基于数据驱动的重点驾驶人识别方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 研究背景 | 第9-17页 |
| 1.1 道路交通安全形势 | 第9页 |
| 1.2 重点驾驶人的定义 | 第9-10页 |
| 1.3 当前重点驾驶人主要管理措施 | 第10页 |
| 1.4 重点驾驶人管理存在的问题 | 第10-12页 |
| 1.5 大数据技术的机遇 | 第12-13页 |
| 1.6 研究目的与意义 | 第13-14页 |
| 1.6.1 研究目的 | 第13页 |
| 1.6.2 研究意义 | 第13-14页 |
| 1.7 研究内容与技术路线 | 第14-15页 |
| 1.7.1 研究内容 | 第14页 |
| 1.7.2 技术路线 | 第14-15页 |
| 1.8 章节安排 | 第15-17页 |
| 第2章 交通管理数据分析研究现状 | 第17-24页 |
| 2.1 交通管理数据分析的研究情况 | 第17-19页 |
| 2.2 数据分析技术的研究情况 | 第19-20页 |
| 2.3 交通管理业务信息化历程 | 第20-22页 |
| 2.4 交通管理业务系统现状 | 第22-24页 |
| 第3章 数据及分析平台 | 第24-28页 |
| 3.1 交通管理信息的规范化情况 | 第24页 |
| 3.2 交通管理信息的内容 | 第24-26页 |
| 3.3 数据准备 | 第26-27页 |
| 3.4 支撑软硬件平台 | 第27-28页 |
| 第4章 事故关联因素分析 | 第28-50页 |
| 4.1 数据分析过程 | 第28-29页 |
| 4.2 分析方法 | 第29-30页 |
| 4.3 描述性统计分析 | 第30-32页 |
| 4.4 事故驾驶人基本特征 | 第32-38页 |
| 4.4.1 准驾车型 | 第32-34页 |
| 4.4.2 驾龄 | 第34-36页 |
| 4.4.3 年龄 | 第36-37页 |
| 4.4.4 性别 | 第37页 |
| 4.4.5 文化程度 | 第37-38页 |
| 4.5 事故车辆基本特征 | 第38-43页 |
| 4.5.1 车辆类型 | 第38-40页 |
| 4.5.2 车龄 | 第40-41页 |
| 4.5.3 车辆产地 | 第41-42页 |
| 4.5.4 使用性质 | 第42-43页 |
| 4.6 事故驾驶人交通违法行为特征 | 第43-48页 |
| 4.6.1 交通违法行为次数 | 第43-44页 |
| 4.6.2 违法行为时段和道路 | 第44-45页 |
| 4.6.3 现场违法行为 | 第45-47页 |
| 4.6.4 非现场违法行为 | 第47-48页 |
| 4.7 重点驾驶人分析总结 | 第48-50页 |
| 第5章 基于SVM的重点驾驶人识别 | 第50-65页 |
| 5.1 数据挖掘流程 | 第50-51页 |
| 5.2 分类及SVM算法 | 第51-52页 |
| 5.3 模型训练和评估数据 | 第52-55页 |
| 5.4 模型选择和算法比较 | 第55-59页 |
| 5.5 识别重点驾驶人的模型评估 | 第59-60页 |
| 5.6 分析模型改进和应用 | 第60-62页 |
| 5.7 识别方法总结 | 第62-65页 |
| 第6章 重点驾驶人事故相关性分析模块研究 | 第65-72页 |
| 6.1 重点驾驶人管理系统现状 | 第65页 |
| 6.2 对信息系统的改进意义 | 第65-67页 |
| 6.3 基于数据驱动的系统设计 | 第67-72页 |
| 第7章 研究结论 | 第72-74页 |
| 7.1 研究结论和建议 | 第72-73页 |
| 7.2 本研究的局限性 | 第73页 |
| 7.3 展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-78页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第78页 |
