基于动态分段和DBSCAN算法的交通事故黑点路段鉴别方法

为提高交通事故黑点鉴别的精度,选择合适的路段长度作为分析路段的基本单元,结合移动步长法将路段划分为几种不同的组合,兼顾交通事故次数和伤亡人数对交通事故进行当量化处理;采用累计频率法进行事故分析,分别得到各种组合下的事故相对集中路段,按路段相邻原则对其进行合并作为初选黑点路段。针对初选黑点路段,选取合适的邻域和阈值,采用基于密度的聚类(DBSCAN)算法进行聚类分析,以寻求长度较短且事故集中的真正事故黑点。为验证该鉴别方法的可靠性,对麻昭(麻柳湾—昭通)高速公路部分路段进行事故黑点鉴别。结果表明:在动态路段划分的基础上,采用当量事故数-累计频率法,初步鉴别出的事故多发路段长度占全线总长28.4%,发生当量事故次数占总事故次数的56.4%;通过移动步长法动态划分路段单元能够最大程度鉴别事故多发路段;采用DBSCAN算法对初选黑点路段进行再次排查,得到的事故黑点路段长度仅占全线总长10.8%,其发生当量事故次数占总事故次数的52.5%;与初选路段相比,其总长度下降了61%,总当量事故次数几乎不变。将动态分段和DBSCAN算法结合能够剔除初选路段中的非黑路段,识别出真正的黑点路段。该方法提高了公路交通事故黑点路段的鉴别精度,可为交通事故黑点的有效治理提供坚实的技术支撑。     

一种改进的毫米波雷达聚类算法

针对毫米波雷达数据均匀性差,数据量小,噪点多等问题,提出一种基于DBSCAN (density-based spatial clustering of applications with noise)的雷达自适应聚类算法.改进算法能够根据K近邻距离和目标反射截面自适应调整聚类半径.首先给出一种聚类半径根据K近邻距离动态调整的机制:目标第K个近邻的距离与阈值相比较,以确定阈值半径取值.再提取雷达提供的目标反射截面,基于该值计算目标假象半径作为聚类半径的补充量.实现根据目标反射截面与数据稀疏程度自适应聚类的效果.将改进算法与不同参数的DBSCAN聚类算法在真实雷达点云数据进行实验对比.相较于选取合适参数的DBSCAN算法,改进算法能够更好适应毫米波雷达点云特征,对行人目标识别准确率提高4.18％,对车辆目标识别准确率提高5.63％.     

基于改进DBSCAN算法的激光雷达车辆探测方法

结合车辆行驶的实际环境,提出了一种基于改进DBSCAN快速聚类算法的激光雷达车辆探测方法.建立激光雷达与摄像机传感器坐标与车辆坐标之间的转换模型,进行数据融合,通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据车辆在激光雷达探测中的形状特征模型进行形状匹配,实时完成车辆探测,并将探测结果投影至图像上.实车实验结果证明,改进的DBSCAN算法在车辆探测应用中具有良好的准确性和实时性.     

基于GPS数据的城市常发性拥堵区域识别方法

识别城市交通常发性拥堵区域,能够为交通管理部门和规划部门提供相应的改进建议,对城市道路网络健康运行具有重要作用。城市交通拥堵判别方法存在两个难题:基于传统检测器方法应用的局限性;基于路段级别的方法存在费工费时的地图匹配问题。针对这两个问题,提出基于车辆GPS轨迹数据的网格级别的拥堵判别方法;并利用改进的具有噪声应用的基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法识别城市常发性拥堵区域。基于哈尔滨市城市道路网络、出租车和公交车GPS轨迹数据进行算例分析,结果表明,其能够有效判别基于网格的交通拥堵,并成功识别城市常发性拥堵区域。     

一种基于Faster-RCNN的车辆实时检测改进算法

随着交通愈加发达,道路愈加拥堵,如何实时准确地获取车辆基本信息以便交通部门及时管理特定路段和路口的车辆显得日益重要.对交通视频中车辆的检测和识别,不仅需要实时检测,还要保证其准确性.针对实际情况中车辆之间的遮挡、光照的变化、阴影、道路旁树枝的晃动、背景中固定对象的移动等因素严重影响检测与识别的精度的问题,提出基于Faster-RCNN(Faster-Regions with CNN features)的车辆实时检测改进算法.首先采用k-means算法对KITTI数据集的目标框进行聚类,得到合适的长宽比,并增加一组尺度(64~2)以适应差异较大的车辆尺寸;然后改进区域提案网络,降低计算量,优化网络结构;最后在训练阶段采用多尺度策略,降低漏检率,提高精确率.实验结果表明:改进后的车辆检测算法的mAP(mean Average Precision)达到了82.20%,检测速率为每张照片耗时0.03875 s,基本能够满足车辆实时检测的需求.     

