| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外文献综述 | 第11-14页 |
| 1.2.1 道路交通安全的影响因素研究 | 第11-12页 |
| 1.2.2 超速行为和交通安全的相互关系 | 第12-13页 |
| 1.2.3 机器学习法在交通安全领域的应用 | 第13-14页 |
| 1.2.4 交通安全风险评价 | 第14页 |
| 1.3 国内外研究成果评述 | 第14-15页 |
| 1.4 研究目的及内容 | 第15-16页 |
| 1.4.1 研究目的 | 第15页 |
| 1.4.2 主要研究内容 | 第15-16页 |
| 1.5 论文结构安排与技术路线 | 第16-19页 |
| 1.5.1 结构安排 | 第16-17页 |
| 1.5.2 技术路线 | 第17-19页 |
| 1.6 本章小结 | 第19-20页 |
| 第二章 数据介绍与超速行驶行为分析 | 第20-38页 |
| 2.1 道路交通安全风险与交通违法 | 第20-24页 |
| 2.1.1 道路交通安全风险的定义 | 第20-22页 |
| 2.1.2 风险分析与事故分析不同点比较 | 第22页 |
| 2.1.3 电子执法环境下交通违法行为分析 | 第22-24页 |
| 2.2 多源数据采集与数据预处理 | 第24-30页 |
| 2.2.1 数据采集 | 第24-27页 |
| 2.2.2 数据预处理 | 第27-30页 |
| 2.3 吴江区交通违法分析与超速行为筛选 | 第30-31页 |
| 2.4 驾驶人、道路、降雨、时间属性对超速事件的影响分析 | 第31-37页 |
| 2.4.1 驾驶人对超速车辆速度的影响分析 | 第31-32页 |
| 2.4.2 降雨因素的影响分析 | 第32-35页 |
| 2.4.3 道路因素的影响分析 | 第35-36页 |
| 2.4.4 时间属性的影响分析 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于小波神经网络的超速事件时间序列预测 | 第38-56页 |
| 3.1 小波神经网络理论基础 | 第38-44页 |
| 3.1.1 小波变换的基本原理 | 第38-40页 |
| 3.1.2 神经网络基本组成 | 第40-42页 |
| 3.1.3 误差逆向传播算法（BP算法） | 第42-44页 |
| 3.2 小波BP神经网络预测模型 | 第44-47页 |
| 3.2.1 小波BP神经网络模型结构 | 第44-45页 |
| 3.2.2 小波BP神经网络模型基本算法 | 第45-47页 |
| 3.3 基于小波神经网络的吴江区超速行驶事件预测 | 第47-53页 |
| 3.3.1 吴江区超速行驶行为时间分布规律 | 第48页 |
| 3.3.2 预测模型建立 | 第48-49页 |
| 3.3.3 评价指标的选择 | 第49-50页 |
| 3.3.4 预测结果分析 | 第50-53页 |
| 3.4 本章小结 | 第53-56页 |
| 第四章 基于ArcGIS的超速事件“黑点”判别 | 第56-78页 |
| 4.1 传统的事件“黑点”判别方法 | 第56-57页 |
| 4.1.1 事件频率法 | 第56页 |
| 4.1.2 事件率法 | 第56-57页 |
| 4.2 时空模式挖掘分析的基本原理 | 第57-65页 |
| 4.2.1 时空立方体模型概念及数据结构 | 第57-59页 |
| 4.2.2 时空热点分析理论基础与分析方法 | 第59-64页 |
| 4.2.3 时空立方体的空间尺度选择 | 第64-65页 |
| 4.3 吴江区超速行驶行为时空特性分析 | 第65-75页 |
| 4.3.1 吴江区超速事件频率分析 | 第65-68页 |
| 4.3.2 时空立方体的建立 | 第68-70页 |
| 4.3.3 超速行驶事件“黑点”判别 | 第70-75页 |
| 4.4 本章小结 | 第75-78页 |
| 第五章 超速行驶的交通安全风险管控方法 | 第78-88页 |
| 5.1 超速行驶的交通安全风险管控基本流程 | 第78-85页 |
| 5.1.1 超速行驶行为统计分析 | 第78-79页 |
| 5.1.2 超速行驶行为高发时段预测 | 第79-81页 |
| 5.1.3 超速行驶行为高发点位挖掘 | 第81-82页 |
| 5.1.4 超速行驶风险概率计算 | 第82-83页 |
| 5.1.5 超速行驶交通安全风险控制措施 | 第83-85页 |
| 5.2 基于其他交通违法行为的管控方法适用性分析 | 第85-87页 |
| 5.3 本章小结 | 第87-88页 |
| 第六章 总结与展望 | 第88-90页 |
| 6.1 主要研究成果 | 第88页 |
| 6.2 研究展望 | 第88-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 作者简介 | 第96-97页 |
| 附录A | 第97-98页 |
| 附录B | 第98-99页 |
| 附录C | 第99-103页 |
| 附录D | 第103-115页 |