286 lines
7.3 KiB
Markdown
286 lines
7.3 KiB
Markdown
# TrafficSafeAnalyzer
|
||
|
||
基于 Streamlit 的交通安全分析系统，支持事故数据分析、多模型预测、异常检测、策略评估和 AI 智能分析。
|
||
|
||
## 功能特性
|
||
|
||
### 核心功能模块
|
||
|
||
| 模块 | 功能说明 |
|
||
|------|----------|
|
||
| 总览 | 可视化事故趋势、KPI 指标展示（今日/本周事故数、预测偏差、策略覆盖率等） |
|
||
| 事故热点 | 识别高发路口，生成风险分级与整治建议 |
|
||
| AI 分析 | 基于 DeepSeek API 生成专业分析报告和改进建议 |
|
||
| 预测模型 | 支持 ARIMA、KNN、GLM、SVR 等多模型预测对比 |
|
||
| 模型评估 | 对比各模型预测效果（RMSE、MAE 等指标） |
|
||
| 异常检测 | 基于 Isolation Forest 算法检测异常事故点 |
|
||
| 策略评估 | 评估单一交通策略实施效果 |
|
||
| 策略对比 | 多策略效果横向对比分析 |
|
||
| 情景模拟 | 模拟策略上线对事故趋势的影响 |
|
||
|
||
### 技术亮点
|
||
|
||
- 支持实时自动刷新
|
||
- 交互式 Plotly 图表
|
||
- 多格式数据导出（CSV、HTML）
|
||
- Docker 容器化部署
|
||
- 中文分词支持（jieba）
|
||
|
||
## 项目结构
|
||
|
||
```
|
||
TrafficSafeAnalyzer/
|
||
├── app.py # 主应用入口
|
||
├── services/ # 业务逻辑层
|
||
│ ├── forecast.py # 预测模型（ARIMA、KNN、GLM、SVR）
|
||
│ ├── hotspot.py # 热点分析
|
||
│ ├── io.py # 数据加载与清洗
|
||
│ ├── metrics.py # 模型评估指标
|
||
│ └── strategy.py # 策略评估
|
||
├── ui_sections/ # UI 组件层
|
||
│ ├── overview.py # 总览页面
|
||
│ ├── forecast.py # 预测页面
|
||
│ ├── model_eval.py # 模型评估页面
|
||
│ ├── strategy_eval.py # 策略评估页面
|
||
│ └── hotspot.py # 热点分析页面
|
||
├── config/
|
||
│ └── settings.py # 配置参数
|
||
├── docs/ # 文档
|
||
│ ├── install.md # 安装指南
|
||
│ └── usage.md # 使用说明
|
||
├── Dockerfile # Docker 配置
|
||
├── requirements.txt # Python 依赖
|
||
└── environment.yml # Conda 环境配置
|
||
```
|
||
|
||
## 安装步骤
|
||
|
||
### 前提条件
|
||
|
||
- Python 3.8+（推荐 3.12）
|
||
- Git
|
||
- 可选：Docker（用于容器化部署）
|
||
|
||
### 方式一：本地安装
|
||
|
||
1. 克隆仓库：
|
||
|
||
```bash
|
||
git clone https://github.com/tongnian0613/TrafficSafeAnalyzer.git
|
||
cd TrafficSafeAnalyzer
|
||
```
|
||
|
||
2. 创建虚拟环境（推荐）：
|
||
|
||
```bash
|
||
# 使用 conda
|
||
conda create -n trafficsa python=3.12 -y
|
||
conda activate trafficsa
|
||
|
||
# 或使用 venv
|
||
python -m venv venv
|
||
source venv/bin/activate # Linux/macOS
|
||
# venv\Scripts\activate # Windows
|
||
```
|
||
|
||
3. 安装依赖：
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
4. 运行应用：
|
||
|
||
```bash
|
||
streamlit run app.py
|
||
```
|
||
|
||
### 方式二：Docker 部署
|
||
|
||
```bash
|
||
# 构建镜像
|
||
docker build -t trafficsafeanalyzer .
