交通违法高发路段的时空建模与预测开题报告

1. 研究目的与意义（文献综述）

1.1研究背景：

随着经济的迅速发展，城市机动车快速增长，交通问题日益凸显，这给城市交通管理部门带来了严峻的考验。交通事故屡屡发生造成了巨大的生命财产损失和恶劣的社会影响，交通拥堵降低了交通的运输效率、带来了巨大的经济损失。城市道路交通问题限制着城市交通的发展，与每个人都息息相关，受到了国内外的普遍关注，城市道路交通整治也成为了城市发展过程中极其重要的一部分。

近年来交通违法预测技术越来越受到重视，并且已成为道路交通违法治理决策领域的重要内容。通过对采集到的原始道路交通违法数据进行科学分析，找出其内在规律，预测其未来趋势，形成科学的交通安全管理辅助决策，从而最大限度地发挥道路交通服务水平，提高道路交通的安全性。

2. 研究的基本内容与方案

2.1基本内容（功能）：

本次毕业设计之交通违法高发路段的时空建模与预测大体可以分为两个模块：交通违法行为可视化模块以及交通违法数据预测模块。

（1）交通违法行为可视化模块主要对城市交通违法数据进行直观的呈现，以热力图的形式展示城市中交通违法行为的地理位置分布，调用百度街景api查看具体街道环境信息，使用饼图绘制交通违法行为的类型分布，使用柱状图绘制交通违法行为的时间分布。能够直观、美观地向用户呈现有关交通违法行为的相关信息。

3. 研究计划与安排

2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；

2020/5/1—2020/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] l. zhu, f. r. yu, y. wang, b. ning and t. tang. big data analytics inintelligent transportation systems: a survey[j]. ieee transactions on intelligenttransportation systems, 2019, vol. 20, no. 1, pp. 383-398.

[2] zheng c, fan x, wen c, et al. deepstd:mining spatio-temporal disturbances of multiple context factors for citywide trafficflow prediction[j]. ieee transactions on intelligent transportation systems,2019.