通流变量提取

4.3.3 休息日不同交通流状态下高速公路事故征兆交通流变量提取

4.4 本章小结

5 不同时间条件下高速公路实时交通事故风险预测

5.1 支持向量机基础理论

5.1.1 线性分类

5.1.2 非线性分类

5.1.3 核函数

5.2 基于SVM的高速公路实时交通事故风险预测模型构建

5.2.1 核函数的选择

5.2.2 网格搜索法

5.2.3 基于SVM的高速公路实时事故风险预测模型构建步骤

5.3 模型预测精度评价指标

5.4 高速公路实时交通事故风险预测模型实例分析

5.4.1 模型训练

5.4.2 结果分析与讨论

5.4.3 重要变量筛选的合理性分析

5.5 本章小结

6 结论与展望

6.1 主要研究结论

6.2 研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集