排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
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. 相似文献
2.
以既有路段为研究对象,分别基于理想道路中线平面坐标数据和实测道路中线平面坐标数据对比分析三次样条插值法、最小二乘拟合法、纬地平面智能布线法的适用性和稳定性,提出等距分组最小二乘拟合圆曲线法。结果表明,对于理想道路中线平面坐标数据,3种方法恢复的圆曲线半径均可靠,其中最小二乘拟合法恢复缓和曲线长度的结果不稳定;对于实测道路中线平面坐标数据,三次样条插值法的适用性差且增大测量点密度不能提升恢复结果的可靠性,最小二乘拟合法和纬地平面智能布线法恢复圆曲线半径较可靠且通过增大测量点密度可在一定程度上提升缓和曲线长度恢复的可靠性。 相似文献
3.
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. 相似文献
1