考虑对象方向关系的密度聚类算法

 聚类分析是数据挖掘的一个重要研究方向.为了在大规模空间数据库中发现任意形状的聚类,Martin Ester等提出基于密度的聚类算法DBSCAN.针对DBSCAN处理聚类边界对象的不足,提出了聚类时考虑对象方向关系的改进算法,实验表明,改进算法在不改变时间、空间复杂度的情况下能得到更好的聚类结果.     

基于聚类分析的重型载货车辆长大下坡路段交通事故分析

 长大下坡路段是重型载货车多发事故区域。当前针对重型载货车发生事故的研究大都集中在车辆超速方面,忽略了车型、天气、驾驶人特性等因素。本文通过分析云南罗富高速公路某长大下坡路段在2012 年内的重型载货车事故数据,研究车型、天气、驾驶人特性等因素对重型载货车事故的影响。统计分析了不同因素影响下重型货车在长大下坡路段发生事故数的分布规律;然后利用K 均值聚类算法,依据不同因素造成的事故严重程度(事故量、受伤人数、死亡人数),将所有的因素分为3 类。研究结果显示,外地车辆、六轴车和在00:00-07:59 时段发生交通事故的严重程度最重,而有雾、有雨和低温对事故的影响很小。     

一种改进的DBSCAN算法

聚类技术是数据挖掘中的一项重要技术,它能够根据数据自身的特点将集中的数据划分为簇.DBSCAN是一种经典的基于密度的聚类算法,能发现任意数量和形状的簇,但需设置Eps和MinPts参数,且聚类效果对参数敏感.提出一种改进的DBSCAN算法,该算法采用自适应的Eps参数使得DBSCAN算法能对具有不同密度的簇的数据集进行聚类.仿真实验结果验证了所提算法的有效性.     

典型危险事故特征的自动驾驶测试场景构建

针对自动驾驶汽车安全性测试验证中海量测试场景以及高风险测试场景的需要,基于国家车辆事故深度调查体系中的641例事故数据,根据交通环境要素和测试车辆基础信息选取了5个场景要素,通过独热编码和聚类分析方法对车辆交通事故数据进行了分析,同时结合聚类得到的典型车辆碰撞危险场景提出并分析了危险事故特征,构建了15个涉及道路路段类...     

一种改进的汽车雷达数据实时聚类算法

为了更好地在复杂多目标环境下进行汽车雷达数据的实时聚类,使用扩展卡尔曼滤波算法(EKF)对基于密度的聚类算法(DBSCAN)进行改进,并通过仿真和实测实验进行验证。结果表明:新算法在进行增量聚类时每次耗时可以保持在一个稳定且较低的水平;新聚类在不增加时间复杂度的情况下进行自适应聚类,可以解决汽车雷达数据密度不均匀的情况。可见新算法同时实现了增量和自适应DBSCAN聚类,同时保证聚类的效率和准确度。     

一种基于距离的聚类和孤立点检测算法

提出了一种基于距离的聚类和孤立点检测算法(DBCOD),根据距离阈值对数据点进行聚类,在聚类过程中记录每个数据点的密度,并根据密度阈值确定数据点是否为孤立点.实验结果表明,该算法不仅能够对数据集进行正确的聚类,可以发现任意形状的聚类,算法执行效率优于DBSCAN,具有对噪音数据、数据输入顺序不敏感等优点,同时还能有效地进行孤立点检测.     

基于改进自组织映射聚类算法的连锁故障预测模型

为提高电力系统连锁故障预测的快速性和全面性,提出一种基于改进自组织映射聚类算法的连锁故障预测模型.针对事故链预测模型的故障指标模糊、事故链模型过于庞大等问题,该模型首先设计了初始故障集评价指标、上下级支路间关联性指标.其次改进自组织映射聚类算法,对关联性指标进行聚类分类,并在上下级支路关联性确定中,设定适当阈值.最后,...     

人车碰撞事故中行人伤亡风险的关联性分析与预测

为了研究人车碰撞事故中影响行人伤亡的因素,提出了基于聚类方法与BP神经网络的行人碰撞后伤亡风险预测模型。首先,以国家车辆事故深度调查体系(NAIS)数据库内2018—2019年间的372起人车碰撞事故数据为研究对象,对其进行统计分析,得到关于车辆、行人和碰撞状态3个维度的9项事故特征参数;然后,结合各事故特征特性,对连续特征值选用K均值聚类方法,对离散特征值选用层次聚类法,分析行人的伤亡风险与各特征参数间的关联性;最后,建立BP神经网络预测模型,根据事故特征预测行人伤亡情况。结果表明建立的行人伤亡风险预测模型的成功率为86%。     

基于空间自相关的城市道路事故多发点鉴别

提出了基于空间自相关鉴别城市道路事故多发点的方法,并利用5年内交通事故数据进行验证.首先,以非参数核密度估计模型描述交通事故点的空间二维分布,得到事故分布密度的最优窗宽为115.2m,借此划分路段的空间单元.然后,基于地理信息系统"面弧"城市道路网络拓扑模型构建空间统计单元,并集计事故数和事故严重度指数属性.最后,通过全局Moran指数检验,事故数据呈现聚集的空间分布模式,局部G统计量鉴别出属性值高低的聚类,并生成事故多发点分布图.研究结果表明,与事故频率建模的负二项模型相比,事故位置与属性数据一体化下的空间数据分析不但能够鉴别路段(交叉口)的事故多发点,而且能够对其属性值进行空间关联排序,交通管理部门可利用空间分析可视化结果定位事故多发点和进一步开展交通安全决策研究.     

