黄钢,瞿伟斌等: 基于改进密度聚类算法的交通事故地点聚类研究

微信关注公众号(Lambda在线)

第一时间推送最新技术资料

点击蓝字

基于改进密度聚类算法的交通事故地点聚类研究


 黄 钢*,瞿伟斌,许卉莹 


摘要:交通事故特征受地域分布影响显著,本文对交通事故特征进行优化聚类研究.基于2019年无锡市交通事故数据,调用开放地图接口地理编码解算事故地点经纬度,使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈 值的准确输入,为解决这一局限,建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型,并与原始聚类模型进行对比.结果表明,优化算法在参数确定上更加智能,对簇的划分更加准确,对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分,证明了该算法在城市道路交通事故地理位置聚类中的适用性. 


原载: 交通运输系统工程与信息,2020, 20(5): 169-176


全文: 请扫描下方二维码获取全文PDF



我知道你  在看  哦

版权申明:本站内容全部来自于腾讯微信公众号,属第三方自助提交推荐。《黄钢,瞿伟斌等: 基于改进密度聚类算法的交通事故地点聚类研究》的版权归原作者「交通运输系统工程与信息」所有, 文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

交通运输系统工程与信息

交通运输系统工程与信息

发布《交通运输系统工程与信息》最新资讯,本期刊由中国

猜你喜欢