买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东交通大学申请的专利基于大数据分析技术的交通事故可视化分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117914838B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311787317.X，技术领域涉及：H04L67/02；该发明授权基于大数据分析技术的交通事故可视化分析方法及系统是由熊汉卿;朱嵘;李书帆;陈熙;谭林丰;游捷设计研发完成，并于2023-12-23向国家知识产权局提交的专利申请。

本基于大数据分析技术的交通事故可视化分析方法及系统在说明书摘要公布了：本发明公开了一种基于大数据分析技术的交通事故可视化分析方法及系统，所述方法包括，搜集并整理各省交通事故及高速路况信息时报网站，通过BeautifulSoup库爬取各省高速路况信息，统一数据维度后保存在csv文件中；处理并提取csv文件中数据的特征，形成特征矩阵并完成数据校对；连接Mysql数据库，将数据上传至Mysql数据库，通过服务器定期爬取数据并更新数据库；对特征矩阵做映射处理，选取合适的特征后输入SVM‑Adaboost模型训练，通过网格搜索选取合适的参数；从时间、空间维度统计数据，采用Django框架搭建平台网页，并部署至服务器，实时更新平台数据；通过平台的搭建，能够实时了解国内高速公路交通事故的相关信息和相关事故的预测。

本发明授权基于大数据分析技术的交通事故可视化分析方法及系统在权利要求书中公布了：1.一种基于大数据分析技术的交通事故可视化分析方法，其特征在于，包括以下步骤，步骤S1：搜集并整理各省交通事故及高速路况信息时报网站，通过Beautiful Soup库爬取各省高速路况信息，统一数据维度后保存在csv文件中； 步骤S2：处理并提取csv文件中数据的特征，形成特征矩阵并完成数据校对；其中，包括：步骤S21：初步人工审核爬取到的csv文件中的数据，筛除csv文件中的不可用数据；步骤S22：对筛除处理后的数据进行第一次特征提取，提取为事故信息、事故过程和恢复时长三列；步骤S23：对筛除处理后的数据进行第二次特征提取，提取为事故信息、事故过程、恢复时长、路段、事故细节五列；步骤S24：通过Python中的Selenium库爬取事故发生的城市；步骤S25：将数据规范至事故信息、事故过程、恢复时长、路段、地点、事故细节、当天最高温、当天最低温、当天天气状况和当天风向风级十列特征；步骤S26：编写Python脚本，逐一比对主csv文件和校对用csv文件，并按规则对对主csv文件中的数据进行标注，根据标注结果将主csv文件分为数据集_真csv文件和数据集_伪csv文件； 步骤S3：连接Mysql数据库，将数据上传至Mysql数据库，通过服务器定期爬取数据并更新数据库； 步骤S4：对特征矩阵做映射处理，选取合适的特征后输入SVM‑Adaboost模型训练，输出预测结果并对模型进行评估，选取合适的SVM核函数并通过网格搜索选取合适的参数； 步骤S5：从时间、空间维度统计数据，采用Django框架搭建平台网页，并部署至服务器，实时更新平台数据； 其中，步骤S4具体过程为，步骤S41：创建config.json参数文件，存入模型的搭建、训练、预测全过程所需的参数；步骤S42：读取数据集的数据帧类型，对每一列特征矩阵做映射，所述映射的具体过程为，将特征矩阵中的离散文本值映射为自然数，而连续文本值则计算该列特征矩阵中数据的平均值与方差值，取正态分布，取置信区间为0.9，超过置信区间范围记为outlier一类，置信区间范围内按固定间隔划分，划分结果同样也映射为自然数； 步骤S43：将事故持续时间列保存为标签label，其他特征列保存为特征矩阵feature_matrix，并对特征矩阵feature_matrix做标准化处理；步骤S44：计算特征矩阵feature_matrix每一列的方差，并计算特征矩阵feature_matrix与标签label合并后的协方差矩阵； 步骤S45：根据特征矩阵feature_matrix每一列的方差与协方差矩阵，舍去部分特征；步骤S46：调用sklearn库的SVM和AdaBoost模型，将特征矩阵feature_matrix作为X，标签label作为Y，以9：1划分训练集和测试集，输入模型进行训练，分别计算训练集与测试集的准确率；并对训练集和测试集的准确率做可视化处理；步骤S47：比较不同模型的性能，选取合适的SVM核函数并通过网络搜索选取合适的参数； 其中，Beautiful Soup库用于解析html和xml文件；csv文件是一种常用数据格式； Mysql数据库为一种数据存储库；sklearn库是Python中的机器学习库；SVM是一种机器学习算法；核函数是SVM算法中用于将输入的数据转换到更高维空间的函数；AdaBoost是一种集成学习方法。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。