模糊聚类法在公路交通事故黑点 成因分析中的应用

通过运用模糊c-划分空间方法,对事故黑点成因进行空间划分.采用模糊聚类ISODATA方法确定模糊划分矩阵和成因各特征指标聚类中心,并进行事故黑点成因聚类分析;利用划分系数F_c(U )和划分的平均棋糊摘H_c(U)对聚类效果进行评价.     

高速公路事故多发路段综合聚类识别方法

利用SPSS统计软件,对发生在该路段3 a内交通事故数据进行统计分析,以欧氏距离为测度、离差平方和法为聚类方法做Q型聚类分析,识别出易发生交通事故路段.实践表明:主分量聚类分析法既能进行科学地统计分析,对各聚类优劣程度做出综合评价,又能充分反映各路段的实际交通安全情况,为交通安全改善的决策提供依据.     

终端区空中交通管制运行品质综合评价

为定量评价繁忙终端区空中交通管制运行品质,以成都终端区为研究对象,针对单跑道终端区,建立了包括管制业务量、安全性能、效率性能、工作负荷及交通拥挤度的管制运行品质定量评价指标体系.根据专家意见选取20个相对独立的指标,给出了基于主成分分析法的综合评价方法.采集覆盖一周每日繁忙时段10:00～22:00的84个样本,得到各时段的管制运行品质综合评价结果.经K-均值聚类分析及实际运行表明,本文方法可行,评价结果与实际情况相符.评价结论为终端区的运行策略优化提供了依据.     

多变量聚类分析的高速公路交通流状态实时评估

针对交通状态单变量判断传统方法的不足,本文建立了基于多变量聚类分析的高速公路交通流状态实时评估方法.结合实际交通流数据,利用模糊聚类、K均值聚类等算法对速度、流量等向量进行聚类分析,给出适合当前高速公路特点的交通状况划分方法和关键参数.本文方法能够实时、准确、全面地反映交通流的运行情况,为制定高效的交通管理控制方案及合理的出行方案提供数据基础.     

道路安全等级定权聚类评价模型及因素辨析

为衡量区域内高等级公路的整体交通安全水平,辨析道路因素对交通安全的影响程度,综合运用灰类白化权函数聚类理论、模糊一致性理论及层次分析法,提出了一种系统评价道路安全性的新方法,通过灰色定权聚类对区域内高等级公路分类,采用模糊一致性矩阵确定聚类权,运用AHP分析道路因素重要度。算例分析结果显示公路5属于低安全等级灰类,层次总排序结果表明平纵线形组合、隔离防护设施、视距和混流程度4项道路因素是导致其安全等级低的主要原因。这说明该方法可客观划分高等级公路安全级别,并对影响交通安全的各项因素按照重要度进行排序,实现了道路交通安全性的系统评价。     

����Ⱥ����·���ڵ���Ҫ�����������о�

城市群是区域城市大系统中具有较强活力的子系统,区域优势显著,在空间联系上具有网络性特点. 客观准确地评价各节点的重要度,是城市群区域公路网布局规划中的一个重要环节. 针对城市群的特点,在公路网节点重要度评估中增加了城市流强度评价指标,节点重要度计算中采用了因子分析法进行客观赋权以避免各指标主观赋权的随意性,为进一步更好区分各节点的重要度等级,采用K-Means聚类方法客观划分了城市节点重要度的类别. 最后以中原城市群为例进行了节点重要度的实例计算,结果表明本文方法具有较好的应用价值.     

新时期我国铁路编组站分类标准探讨

分析了现有编组站分类标准的不适应性,提出了编组站分类的主要技术指标,运用模糊聚类分析方法对编组站分类问题进行研究。首先运用模糊c-划分方法对编组站进行合理的空间划分,在此基础上采用模糊聚类ISODATA方法对编组站进行聚类分析,并利用划分系数Fc（U）和划分的平均模糊熵Hc（U）对聚类效果进行评价,最后对我国铁路现有4...     

��������ڼ�ͥ���ͻ����е�Ӧ�÷���

在运用类型分析法对居民家庭出行产生量进行预测的过程中，可以运用聚类分析法来划分出行家庭的类型，快捷地实现家庭类型划分的实际操作过程。运用聚类分析法的思想，采用K-均值聚类方法，辅助统计软件的计算手段，以不同的相似度标准来确定和划分出行家庭类型。这种分析思路及演算过程避免了类型分析法以往的一些问题，提高了可操作性。     

基于主成分-聚类分析的事故热点识别方法研究

为提高道路交通安全性,消除事故隐患,提出了一种应用主成分-聚类分析的热点识别方法,以主成分分析法量化各路段的安全性并提取主分量,利用Canopy-K Means组合聚类算法对主成分综合评价函数进行聚类划分,筛选出事故热点路段,通过对G50沪渝高速安徽段的热点路段识别结果表明：主成分-聚类分析法既能进行科学的事故统计分析,有效识别事故热点路段,又能充分反映各路段的实际交通安全情况,可为道路交通安全的改善决策提供科学、合理的决策依据。     

走廊层面交通小区划分方法的优化

基于公交客运走廊划分的交通小区，可为走廊公交线网优化提供更为符合公交乘客出行特征的需求分析和预测基础.本研究针对公交客运走廊特点，将走廊划分为直接影响区和间接影响区，提出分层次的交通小区划分理论.针对走廊不同影响区在需求预测和分析中对结果精度要求的不同，基于大数据选取更加适合公交走廊交通小区划分的聚类指标，提出直接影响区细分和间接影响区合并的划分方法，并通过引入聚类因子初步确定聚类数目和交通小区中心对传统聚类方法进行改进，克服了传统聚类方法随机选取聚类数目和中心而影响聚类精度的不足.最后，基于多源异构大数据对广渠路走廊进行实例验证，结果表明，本研究提出的分层次小区划分方法较传统方法在适用于公交客运走廊需求分析和预测划分精度方面更优.