[發明專利]基于SNN密度ST-OPTICS改進聚類算法的道路交通安全狀況監測方法

有效

• 申請號: 201810605328.4
• 申請日: 2018-06-13
• 公開（公告）號: CN108765954B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 劉云翔;陳斌;徐琛;李曉丹;施偉
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06V20/54;G06V20/40;G06V10/762;G06K9/62
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明公開了一種基于SNN密度ST?OPTICS改進聚類算法的道路交通安全狀況監測方法，包括以下步驟：S1，采集選定道路上的車輛及手機定位數據；S2，對數據進行預處理，并入庫；S3，通過關鍵定位信息進行地圖匹配；S4，計算SNN密度相似度圖，根據相似度圖預估選定道路上行駛的車輛數；S5，通過ST?OPTICS聚類算法對車輛及手機定位數據點進行聚類分析，輸出簇排序；S6，將乘客對象度量值作為支持度，將符合的車輛信息存入數據庫；S7，獲取滿足最小支持度的數據集來進行定位分析。本發明使用智能手機定位數據、基站定位數據及車載GPS技術建立檢測模型，對選定道路交通安全狀況進行智能檢測。

技術領域

本發明涉及智能交通、數據挖掘及大數據處理分析領域，尤其涉及基于SNN密度ST-OPTICS改進聚類算法的道路交通安全狀況監測方法。

背景技術

SNN(Shared Nearest Neighbor，共享最近鄰)密度度量一個點被類似的點(關于最近鄰)包圍的程度，基于SNN密度的聚類發現的簇中點相互之間都是強關聯。基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪聲應用的基于密度的空間聚類)的聚類算法中初始參數值ε鄰域、Minpts需要手動設定，參數值的細微不同可能導致差別很大的聚類結果。為了克服在聚類分析中使用一組全局參數的缺點，提出了OPTICS(Ordering Points to identify the clustering structure，通過點排序識別聚類結構)聚類分析方法，該方法并不顯式地產生數據集聚類，而是生成一個根據參數ε鄰域、Minpts計算一個增廣的簇排序，這個排序是所有分析對象的線性表，并且代表了數據的基于密度的聚類結構。

發明內容

為了解決現有技術中存在的需要用人工的方式對選定道路的車輛進行監測執法的缺陷，本發明提出了基于SNN密度ST-OPTICS改進聚類算法的道路交通安全狀況監測方法，其使用手機定位、基站定位數據及車載GPS技術對選定道路的車輛交通安全狀況進行智能監測。

本發明所采用的技術方案是：

一種基于SNN密度ST-OPTICS改進聚類算法的道路交通安全狀況監測方法，包括：

S1：采集選定道路上行駛車輛的GPS定位數據以及車載乘客手機的GPS定位數據和基站定位數據；

S2：對數據進行預處理，進而生成可操作性數據集，并存入數據庫；

S3：通過包括可操作數據集的經緯度在內的關鍵定位信息進行地圖匹配；

S4：采用可操作性數據集中的手機定位軌跡數據點計算SNN密度相似度圖，自動確定可操作性數據集中簇的個數，以此預估選定道路上行駛的車輛數；

S5：通過ST-OPTICS聚類算法對車輛及手機定位數據點進行聚類分析，輸出對應的簇排序，以此得出各個簇對應的乘客對象度量值；

S6：將乘客對象度量值作為定位分析模型的支持度，根據選定道路實際規定將符合車輛車載人數N作為其最小支持度，檢測行駛車輛，將符合的車輛信息存入對應的數據庫；

S7：將滿足最小支持度的數據集作為選定道路行駛車輛及手機定位分析模型的依據。

較佳的，S2中對數據進行的預處理包括比對數據格式、剔除邏輯錯誤數據和補全缺省數據。

較佳的，所述剔除邏輯錯誤數據包括將可見衛星數少于4的定位數據刪除。

較佳的，所述補全缺省數據包括計算信號缺失前后各30秒的軌跡點的位置，以信號缺失前后兩個中心位置作為端點，均勻按照間距補齊相應個數的軌跡點。

較佳的，S6中所述符合車輛車載人數N為2。

與現有技術相比，本發明的有益效果是：