基于改进密度聚类算法的交通事故地点聚类研究

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.     

密度峰值聚类算法研究综述

密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到广泛应用。但DPC算法也有着一定的缺陷，如：对截断距离参数敏感，初始聚类中心的选择非自动化，后续标签分配存在链式问题，时间复杂度较高等。文章对DPC算法的研究现状进行了总结与整理，首先介绍了DPC的算法原理和流程；其次，针对DPC算法的不足对DPC算法的优化进行概括和分析，指出了优化算法的核心技术以及优缺点；最后，对DPC算法未来可能面对的挑战和发展趋势进行展望。     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

基于DENCLUE聚类算法的交通事故多发点鉴别方法

针对目前交通事故多发点鉴别常用方法存在的问题,引入了DENCLUE聚类算法用于事故多发点鉴别。对DENCLUE聚类算法的基本原理,基本定义及计算步骤进行了阐述,重点分析了该算法用于事故多发点鉴别的可行性。实例计算结果表明：与传统事故多发点鉴别法方法相比,该算法能有效的避免对排查位置进行事先划分,实现任意长度聚类;同时,在事故数据小样本的情况下,能充分凸显道路沿线的危险性,可以有效地应用于事故多发点鉴别的研究。     

基于轨迹压缩的航空器飞行轨迹聚类研究

为准确掌握终端区航空器飞行模式,有效评估、优化飞行程序,首先,针对飞行轨迹点的时空特性,提出基于时间比的自上向下算法压缩轨迹;其次,结合轨迹点的速度和航向特征,建立基于多维属性特征的轨迹相似性模型;最后,应用禁忌粒子群(TSPSO)算法改进和优化模糊C-均值聚类(FCM)算法,并结合终端区的真实飞行轨迹数据对改进聚类算法进行验证.结果表明:轨迹压缩技术极大地降低了计算开销;与传统的FCM算法相比,改进后的聚类算法可以得到更优的满意解,提高飞行轨迹聚类效果.     

两阶段混合粒子群优化聚类

为解决数据集样本维数较高时已有粒子群优化K均值算法计算速度较慢且聚类结果不稳定的问题,利用第1阶段聚类层次凝聚聚类获得准确率较高的子簇集合,作为粒子群优化K均值聚类算法初始聚类中心的搜索空间,进行第2阶段聚类.提出了一种简化的粒子编码方法,以减小样本维数对计算复杂度的影响;引入混沌的思想,以保持粒子种群的多样性,从而避免粒子群优化算法可能出现的早熟现象.通过两阶段聚类,有效地融合了粒子群优化、层次聚类与划分聚类算法的优点.在多个UCI数据集上的聚类结果表明,与几种对比算法聚类结果的最优值相比,其纯度分别提高了1%~8%,且耗时减少50%以上.      

大数据k-Means聚类挖掘优化算法

基于数据规模导致难以应对的存储量、数据规模导致传统算法失效、大数据复杂的数据关联性导致高复杂度的计算等问题,对大数据下的k-means聚类优化算法进行研究,给出了适用于大数据任务处理的MapReduce软件架构的模型机制,通过改进k-means初始聚类中心的选取,提出了一种基于MapReduce模型的k-means聚类优化算法.最后将改进的算法应用于煤炭煤质的分析中,结果显示较传统算法,改进算法的效率有明显提高.     

基于投影寻踪动态聚类的快速路交通状态判别

为了提高快速路交通运行状态的判别精度,利用地点交通参数与交通状态之间的映射关系,提出了基于投影寻踪动态聚类模型的快速路交通状态判别方法.该方法综合投影寻踪技术和动态聚类方法构造投影指标函数,采用混合蛙跳算法优化投影指标函数的投影方向获得最佳投影方向,并利用仿真数据标定了交通状态判别阈值.结合仿真数据和实测数据进行了实验验证和对比分析.实验结果表明,投影寻踪动态聚类模型能够有效提高快速路交通状态判别精度,平均判别率为97.01%,平均误判率为0.86%,平均判别精度分别比BP神经网络模型和模糊C均值聚类模型方法提高了8.9%和4.5%.      

高速公路交通事故类平均系统聚类法实证分析

道路的交通事故诱发的原因多种多样,而同一段路上的交通事故的表现形式也很多。在选取事故形态表现形式和伤亡状况指标的基础上,采用系统聚类法中的类平均法对某段高速公路的事故状况进行分析,把具有某种共性的事故表现形式划归为一类,并对结果进行判别分析来检验聚类的效果,结果表明类别的划分突出特性,反应交通事故的主要事故形态,很大程度上反应事故原因,有利于相关部门采取相应的措施。     

基于密度半径自适应选择的K-均值聚类算法

K-均值算法聚类速度快,易于实现,且对数据依赖度低,在文本聚类中得到广泛应用.然而,由于聚类初始中心点选择的随机性,传统K-均值算法以及其变种的聚类结果会产生较大的波动.文章对K-均值算法进行了改进,通过自适应选择最佳密度半径进而优化聚类初始中心选择的方法,得到一种适合文本数据聚类分析的改进算法.实验表明,该算法能够生成质量较高而且波动性较小的聚类结果.     

