基于大数据的隧道交通事故因素分析研究
近年来，我国公路隧道越修越长，但是当大量隧道修建完成，加速提高国民经济的同时，隧道交通的安全问题也越来越明显。因此，本文对如何能够有效地防范隧道交通事故的发生以及在保证交通安全的同时，能够对隧道内限速和灯光进行智能控制方面提供了理论依据。 本文针对影响隧道交通事故因素，即分析中提取的特征包括驾龄、天气、不同时间段、隧道照明亮度、隧道道路负荷度、隧道路段以及事故等级等，提出了一种基于FP-Growth算法改进的WTFP-Growth算法。首先，对事务与项赋予权重，以便能够有效地挖掘出隐藏的，更有意义的关联规则。其次，利用二维表用保存事务数据库中关键信息，该方法只要遍历事务数据库一次，提高了算法的时间效率。并利用改进后的WTFP-Growth算法挖掘关联规则，通过挖掘采集的数据，找出导致隧道交通事故的频繁因素组合，分析结果找出决策规则。在这些规则上继续分析，能够有效地防范隧道交通事故的发生以及在保证安全的前提下对隧道的限速的调整提出一些决策，提高隧道的最大通行能力，同时也可以在保证安全的前提下实现隧道内灯光的智能调整提出一些决策，从而实现节能的目标。
关联规则;FP-Growth算法;隧道交通事故;道路负荷度
上海应用技术大学
硕士
安全工程
刘云翔;刘亚飞
2019
中文
U458
2021-11-15（万方平台首次上网日期，不代表论文的发表时间）