原文传递
基于改进自然最近邻聚类的道路网事故热点识别与评估
| 论文题名： | 基于改进自然最近邻聚类的道路网事故热点识别与评估 |
| 关键词： | 道路网;道路安全信息;事故热点识别;自然最近邻聚类;热点发现算法 |
| 摘要： | 驾驶员能从准确的道路网事故热点分析结果中获取事故发生地点、事故发生原因、事故发生时间等道路安全信息，这对于为驾驶员创建一个安全的行车环境是至关重要的。因此，事故热点分析是解决道路安全策略的关键问题，其中包括热点发现，热点评价，热点分析及热点动态预测四个方面。本文提出了一种热点发现算法DTH3N，并提出了基于PCA的热点内特性分析方法。具体内容如下： ①简述了道路网事故热点识别和评估的基本方式，并详细介绍了作为所提出热点识别算法基础的自然最近邻（3N）概念以及相应的自然最近邻聚类算法（CB3N），同时分析了经典的复合安全性能指数（CSPI）事故热点评估模型的优势和不足，进而详细介绍了应用于事故热点事故成因分析的主成分分析（PCA）。 ②提出了DTH3N的热点识别算法，对其算法思想，聚类过程进行详细描述，并给出算法相应参数的筛选标准。基于数据库STATs19的事故数据在MATLAB上进行一系列实验。实验结果显示，与现有聚类算法相比，本文所提出的DTH3N在对空间簇的分离上表现出很好的性能。 ③基于CSPI值，定义两个事故热点成因因子，并基于PCA构建相应的事故热点成因因子综合权重模型。实验结果表明，本文所提出的事故热点成因分析模型所获取的输出参数可以作为热点评估的补充。 |
| 作者： | 朱颖祥 |
| 专业： | 信号与信息处理 |
| 导师： | 韩庆文 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
