智能交通系统的数据采集、处理和审核流程设计
人工智能训练师主机：CPU（intel i5 及以上）、内存（不少于 16GB）、操作系统（windows10）、支持深度学习训练；
30min
某智能交通系统希望通过车辆的行驶数据，利用人工智能技术进行交通流量预测和拥堵预警。你作为人工智能训练师，需要设计一套全面的业务数据采集、处理和审核流程，确保数据在进入交通流量分析系统之前经过严格的采集、清洗、审核和预处理。这里提供一个车辆行驶数据集（vehicle_traffic_data.csv），包含以下字段：
VehicleID: 车辆ID
DriverName: 驾驶员姓名
Age: 年龄
Gender: 性别（Male/Female）
Speed: 车速（km/h）
TravelDistance: 行驶距离（km）
TravelTime: 行驶时间（min）
TrafficEvent: 交通事件（Normal, Accident, Traffic Jam, Breakdown）
你作为人工智能训练师，根据提供的vehicle_traffic_data.csv数据集和Python代码框架（1.1.5.ipynb），完成以下数据的采集、处理和审核任务，确保数据的准确性和可靠性。请按照以下要求完成任务，确保结果准确并保存相应的截图。
（1）数据采集：
通过运行Python代码（1.1.5.ipynb），从本地文件vehicle_traffic_data.csv中读取数据，并将数据加载到DataFrame中。显示前5行数据截图以jpg的格式保存，命名为“1.1.5-1”。
（2）数据清洗与预处理：
通过运行Python代码（1.1.5.ipynb）对数据进行清洗和预处理，具体要求如下：
处理缺失值：对缺失值进行删除。
数据类型转换：确保每个字段的数据类型正确。
处理异常值：删除不合理的年龄、车速、行驶距离和行驶时间。
清洗后的数据保存为新文件cleaned_vehicle_traffic_data.csv。
（3）数据合理性审核： 通过运行Python代码审核以下字段的合理性：
年龄：应在18到70岁之间。
车速：应在0到200 km/h之间。
行驶距离：应在1到1000 km之间。
行驶时间：应在1到1440分钟（24小时）之间。
对不合理的数据进行标记，并将审核结果截图以jpg的格式保存，命名为“1.1.5-2”。
（4）数据统计：
通过运行Python代码（1.1.5.ipynb），完成以下数据统计任务：
统计每种交通事件的发生次数。
统计不同性别的平均车速、行驶距离和行驶时间。
统计不同年龄段的驾驶员数（18-25岁、26-35岁、36-45岁、46-55岁、56-65岁、65岁以上）。
将统计结果分别截图以jpg的格式保存，分别命名为“1.1.5-3”、“1.1.5-4”、“1.1.5-5”。
所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。
（1）能结合人工智能技术要求和业务特征，设计整套业务数据采集流程；
（2）能结合人工智能技术要求和业务特征，设计整套业务数据处理流程；
（3）能结合人工智能技术要求和业务特征，设计整套业务数据审核流程；
（1）数据完整性：数据无缺失，每项记录完整。
（2）数据合理性：所有数值在合理范围内，无异常点。
（3）数据一致性：字段类型正确，数据格式统一。
（4）分析准确性：统计结果反映真实数据分布，无偏差。
考生文件夹可以保存在桌面。
jupyter notebook 工作目录（根目录）：虚拟机环境中的D:\jupyter_notebook。
jupyter notebook 打开方式：在终端中输入jupyter notebook启动。
ipynb填充代码运行后，附带结果保存为html格式上传。保存方法：jupyter notebook中File->Download as->HTML(.html)。
ipynb代码在下划线上填充，请勿随意添加、删除或修改源代码的其他部分，以免影响考试结果。
截图工具：Windows附件->截图工具。截图只截取输出结果部分，其余多余内容不截取。