论文部分内容阅读
交通事故安全问题是影响人类生活和社会发展的重大问题。随着信息化、智能交通等技术的普及，城市交通部门收集积累了海量交通事故数据，这些数据中蕴含了交通事故的规律和模式。挖掘出隐藏于数据中的规律和模式能够为决策者提供有力支持，因此针对交通事故数据的分析和挖掘方法备受城市管理部门、工业界以及学术界的关注。
相较于一般的全局模式，局部模式可以提供数据集中用户不易感知的更细粒度的信息，但也更难分析发现。领域经验表明交通事故数据中存在很多有价值的局部模式，因此本文研究高效探索和分析交通事故数据集中局部模式的方法和关键技术。可视分析方法通过可视交互界面将人类智能和机器智能相结合，在探索性的模式分析上具有突出优势，因此本文基于可视分析方法研究城市交通事故数据中局部模式分析问题，主要内容包括：
(1)基于多源数据融合的交通事故数据增强：原始交通事故数据集包含的属性信息较少，无法对交通事故进行更全面深入的分析，对数据集进行增强能够建立更完整丰富的分析数据集，以满足多样的分析要求。本文首先对气象数据和路网数据进行增强得到多源数据集，然后通过时间域、道路域与原始交通事故数据集进行关联融合，最终建立一个完整统一、语义性更强的分析数据集。
(2)基于交通事故多发路段的局部相关性分析：事故多发路段是相关部门进行事故治理的直接对象，与天气等因素的相关性较为显著，分析事故多发路段存在的局部相关性能够揭示交通事故数据中的局部模式。因此，为分析天气等因素对不同区域交通事故的影响，提出一种基于交通事故多发路段的局部相关性可视分析方法，通过待分析因素直方图刻画事故多发路段，并设计一套聚类支持的多关联视图的可视分析系统，以探索和分析不同事故多发路段中存在的局部模式。
(3)基于张量分解的局部时空模式分析：大规模多维时空数据集中存在大量潜在局部时空模式，手动探索困难。张量分解能够自动提取多维数据集中的模式，本文提出一种基于张量分解的局部时空模式可视分析方法，在可视分析系统中融入张量分解和聚类等智能化算法，用户通过半自动化方式交互探索和分析数据集中存在的局部时空模式，以解决大规模交通事故数据集中局部模式探索和分析困难的问题。
相较于一般的全局模式，局部模式可以提供数据集中用户不易感知的更细粒度的信息，但也更难分析发现。领域经验表明交通事故数据中存在很多有价值的局部模式，因此本文研究高效探索和分析交通事故数据集中局部模式的方法和关键技术。可视分析方法通过可视交互界面将人类智能和机器智能相结合，在探索性的模式分析上具有突出优势，因此本文基于可视分析方法研究城市交通事故数据中局部模式分析问题，主要内容包括：
(1)基于多源数据融合的交通事故数据增强：原始交通事故数据集包含的属性信息较少，无法对交通事故进行更全面深入的分析，对数据集进行增强能够建立更完整丰富的分析数据集，以满足多样的分析要求。本文首先对气象数据和路网数据进行增强得到多源数据集，然后通过时间域、道路域与原始交通事故数据集进行关联融合，最终建立一个完整统一、语义性更强的分析数据集。
(2)基于交通事故多发路段的局部相关性分析：事故多发路段是相关部门进行事故治理的直接对象，与天气等因素的相关性较为显著，分析事故多发路段存在的局部相关性能够揭示交通事故数据中的局部模式。因此，为分析天气等因素对不同区域交通事故的影响，提出一种基于交通事故多发路段的局部相关性可视分析方法，通过待分析因素直方图刻画事故多发路段，并设计一套聚类支持的多关联视图的可视分析系统，以探索和分析不同事故多发路段中存在的局部模式。
(3)基于张量分解的局部时空模式分析：大规模多维时空数据集中存在大量潜在局部时空模式，手动探索困难。张量分解能够自动提取多维数据集中的模式，本文提出一种基于张量分解的局部时空模式可视分析方法，在可视分析系统中融入张量分解和聚类等智能化算法，用户通过半自动化方式交互探索和分析数据集中存在的局部时空模式，以解决大规模交通事故数据集中局部模式探索和分析困难的问题。