基于DENCLUE 聚类算法的交通事故多发点鉴别方法
2013-10-21王鸿遥游克思
交通运输工程与信息学报 2013年2期
关键词:影响
王鸿遥 孙 璐 游克思
1.烟台公路局,山东,烟台 264000
2.东南大学交通学院,南京 210096
3.美国华盛顿Catholic 大学,土木工程系,美国,华盛顿 20064
0 引 言
事故多发点是指在一定的时间内交通事故在道路沿线呈现积聚的空间分布状态。对事故多发点的合理诊断与改善能够有效地降低交通事故率,提高道路安全水平。
现有事故多发点鉴别方法的差别主要体现在不同的定量化判别指标[1-5],常见的有基于事故数的绝对指标(如累计频率曲线法);基于事故率的相对指标(如意大利方法,质量控制法等);综合事故数-事故率方法(如矩阵法等)。
目前,这些方法在事故多发点的鉴别应用中主要表现在以下几个方面的不足:(1)需要事先对要排查的道路进行路段划分,这样容易将原本事故积聚的位置人为地分隔为两个或多个排查路段,导致事故多发点的遗漏,又不能很好地反映出事故多发点在道路上分布长度的任意性及对其进行排查的随机性。(2)单独考虑事故多发点,忽略其对周边环境危险性的影响。事实上事故的发生是由于发生点周边的道路交通环境与驾驶员等因素相互作用的结果。(3)项目级事故多发点的鉴别存在“小样本、长周期”的特点,采用传统的事故多发点鉴别方法容易遗漏事故多发点。
针对上述存在的问题,本文提出了一种基于DENCLUE 核密度聚类算法的事故多发点鉴别方法,算法中用影响函数来描述每个事故点对周围的影响;在多发点识别中反映实际道路事故密集区域,避免了事先对路段进行划分,同时还能实现任意道路多发点长度的聚类;……
登录APP查看全文
