[发明专利]基于SNN密度ST-OPTICS改进聚类算法的道路交通安全状况监测方法

说明书

本发明公开了一种基于SNN密度ST‑OPTICS改进聚类算法的道路交通安全状况监测方法，包括以下步骤：S1，采集选定道路上的车辆及手机定位数据；S2，对数据进行预处理，并入库；S3，通过关键定位信息进行地图匹配；S4，计算SNN密度相似度图，根据相似度图预估选定道路上行驶的车辆数；S5，通过ST‑OPTICS聚类算法对车辆及手机定位数据点进行聚类分析，输出簇排序；S6，将乘客对象度量值作为支持度，将符合的车辆信息存入数据库；S7，获取满足最小支持度的数据集来进行定位分析。本发明使用智能手机定位数据、基站定位数据及车载GPS技术建立检测模型，对选定道路交通安全状况进行智能检测。

技术领域

本发明涉及智能交通、数据挖掘及大数据处理分析领域，尤其涉及基于SNN密度ST-OPTICS改进聚类算法的道路交通安全状况监测方法。

背景技术

SNN(Shared Nearest Neighbor，共享最近邻)密度度量一个点被类似的点(关于最近邻)包围的程度，基于SNN密度的聚类发现的簇中点相互之间都是强关联。基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声应用的基于密度的空间聚类)的聚类算法中初始参数值ε邻域、Minpts需要手动设定，参数值的细微不同可能导致差别很大的聚类结果。为了克服在聚类分析中使用一组全局参数的缺点，提出了OPTICS(Ordering Points to identify the clustering structure，通过点排序识别聚类结构)聚类分析方法，该方法并不显式地产生数据集聚类，而是生成一个根据参数ε邻域、Minpts计算一个增广的簇排序，这个排序是所有分析对象的线性表，并且代表了数据的基于密度的聚类结构。

发明内容

为了解决现有技术中存在的需要用人工的方式对选定道路的车辆进行监测执法的缺陷，本发明提出了基于SNN密度ST-OPTICS改进聚类算法的道路交通安全状况监测方法，其使用手机定位、基站定位数据及车载GPS技术对选定道路的车辆交通安全状况进行智能监测。

本发明所采用的技术方案是：

一种基于SNN密度ST-OPTICS改进聚类算法的道路交通安全状况监测方法，包括：

S1：采集选定道路上行驶车辆的GPS定位数据以及车载乘客手机的GPS定位数据和基站定位数据；

S2：对数据进行预处理，进而生成可操作性数据集，并存入数据库；

S3：通过包括可操作数据集的经纬度在内的关键定位信息进行地图匹配；

S4：采用可操作性数据集中的手机定位轨迹数据点计算SNN密度相似度图，自动确定可操作性数据集中簇的个数，以此预估选定道路上行驶的车辆数；

S5：通过ST-OPTICS聚类算法对车辆及手机定位数据点进行聚类分析，输出对应的簇排序，以此得出各个簇对应的乘客对象度量值；

S6：将乘客对象度量值作为定位分析模型的支持度，根据选定道路实际规定将符合车辆车载人数N作为其最小支持度，检测行驶车辆，将符合的车辆信息存入对应的数据库；

S7：将满足最小支持度的数据集作为选定道路行驶车辆及手机定位分析模型的依据。

较佳的，S2中对数据进行的预处理包括比对数据格式、剔除逻辑错误数据和补全缺省数据。

较佳的，所述剔除逻辑错误数据包括将可见卫星数少于4的定位数据删除。

较佳的，所述补全缺省数据包括计算信号缺失前后各30秒的轨迹点的位置，以信号缺失前后两个中心位置作为端点，均匀按照间距补齐相应个数的轨迹点。

较佳的，S6中所述符合车辆车载人数N为2。

与现有技术相比，本发明的有益效果是：