基于遗传动态模糊聚类的道路交通状态判定方法

针对当前城市道路交通状态判定时采用的模糊c均值聚类(FCM)和c均值聚类等方法的有效性较差的状况,提出了一种基于遗传算法的动态模糊聚类方法,通过计算交通流参数之间的模糊相似性,不失真地反映它们之间的内在关联,同时将交通流参数之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面,利用遗传算法不断优化两者之间的映射,使交通流参数之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类,仿真实验结果证明了该方法的可行性和有效性.     

基于MFCM的改进聚类算法及其在交通中的应用

在交通流状态模糊化的过程中,对已有的交通模糊控制研究引入了太多的主观因素.为了解决这个问题,提出了一种基于MFCM算法的分级递减聚类算法,利用MFCM算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类别数数据集的聚类.将改进算法应用到交通流状态聚类中,可以更科学地确定交通流状态的聚类数和各类模糊隶属度函数的结构等,最后,通过算例,说明了该算法对于未知聚类数及服从高斯分布的数据集具有聚类效果好、收敛速度快的特点.     

基于互联网数据城市快速路地点安全分析方法

现有的城市交通安全分析主要考虑人财物的直接损失,却忽略了事故产生的交通延误等间接损失,同时也较少利用互联网海量数据进行分析.本文建立了基于互联网文本数据的城市交通事故属性模型,采用模糊系统聚类法划分事故交通影响等级,构建了基于绝对事故次数、损害后果和交通影响的等效事故次数模型,并将其应用于累积频率曲线和K-means聚类的城市快速路地点安全组合评价方法中.北京市快速路地点安全评价结果表明,本文所提出的方法可有效地将互联网安全文本数据应用于城市交通安全分析中,分析结果可为城市交通安全管理提供有益的借鉴.     

基于车流冲突线的无信号交叉口风险分析

为更客观、系统地分析无信号交叉口的安全性能,提出“车流冲突线”概念.通过分析首部车冲突概率、碰撞后严重程度比和冲突向后传递长度,构建无信号交叉口安全风险评估模型.研究表明：基于临界冲突距离值构建的首部车冲突概率模型,考虑两车速度、角度、加速度和反应时间,更接近交通冲突的真实过程;借助物理碰撞学原理可确定 3种冲突型态碰撞严重程度的权重关系,即,交叉∶合流∶分流为 12.705∶1.000∶1.000;利用数学期望知识建立的交叉口当量期望车流冲突量模型,综合考虑冲突发生的潜在机率、交通量大小、车辆位置等因素,可更真实描述实际车流冲突行为.     

基于车流冲突线的无信号交叉口风险分析

为更客观、系统地分析无信号交叉口的安全性能,提出“车流冲突线”概念.通过分析首部车冲突概率、碰撞后严重程度比和冲突向后传递长度,构建无信号交叉口安全风险评估模型.研究表明：基于临界冲突距离值构建的首部车冲突概率模型,考虑两车速度、角度、加速度和反应时间,更接近交通冲突的真实过程;借助物理碰撞学原理可确定 3种冲突型态碰撞严重程度的权重关系,即,交叉∶合流∶分流为 12.705∶1.000∶1.000;利用数学期望知识建立的交叉口当量期望车流冲突量模型,综合考虑冲突发生的潜在机率、交通量大小、车辆位置等因素,可更真实描述实际车流冲突行为.     

基于分位速度的城市突发事件交通影响等级划分方法

城市交叉口是突发事件发生的集中区域，突发事件发生后容易引发区域性拥堵，交通管理部门难以直观地对突发事件采取相应的应急措施. 建立一种定量的评价突发事件对交通影响等级的方法，对交通管理部门制定相应级别的应急措施有着重要的参考价值. 本文基于水波学原理，利用交通影响系数概念，融合分位速度建立了交通影响等级阈值模型. 利用样本数据建模得到交叉口附近车速与位置关系，并对速度与空间位置关系曲线，以及交叉口各方向流量比进行整合分析，得到交叉口的交通影响等级阈值. 利用文献中的案例进行实例验证，结果表明，划分的等级与事故现场实际描述是一致的. 研究结果可以为交通应急管理部门快速响应，采取合理有效的应急措施提供决策依据.     

基于分位速度的城市突发事件交通影响等级划分方法

城市交叉口是突发事件发生的集中区域，突发事件发生后容易引发区域性拥堵，交通管理部门难以直观地对突发事件采取相应的应急措施. 建立一种定量的评价突发事件对交通影响等级的方法，对交通管理部门制定相应级别的应急措施有着重要的参考价值. 本文基于水波学原理，利用交通影响系数概念，融合分位速度建立了交通影响等级阈值模型. 利用样本数据建模得到交叉口附近车速与位置关系，并对速度与空间位置关系曲线，以及交叉口各方向流量比进行整合分析，得到交叉口的交通影响等级阈值. 利用文献中的案例进行实例验证，结果表明，划分的等级与事故现场实际描述是一致的. 研究结果可以为交通应急管理部门快速响应，采取合理有效的应急措施提供决策依据.     

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。      

考虑连接性的路网划分算法

针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分.