一种改进的基于密度的DBSCAN聚类算法

主要讨论数据挖掘领域中一种基于密度的DBSCAN聚类算法,并对算法进行改进。利用取样技术缩小数据库的规模,减少算法的运行时间。利用遗传算法对聚类结果进行优化,保证聚类的质量。给出了一种基于取样的DBSCAN算法及其遗传优化。最后实验证明了算法的有效性。     

网格化局部自适应DBSCAN聚类算法

经典DBSCAN(density based spatial clustering of applications with noise)算法需要人工指定邻域半径(Eps)和点数阈值(Minpts),且均为全局参数,导致聚类准确率低.针对此问题,为了提高经典DBSCAN聚类算法的聚类准确率,基于网格划分思想,提出了一种...     

基于spark框架的DBSCAN文本聚类算法

针对DBSCAN算法性能上的瓶颈以及内存和I/O上的消耗严重,提出了一种大数据计算框架的并行聚类方案.选用Spark计算框架对DBSCAN算法进行并行化改进,利用SNN相似度图解决DBSCAN算法对高维数据密度定义模糊的问题,并且将DBSCAN算法运行在spark计算平台上,缓解了内存的不足.实验结果证明,该解决方案相对于单机的DBSCAN算法,聚类精度没有下降,并且通过横向的添加节点增加了运行内存,在缓解内存紧张的前提下降低了算法运行时间,和基于Hadoop的DBSCAN算法相比也有较好的加速比.     

基于DBSCAN聚类的改进KNN文本分类算法

K最近邻算法(KNN)在分类时,需要计算待分类样本与训练样本集中每个样本之间的相似度.当训练样本过多时,计算代价大,分类效率降低.因此,提出一种基于DBSCAN聚类的改进算法.利用DBSCAN聚类消除训练样本的噪声数据.同时,对于核心样本集中的样本,根据其样本相似度阈值和密度进行样本裁剪,以缩减与待分类样本计算相似度的训练样本个数.实验表明此算法能够在保持基本分类能力不变的情况下,有效地降低分类计算量.     

基于空间广义有序Probit模型的高速公路事故严重程度分析

为深入了解影响高速公路交通事故严重程度的显著因素,以广深沿江高速东莞段2014—2019年事故数据为研究对象,将事故严重程度分为3类（即无伤亡事故、轻伤事故、重伤亡事故）,并以事故严重程度为因变量、13个潜在影响因素为自变量,通过条件自回归先验解析相邻事故间的空间相关性,建立不同关联距离阈值的空间广义有序Probit模型。结果表明：事故数据间存在显著的空间关联;空间广义有序Probit模型优于广义有序Probit模型和多项Logit模型,基于250 m关联距离阈值的空间广义有序Probit模型表现最优。该模型参数估计显示：车辆类型和归属地、事故发生时间、事故地点曲率、桥梁路段和事故类型对高速公路事故严重程度均有显著影响。边际效应结果表明：相对于小汽车间的交通事故,涉及客车、货车和其他类型车辆的交通事故导致人员重伤亡的概率分别增加3.27%、1.53%和4.11%;外省车使得重伤亡事故的发生概率增加1.02%;相对于周末、春季和桥梁路段,工作日、夏季和非桥梁路段发生的交通事故导致人员重伤亡的概率分别提高0.87%、2.38%和0.08%;单车事故导致重伤亡的概率比多车事故低1.64%;事...     

基于门架数据的高速公路运行状态评价研究

高速公路信息化建设日益完善，为了能够更加详尽地掌握高速公路的交通状态，以济青高速为研究对象，通过挖掘门架数据，设计了k均值聚类算法和基于密度的噪声应用空间聚类算法相结合的两阶段聚类方法来识别驶入服务区车辆和异常行驶的车辆，再结合各车型流量占比加权的交通状态指数，从时间和空间维度分析高速公路路段交通状态。研究结果表明，两阶段聚类算法有着很好的识别效果，通过交通状态指标发现在7:00—20:00时段高速公路存在3个交通状态较拥堵的时段，精确地识别出高速公路中交通状态较拥堵的路段，并且发现路段的大车混入率与交通拥堵程度呈现密切的正相关的趋势，最后依据交通状态指数将济青高速路段交通状态划分为4个不同的等级，为交通管理部门提供了路段交通状态评估的技术支持。