-
公开(公告)号：CN109408557B
公开(公告)日：2021-09-28
申请号：CN201811150213.7
申请日：2018-09-29
Applicant: 东南大学
IPC: G06F16/2458 , G06F16/22 , G06F16/28 , G06Q50/26
Abstract: 本发明公开了一种基于多重对应和K‑means聚类的交通事故成因分析方法，包括如下步骤：(1)根据获取的交通事故数据集，选取影响交通事故发生的变量并分类；(2)通过数据库统计各变量的类别数和相应事故数量，筛选合并异常值的变量类别，得到事故数据表；(3)将得到的事故数据表处理得到二进制指标矩阵；(4)将事故类型作为表征事故特征的变量进行多重对应分析，得到各变量类别的多重对应分析坐标；(5)使用局部线性嵌入算法对事故数据多重对应分析所得变量类别坐标进行降维，得到LLE降维坐标；(6)使用K‑means聚类算法对变量类别进行聚类，并根据聚类结果进行分析。本发明根据聚类结果从多维度综合探究交通事故成因，不仅是分析二维对应分析图。
-
公开(公告)号：CN109448370B
公开(公告)日：2021-09-28
申请号：CN201811268992.0
申请日：2018-10-29
Applicant: 东南大学
IPC: G08G1/01 , G08G1/081 , G06F16/901
Abstract: 本发明公开了一种基于车辆轨迹数据的交通控制子区划分方法，包括如下步骤：对某区域交叉口编号，获取卡口数据、路段长度数据以及该区域路网底图；汇聚卡口数据，将单个车辆的出行链划分成轨迹数据，并剔除无效轨迹；基于最短路原则对缺失的车辆轨迹进行修补；计算一定时段内各交叉口对之间的双向流量，形成交叉口对流量矩阵；以交叉口为节点、交叉口对之间的双向流量作为节点连线的关联度建立全联通的有向网络图，利用随机漫步地图算法对网络图进行初始划分；同类交叉口连通性检验，对现实路网划分非联通部分进行修正；划分结束，将划分结果投射到现实路网上。本发明能够更加充分挖掘交通流的中信息，从全局的角度分析交通网络中的结构。
-
公开(公告)号：CN109448370A
公开(公告)日：2019-03-08
申请号：CN201811268992.0
申请日：2018-10-29
Applicant: 东南大学
IPC: G08G1/01 , G08G1/081 , G06F16/901
Abstract: 本发明公开了一种基于车辆轨迹数据的交通控制子区划分方法，包括如下步骤：对某区域交叉口编号，获取卡口数据、路段长度数据以及该区域路网底图；汇聚卡口数据，将单个车辆的出行链划分成轨迹数据，并剔除无效轨迹；基于最短路原则对缺失的车辆轨迹进行修补；计算一定时段内各交叉口对之间的双向流量，形成交叉口对流量矩阵；以交叉口为节点、交叉口对之间的双向流量作为节点连线的关联度建立全联通的有向网络图，利用随机漫步地图算法对网络图进行初始划分；同类交叉口连通性检验，对现实路网划分非联通部分进行修正；划分结束，将划分结果投射到现实路网上。本发明能够更加充分挖掘交通流的中信息，从全局的角度分析交通网络中的结构。
-
公开(公告)号：CN109408557A
公开(公告)日：2019-03-01
申请号：CN201811150213.7
申请日：2018-09-29
Applicant: 东南大学
IPC: G06F16/2458 , G06F16/22 , G06F16/28 , G06Q50/26
Abstract: 本发明公开了一种基于多重对应和K-means聚类的交通事故成因分析方法，包括如下步骤：(1)根据获取的交通事故数据集，选取影响交通事故发生的变量并分类；(2)通过数据库统计各变量的类别数和相应事故数量，筛选合并异常值的变量类别，得到事故数据表；(3)将得到的事故数据表处理得到二进制指标矩阵；(4)将事故类型作为表征事故特征的变量进行多重对应分析，得到各变量类别的多重对应分析坐标；(5)使用局部线性嵌入算法对事故数据多重对应分析所得变量类别坐标进行降维，得到LLE降维坐标；(6)使用K-means聚类算法对变量类别进行聚类，并根据聚类结果进行分析。本发明根据聚类结果从多维度综合探究交通事故成因，不仅是分析二维对应分析图。
-
-
-
Search Results
4
records
(took 0.014 seconds)