|
||
|
||
# 运行容器
|
||
docker run --rm -p 8501:8501 trafficsafeanalyzer
|
||
```
|
||
|
||
访问 `http://localhost:8501` 即可使用。
|
||
|
||
如需挂载本地数据目录：
|
||
|
||
```bash
|
||
docker run --rm -p 8501:8501 \
|
||
-v "$(pwd)/data:/app/data" \
|
||
trafficsafeanalyzer
|
||
```
|
||
|
||
自定义端口：
|
||
|
||
```bash
|
||
docker run --rm -p 8080:8501 \
|
||
-e STREAMLIT_SERVER_PORT=8501 \
|
||
trafficsafeanalyzer
|
||
```
|
||
|
||
## 依赖项
|
||
|
||
### 核心依赖
|
||
|
||
| 包名 | 版本要求 | 用途 |
|
||
|------|----------|------|
|
||
| streamlit | >=1.20.0 | Web 应用框架 |
|
||
| pandas | >=1.3.0 | 数据处理 |
|
||
| numpy | >=1.21.0 | 数值计算 |
|
||
| matplotlib | >=3.4.0 | 静态图表 |
|
||
| plotly | >=5.0.0 | 交互式图表 |
|
||
| scikit-learn | >=1.0.0 | 机器学习模型 |
|
||
| statsmodels | >=0.13.0 | 统计模型（ARIMA） |
|
||
|
||
### 可选依赖
|
||
|
||
| 包名 | 用途 |
|
||
|------|------|
|
||
| scipy | 统计检验（t-test、Mann-Whitney U） |
|
||
| streamlit-autorefresh | 页面自动刷新 |
|
||
| openpyxl / xlrd | Excel 文件读写 |
|
||
| openai | AI 分析（兼容 DeepSeek API） |
|
||
| jieba | 中文分词 |
|
||
| cryptography | 安全加密 |
|
||
|
||
## 使用说明
|
||
|
||
### 数据格式要求
|
||
|
||
**事故数据 Excel**：
|
||
|
||
| 必需列 | 说明 |
|
||
|--------|------|
|
||
| 事故时间 | 事故发生时间 |
|
||
| 所在街道 | 事故地点 |
|
||
| 事故类型 | 事故分类 |
|
||
|
||
可选列：`region`（区域）、严重程度等
|
||
|
||
**策略数据 Excel**：
|
||
|
||
| 必需列 | 说明 |
|
||
|--------|------|
|
||
| 发布时间 | 策略发布日期 |
|
||
| 交通策略类型 | 策略分类 |
|
||
|
||
### 基本操作流程
|
||
|
||
1. 启动应用后，在左侧边栏上传事故数据和策略数据（Excel 格式）
|
||
2. 设置全局筛选器：区域、时间范围、策略类型
|
||
3. 点击"应用数据与筛选"按钮加载数据
|
||
4. 在顶部标签页切换不同功能模块进行分析
|
||
|
||
### AI 分析配置
|
||
|
||
系统使用 DeepSeek API 进行 AI 智能分析：
|
||
|
||
| 配置项 | 默认值 | 说明 |
|
||
|--------|--------|------|
|
||
| API Key | 预填示例密钥 | 可在侧边栏替换为自有密钥 |
|
||
| Base URL | `https://api.deepseek.com` | DeepSeek API 地址 |
|
||
|
||
AI 分析功能可生成：
|
||
- 核心指标洞察
|
||
- 策略绩效评估
|
||
- 短期/中期/长期优化建议
|
||
|
||
### 输出文件
|
||
|
||
| 类型 | 文件名示例 | 说明 |
|
||
|------|------------|------|
|
||
| 预测结果 | `arima_forecast.csv` | ARIMA 模型预测数据 |
|
||
| 模型评估 | `model_evaluation.csv` | 各模型指标对比 |
|
||
| 异常检测 | `anomalies.csv` | 异常日期列表 |
|
||
| 策略对比 | `strategy_compare.csv` | 策略效果对比表 |
|
||
| 交互图表 | `simulation.html` | Plotly 图表导出 |
|
||
|
||
## 配置参数
|
||
|
||
### 环境变量
|
||
|
||
| 变量名 | 说明 | 默认值 |
|
||
|--------|------|--------|
|
||
| `LOG_LEVEL` | 日志级别 | INFO |
|
||
| `STREAMLIT_SERVER_PORT` | 服务端口 | 8501 |
|
||
| `STREAMLIT_SERVER_HEADLESS` | 无头模式 | true（Docker 中） |
|
||
|
||
### 模型参数
|
||
|
||
配置文件：`config/settings.py`
|
||
|
||
```python
|
||
# ARIMA 参数搜索范围
|
||
ARIMA_P = range(0, 4)
|
||
ARIMA_D = range(0, 2)
|
||
ARIMA_Q = range(0, 4)
|
||
|
||
# 预测与评估
|
||
DEFAULT_HORIZON_PREDICT = 30 # 默认预测天数
|
||
DEFAULT_HORIZON_EVAL = 14 # 默认评估窗口
|
||
MIN_PRE_DAYS = 5 # 最小历史数据天数
|
||
MAX_PRE_DAYS = 120 # 最大历史数据天数
|
||
|
||
# 异常检测
|
||
ANOMALY_N_ESTIMATORS = 50 # Isolation Forest 估计器数量
|
||
ANOMALY_CONTAMINATION = 0.10 # 预期异常比例
|
||
```
|
||
|
||
## 常见问题
|
||
|
||
| 问题 | 解决方案 |
|
||
|------|----------|
|
||
| `ModuleNotFoundError` | 运行 `pip install -r requirements.txt` |
|
||
| 数据加载失败 | 检查 Excel 文件格式，确保包含必需列名 |
|
||
| 预测图表未显示 | 确保干预日期前至少有 10 条历史数据 |
|
||
| AI 分析无响应 | 检查 API Key 有效性及网络连接 |
|
||
| 热点分析提示无数据 | 先上传事故数据并点击"应用数据与筛选" |
|
||
|
||
## 更新日志
|
||
|
||
参见 [CHANGELOG.md](CHANGELOG.md)
|
||
|
||
**当前版本**：v1.3.0
|
||
|
||
### v1.3.0 主要更新
|
||
|
||
- 集成 DeepSeek AI 分析功能（流式输出）
|
||
- 新增事故热点分析模块
|
||
- 优化预测模型性能
|
||
- 支持 Docker 容器化部署
|
||
- 改进数据可视化交互体验
|
||
- 修复多标签页导航状态问题
|
||
|
||
## 升级指南
|
||
|
||
```bash
|
||
# 备份现有数据
|
||
cp -r data data_backup
|
||
|
||
# 拉取最新代码
|
||
git pull origin main
|
||
|
||
# 更新依赖
|
||
pip install -r requirements.txt --upgrade
|
||
|
||
# 重启应用
|
||
streamlit run app.py
|
||
```
|
||
|
||
## 许可证
|
||
|
||
MIT License - 详见 [LICENSE](LICENSE)
|
||
|
||
## 贡献
|
||
|
||
欢迎提交 Issue 和 Pull Request。
|
||
|
||
---
|
||
|
||
[](https://github.com/tongnian0613/TrafficSafeAnalyzer/blob/main/LICENSE)
|