大数据应用的交通管理论文提纲

论文题目：基于驾驶行为画像的驾驶人教育推荐方法

摘要：驾驶人交通安全教育作为遏制道路交通事故发生的第一道防线,事关人民群众生命财产安全和幸福生活。目前,我国机动车驾驶人的道路交通安全教育体系单薄,教育模式比较单一,教育内容没有考虑驾驶人个体差异性,缺乏针对性,致使交通安全教育的作用没有很好地发挥。与此同时,和驾驶人数量一同急剧增长的还有公安交通管理部门开展业务所产生的大数据,如何对这些数据进行智能分析、管理和利用变得越来越重要。本文选取最新的开源大数据框架,应用公安交通管理大数据技术,构建以驾驶人驾驶行为画像为重点的数据仓库。将驾驶人驾驶行为画像与基于内容的推荐算法相结合,提炼以驾驶人驾驶行为画像为核心的驾驶人教育推荐方法。论文主要内容有:（1）构建了驾驶人驾驶行为画像模型:对驾驶人驾驶行为数据进行挖掘,并在此基础上完成了驾驶行为数据集的建立;基于驾驶行为数据集,选取了驾驶人驾驶行为七个维度的标签,并对每一个维度的标签进行层级划分,确定了驾驶人驾驶行为标签的内容及层次,进而建立起了一套完整的驾驶人驾驶行为标签体系;最后,将标签体系用可视化的方式进行呈现,得到了驾驶人驾驶行为的画像模型。（2）建立了驾驶人驾驶行为评价模型:基于构建的驾驶人驾驶行为画像模型,建立了驾驶人驾驶行为评价指标体系;采用改进的熵权法-层次分析法（EW-AHP）确定了评价指标的权重,得到了驾驶人驾驶行为评价模型并对模型进行了验证;基于评价模型,对驾驶人驾驶行为的安全性进行了等级划分。（3）采用基于内容的推荐算法进行驾驶人教育内容的推荐:分析了基于内容的推荐算法的特点,阐明了该算法的应用步骤;阐述了驾驶人教育推荐内容的来源;结合构建的驾驶人驾驶行为画像及驾驶人安全性等级,遵循基于内容的推荐算法的步骤,用Quantile-Quantile Plot检验驾驶人的安全等级服从正态分布后,以恒等链接函数对教育推荐内容与驾驶人安全风险倾向的相似度进行度量,选取损失函数最小的教育推荐内容作为驾驶人教育最优推荐结果,并对推荐结果进行了分析与评价。本论文针对现阶段驾驶人教育存在的问题以及学习者面对海量教育资源难以把握重点的问题,将用户画像技术引入交通安全教育领域,探索公安大数据应用新模式,探究驾驶人网络教育学习资源个性化推荐技术,以期为进一步完善我国机动车驾驶人交通安全教育体系,提高驾驶人交通安全意识,保障道路交通安全提供有价值的参考信息。

关键词：驾驶行为画像;驾驶人教育;推荐方法

学科专业：警务

摘要

Abstract

引言

1 绪论

1.1 研究背景

1.2 研究目的及意义

1.2.1 研究目的

1.2.2 研究意义

1.3 国内外研究现状

1.3.1 国外研究现状

1.3.2 国内研究现状

1.3.3 分析与归纳

1.4 论文研究内容

2 基本理论与相关技术

2.1 驾驶行为理论

2.1.1 描述性驾驶行为理论

2.1.2 信息处理理论

2.1.3 动机理论

2.1.4 情景中介理论

2.1.5 计划行为理论

2.1.6 躯体标识理论

2.2 数据仓库技术

2.3 用户画像技术

2.3.1 用户画像

2.3.2 标签体系

2.3.3 数据可视化

2.4 推荐算法

2.5 本章小结

3 驾驶人驾驶行为画像

3.1 驾驶人驾驶行为画像建模过程

3.2 驾驶人驾驶行为数据挖掘

3.2.1 数据的采集

3.2.2 数据的预处理

3.2.2.1 缺失值分析与处理

3.2.2.2 异常值分析与处理

3.2.3 数据集的建立

3.3 驾驶人驾驶行为标签体系的建立

3.3.1 标签的确定及其层级划分

3.3.1.1 驾驶人属性标签

3.3.1.2 驾驶人交通违法行为标签

3.3.1.3 驾驶人交通事故行为标签

3.3.1.4 驾驶人心理因素标签

3.3.1.5 驾驶人身体因素标签

3.3.1.6 驾驶人驾驶资格标签

3.3.1.7 驾驶人驾驶环境标签

3.3.2 标签体系的确定

3.4 驾驶人驾驶行为画像模型的建立

3.5 本章小结

4 驾驶人驾驶行为评价模型的构建

4.1 驾驶人驾驶行为评价指标的确定

4.2 驾驶人驾驶行为评价指标体系的建立

4.3 驾驶人驾驶行为评价指标权重的确定

4.3.1 用层次分析法确定指标的权重

4.3.1.1 层次分析法的基本步骤

4.3.1.2 用层次分析法确定指标权重的过程

4.3.2 用熵权法确定指标的权重

4.3.2.1 熵权法的基本步骤

4.3.2.2 用熵权法确定指标权重的过程

4.3.3 用改进的熵权层次分析法确定指标的权重

4.3.4 指标权重的比较与确定

4.4 驾驶人驾驶行为评价模型的验证

4.4.1 驾驶人驾驶行为评价模型的验证过程

4.4.2 驾驶人驾驶行为评价模型验证结果分析

4.5 驾驶人驾驶行为安全性分级

4.6 本章小结

5 驾驶人教育内容的推荐方法

5.1 基于内容的推荐算法

5.1.1 算法的特点

5.1.2 算法的应用步骤

5.2 驾驶人教育推荐内容的来源

5.3 基于内容的推荐算法的运用

5.3.1 产品表示

5.3.2 画像学习

5.3.2.1 线性恒等链接函数

5.3.2.2 正态分布检验

5.3.2.3 训练集、评估集与损失函数的选取

5.3.3 推荐衍生

5.3.3.1 推荐策略选取

5.3.3.2 推荐策略示例

5.4 推荐效果的分析与评价

5.5 本章小结

6 结论与展望

6.1 研究结论

6.2 未来展望

参考文献

附录 A样本驾驶人驾驶行为评价表

在学研究成果

致谢