| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 概述 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 公路隧道交通事故统计研究现状 | 第10-11页 |
| 1.2.2 公路隧道交通事故预测研究现状 | 第11-12页 |
| 1.3 主要研究内容及意义 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 研究意义 | 第12-13页 |
| 1.3.3 技术路线图 | 第13-14页 |
| 第二章 高速公路隧道交通事故影响因素分析 | 第14-26页 |
| 2.1 概述 | 第14-15页 |
| 2.2 隧道线形 | 第15-18页 |
| 2.2.1 隧道平面线形 | 第15-16页 |
| 2.2.2 隧道纵断面线形 | 第16-18页 |
| 2.2.3 平纵组合线形 | 第18页 |
| 2.3 路面状况 | 第18-19页 |
| 2.4 交通条件 | 第19-24页 |
| 2.4.1 交通量 | 第19-21页 |
| 2.4.2 车速 | 第21-24页 |
| 2.4.3 交通组成 | 第24页 |
| 2.5 交通安全设施 | 第24-25页 |
| 2.6 环境因素 | 第25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 基于概率修正的高速公路隧道交通事故统计分析 | 第26-41页 |
| 3.1 公路隧道交通事故时间分布 | 第27-32页 |
| 3.1.1 公路隧道交通事故月份分布 | 第27-28页 |
| 3.1.2 公路隧道交通事故季节分布 | 第28-29页 |
| 3.1.3 公路隧道交通事故周日分布 | 第29页 |
| 3.1.4 公路隧道交通事故逐时分布 | 第29-31页 |
| 3.1.5 公路隧道交通事故节假日分布 | 第31-32页 |
| 3.2 公路隧道交通事故空间分布 | 第32-36页 |
| 3.2.1 公路隧道交通事故区段分布 | 第32-34页 |
| 3.2.2 公路隧道交通事故平面线形分布 | 第34-35页 |
| 3.2.3 公路隧道交通事故纵断面分布 | 第35-36页 |
| 3.3 公路隧道交通事故天气分布 | 第36-38页 |
| 3.4 公路隧道交通事故车型分布 | 第38页 |
| 3.5 公路隧道交通事故形态分布 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 公路隧道交通事故预测方法研究 | 第41-59页 |
| 4.1 交通事故数据特征 | 第41-42页 |
| 4.2 统计回归预测模型 | 第42-45页 |
| 4.2.1 泊松回归模型 | 第42-43页 |
| 4.2.2 负二项回归模型 | 第43-44页 |
| 4.2.3 零堆积回归模型 | 第44-45页 |
| 4.2.4 统计回归模型综述 | 第45页 |
| 4.3 朴素贝叶斯算法 | 第45-47页 |
| 4.3.1 贝叶斯公式 | 第45-46页 |
| 4.3.2 朴素贝叶斯模型 | 第46-47页 |
| 4.3.3 朴素贝叶斯算法优缺点分析 | 第47页 |
| 4.4 BP神经网络 | 第47-52页 |
| 4.4.1 BP神经网络算法简介 | 第47-50页 |
| 4.4.2 BP神经网络学习过程 | 第50-51页 |
| 4.4.3 BP神经网络优缺点分析 | 第51-52页 |
| 4.5 随机森林模型(Random Forest) | 第52-54页 |
| 4.5.1 决策树 | 第52-53页 |
| 4.5.2 随机森林模型的构建 | 第53-54页 |
| 4.5.3 随机森林优缺点分析 | 第54页 |
| 4.6 支持向量机模型(Support Vector Machine) | 第54-57页 |
| 4.6.1 支持向量机基本概念 | 第55-56页 |
| 4.6.2 SVM的不足 | 第56-57页 |
| 4.7 各个模型的适应性 | 第57页 |
| 4.8 本章小结 | 第57-59页 |
| 第五章 高速公路隧道交通事故预测 | 第59-81页 |
| 5.1 高速公路隧道交通事故形态预测 | 第60-65页 |
| 5.1.1 相关性分析及自变量筛选 | 第61-62页 |
| 5.1.2 建立事故形态预测模型 | 第62-64页 |
| 5.1.3 模型比选 | 第64-65页 |
| 5.2 高速公路隧道交通事故严重程度预测模型 | 第65-68页 |
| 5.2.1 变量筛选 | 第65-66页 |
| 5.2.2 建立事故严重程度预测模型 | 第66-67页 |
| 5.2.3 模型比选 | 第67-68页 |
| 5.3 高速公路隧道交通事故伤亡情况预测模型 | 第68-69页 |
| 5.3.1 变量筛选 | 第68页 |
| 5.3.2 建立事故伤亡情况预测模型 | 第68-69页 |
| 5.3.3 模型比选 | 第69页 |
| 5.4 高速公路隧道交通事故持续时间预测模型 | 第69-74页 |
| 5.4.1 变量筛选 | 第70页 |
| 5.4.2 建立事故持续时间预测模型 | 第70-74页 |
| 5.4.3 模型比选 | 第74页 |
| 5.5 高速公路隧道交通事故预测模型小结 | 第74页 |
| 5.6 高速公路事故预测模型泛化能力测试 | 第74-77页 |
| 5.6.1 高速公路隧道交通事故形态预测-随机森林预测模型 | 第75页 |
| 5.6.2 高速公路事故严重程度预测-贝叶斯模型模型 | 第75-76页 |
| 5.6.3 高速公路事故伤亡情况预测-贝叶斯模型 | 第76页 |
| 5.6.4 高速公路事故持续时间预测-随机森林模型 | 第76-77页 |
| 5.7 “高速公路隧道交通事故预测系统”编制 | 第77-80页 |
| 5.7.1 系统简介 | 第77-78页 |
| 5.7.2 系统演示 | 第78-80页 |
| 5.8 本章小结 | 第80-81页 |
| 结论与展望 | 第81-84页 |
| 结论 | 第81-83页 |
| 展望 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 致谢 | 第87页 |
