基于贝叶斯网络城市道路交通事故成因分析
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 国内外研究现状评述 | 第13页 |
| 1.3 本文结构与内容安排 | 第13-14页 |
| 2 道路交通事故成因主要分析工具简介 | 第14-19页 |
| 2.1 Logistic回归 | 第14-15页 |
| 2.2 贝叶斯网络 | 第15-18页 |
| 2.2.1 贝叶斯网络简介 | 第15-17页 |
| 2.2.2 贝叶斯网络构建和优势 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 道路交通事故成因可视化分析 | 第19-33页 |
| 3.1 数据来源和预处理 | 第19-20页 |
| 3.1.1 数据来源与融合 | 第19页 |
| 3.1.2 变量提取和生成 | 第19页 |
| 3.1.3 变量重新编码 | 第19-20页 |
| 3.2 事故成因可视化分析 | 第20-33页 |
| 3.2.1 事故类型分析 | 第20-22页 |
| 3.2.2 年龄和驾龄分析 | 第22-23页 |
| 3.2.3 汽车品牌分析 | 第23-24页 |
| 3.2.4 事故时间分析 | 第24-27页 |
| 3.2.5 事故地点分析 | 第27-33页 |
| 3.3 本章小结 | 第33页 |
| 4 道路交通事故成因建模分析 | 第33-43页 |
| 4.1 多分类logistic回归模型 | 第33-37页 |
| 4.2 贝叶斯网络模型 | 第37-43页 |
| 4.2.1 特征选择 | 第37-39页 |
| 4.2.2 贝叶斯网络结构学习 | 第39-40页 |
| 4.2.3 贝叶斯网络参数学习 | 第40-42页 |
| 4.2.4 贝叶斯网络有效性验证 | 第42-43页 |
| 4.3 本章小结 | 第43页 |
| 5 结论与建议 | 第43-48页 |
| 5.1 结论 | 第43-44页 |
| 5.2 建议 | 第44-48页 |
| 5.2.1 宏观层面建议 | 第45-46页 |
| 5.2.2 微观层面建议 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-55页 |
| 致谢 | 第55页 |
