-
题名基于关联规则的高速公路交通事故风险识别
- 1
-
-
作者
李美玲
李子辉
陈雪珲
蔡涛
冉晋
-
机构
山东建筑大学山东高校重点实验室道路与交通工程实验室
山东高速股份有限公司
中国铁建投资集团有限公司
新疆大学交通运输工程学院
-
出处
《山东建筑大学学报》
2024年第3期99-106,共8页
-
基金
山东省交通运输科技计划项目(2020B48)
新疆维吾尔自治区天池英才引进计划创新领军人才项目(2024)。
-
文摘
高速公路交通事故各影响因素间的深层内在关系对于揭示事故发生的机理和规律有重要意义。文章通过选择社会网络分析、关联规则Apriori算法和可视化等方法,提出从宏观到微观的分层关联规则挖掘流程,并对Apriori算法输出的关联规则进行聚类和多维度交互作用下的分析,深入挖掘高速公路交通事故各影响因素间的关联规律,并识别事故风险。结果表明:不同路段在事故车道分布和事故形态上存在较大差异;Apriori算法能准确地解读多维度关联规则,识别小型客车、第一车道和晴天为影响高速公路交通事故的关键风险因素,撞护栏和追尾事故为主要事故形态,K227~K300桩号区间存在着部分弯曲道路且与城区连接有较多的互通出入口,结合关联规则识别其为事故风险路段;研究证实了该流程可以有效识别事故风险,揭示事故机理,为高速公路行车安全水平的提升提供理论指导。
-
关键词
交通安全
高速公路交通事故
风险识别
Apriori关联规则算法
事故致因
-
Keywords
traffic safety
expressway traffic accidents
risk identification
Apriori Association Rule Algorithm
cause of accident
-
分类号
U491.3
[交通运输工程—交通运输规划与管理]
-
-
题名电子签章系统在企业OA系统中的应用
被引量：8
- 2
-
-
作者
陈雪珲
李建华
-
机构
山东高速公路股份有限公司
德州职业技术学院
-
出处
《信息技术与信息化》
2008年第3期49-51,共3页
-
文摘
本文从电子签章系统的系统结构和组成入手,通过对签章机制、验证机制和系统功能的详细描述,介绍了电子签章系统在企业OA系统中的应用。
-
关键词
电子签章
加解密
Hash值
-
Keywords
Electronic signature Encrypt/decrypt Hash value
-
分类号
TP317.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名VPN技术在高速公路广域网建设中的应用
- 3
-
-
作者
陈雪珲
史俊花
-
机构
山东高速公路股份有限公司
济南大陆机电股份有限公司
-
出处
《信息技术与信息化》
2008年第2期24-25,29,共3页
-
文摘
本文从VPN技术的技术优势入手,介绍了利用VPN技术建设高速公路广域网络的原则和实施方案。
-
关键词
VPN
网络
防火墙
-
Keywords
VPN Network Firewall
-
分类号
TP393.2
[自动化与计算机技术—计算机应用技术]
-
-
题名构建高速公路专用通信网的高速平台
被引量：1
- 4
-
-
作者
史俊花
陈雪珲
-
机构
北京交通大学计算机与信息技术学院
山东基建有限公司济青高速公路济南管理处
-
出处
《山东电子》
2004年第3期U007-U008,U051,共3页
-
文摘
本文以SDH光纤传输技术为重点 ,介绍了光纤通信技术的发展历程、技术特点和原理 ,初步分析了形成SDH帧结构的映射、定位、复用的三个步骤 ,以及构成SDH技术优势的服务保护和设备。在此基础上讨论了如何在高速公路信息系统中充分利用SDH光传输技术的优势来构建能满足传输数据、图象。
-
关键词
SDH技术
专用通信网
光纤传输技术
光传输技术
光纤通信技术
帧结构
高速传输
需求
构建
服务
-
Keywords
Expressway Optical communication SON
-
分类号
TN915
[电子电信—通信与信息系统]
-
-
题名基于海量信息的高速公路ETC用户分类研究
- 5
-
-
作者
贾健民
陈雪珲
曹蓉
陈宏
陈晓龙
-
机构
山东建筑大学交通工程学院
山东高速股份有限公司
-
出处
《交通与运输》
2022年第6期62-66,共5页
-
基金
国家自然科学基金项目(41901396,4201396)
山东省高等学校青创科技支持计划(2021KJ058)。
-
文摘
为解决高速公路ETC用户的分类问题,利用大数据挖掘技术提出了多种基于高速公路ETC用户使用特征的分类模型。首先,在传统特征指标的基础上,加入最长使用间隔作为用户分类指标,建立新的用户分类指标体系;其次,构建K-means,模糊C-均值和SOM(自组织映射神经网络)3种机器学习模型,并利用多种分类评价指标综合考虑用户分类效果。实例分析表明,3种分类模型均实现了6类用户的分类任务,其中SOM模型的评价指标最优,表明非监督机器学习方法SOM在大规模数据分析中的优势;最后,针对不同种类ETC用户使用差异化的收费管理策略进行讨论,认为大数据挖掘技术可以进一步提高高速公路ETC系统的管理决策水平。
-
关键词
公路运输
差异化管理
ETC用户分类
聚类模型
大数据挖掘
-
Keywords
Highway transport
Differentiation strategy
ETC customer segmentation
Clustering model
Big data mining
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
