文档名：基于网络核密度估计的交通事故黑点识别
摘要：为了对交通事故多发点进行分析,识别事故黑点并进行针对性治理,以深圳市龙华区2018-2020年3年间的1105起道路交通事故数据及道路网络数据作为研究对象,采用高斯函数作为内核函数的道路网络核密度估计,通过K-means聚类进行路段密度等级划分.为进一步考虑路段之间的相关性,提高事故多发点识别精度,采用LocalMoran'sⅠ对事故多发点进行识别.对比平面核密度估计结果表明,所采用的基于网络核密度的LocalMoran'sⅠ的方法体现了事故多发点在路段及交叉口的分布特征.研究结论对识别事故黑点、进一步提高交通安全水平具有现实意义.
作者：罗叶 祁首铭 张希 廉冠 杨海华 Author：LUOYe QIShouming ZHANGXi LIANGuan YANGHaihua
作者单位：深圳市城市公共安全技术研究院有限公司,广东深圳518000深圳市城市公共安全技术研究院有限公司,广东深圳518000;哈尔滨工业大学土木与环境学院,广东深圳518055桂林电子科技大学建筑与交通工程学院,广西桂林541004中国建设基础设施有限公司,北京100029
刊名：大连交通大学学报 ISTIC
Journal：JournalofDalianJiaotongUniversity
年，卷(期)：2023, 44(4)
分类号：
关键词：城市道路交通事故 网络核密度 事故黑点识别 K-means聚类 LocalMoran’sⅠ
Keywords：urbantrafficaccident networkkerneldensity identificationofaccidentblackspots K-meanscluster LocalMoran'sⅠ
机标分类号：U491.3P208TP391
在线出版日期：2023年10月31日
基金项目：国家自然科学基金，广西青年科学基金项目，广西科技基地和人才专项基于网络核密度估计的交通事故黑点识别[
期刊论文] 大连交通大学学报--2023, 44(4)罗叶 祁首铭 张希 廉冠 杨海华为了对交通事故多发点进行分析,识别事故黑点并进行针对性治理,以深圳市龙华区2018-2020年3年间的1105起道路交通事故数据及道路网络数据作为研究对象,采用高斯函数作为内核函数的道路网络核密度估计,通过K-means聚类进...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于网络核密度估计的交通事故黑点识别 Identifying Urban Road Black Spots Based on Network Kernel Density
基于网络核密度估计的交通事故黑点识别.pdf
- 文件大小:
- 9.58 MB
- 下载次数:
- 60
-
高速下载
|
|
