Выявление участков повышенной опасности на дорогах Массачусетса в 2013-2018 годах
DOI:
https://doi.org/10.32603/2071-2340-2020-46-58Ключевые слова:
транспорт ДТП кластер DBSCAN статистическое испытание Монте- Карло МассачусетсАннотация
Для выявления участков повышенной опасности на дорогах штата Массачусетс применяется метод кластеризации DBSCAN. Исследуются серьезные (т.е. приведшие к летальному исходу или травмам) дорожно-транспортные происшествия (ДТП) с 2013 по 2018 годы. Алгоритм DBSCAN был также применен к набору равномерно распределенных по дорожной сети точек для определения порога в численности ДТП, после которого кластер можно считать статистически достоверным. Было произведено сравнение двух метрик расстояния: эвклидовой и сетевой. Показано, что обе метрики эквивалентны, если минимальное расстояние между отдельными ДТП в кластере не превышает 10 метров. Последний результат позволяет обосновать гибридный метод кластеризации, применимый для нахождения участков повышенной опасности на дорогах: для нахождения компактных кластеров можно использовать обычные эвклидовы расстояния между ДТП, а дорожную сеть использовать только для генерации равномерно распределенных по сети точек, нужных для выявления достоверных кластеров методом Монте-Карло. Гибридный метод позволяет обработать десятки тысяч ДТП, располагая сравнительно скромными вычислительными ресурсами. Анализ кластеров, выявленных на протяжении нескольких последовательных лет позволяет сделать вывод о их стабильности и прогностической ценности.
Библиографические ссылки
S. Chainey, L. Tompson, and S. Uhlig, “The utility of hotspot mapping for predicting spatial patterns of crime,” Secur J, vol. 21, no. 1, pp. 4–28, 2008; doi: 10.1057/palgrave.sj.8350066
S. Chainey and J. Ratcliffe, GIS and Crime Mapping, Chichester, UK: John Wiley and Sons, 2005; doi: 10.1002/9781118685181
M. Ester, H-P. Kriegel, J. Sander, and X. Xu, “A density-based algorithm for discovering clusters in large spatial databases with noise,” in Proc. KDD’96: 2nd Int. Conf. on Knowledge Discovery and Data Mining, 1996, pp. 226–231.
A. Gramacki, Nonparametric Kernel Density Estimation and Its Computational Aspects, Cham, Swi- tzerland: Springer International Publishing, 2018; doi: 10.1007/978-3-319-71688-6
P. A. P. Moran, “Notes on Continuous Stochastic Phenomena,” Biometrika, vol. 37, no. 1/2, pp. 17–23, 1950; doi: 10.2307/2332142
A. Okabe and K. Sugihara, Spatial Analysis along Networks: Statistical and Computational Methods, Hoboken, NJ, USA: John Wiley & Sons, 2012; doi:10.1002/9781119967101
P. Songchitruksa and X. Zeng, “Getis–Ord Spatial Statistics to Identify Hot Spots by Using Incident Management Data,” Transportation Research Record, no. 2165, pp. 42–51, 2010; doi: 10.3141/2165-05
L. Yingjie, et al., “Mapping the hotspots and coldspots of ecosystem services in conservation priority setting,” Journal of Geographical Sciences, vol. 27, no. 6, pp. 681–696, 2017; doi: 10.1007/s11442-017- 1400-x
Y. Xie and S. Shekhar, “Significant DBSCAN towards Statistically Robust Clustering,” in Proc. SSTD’19: 16th International Symposium on Spatial and Temporal Databases, 2019, pp. 31–40; doi: 10.1145/3340964.3340968
“Massgis data-massachusetts department transportation massdot roads,” in docs.digital.mass.gov, [Online]. Available: https://docs.digital.mass.gov/dataset/massgis-data-massachusetts-department-transportation-massdot-roads
“QGIS,” in www.qgis.org, [Online]. Available: https://www.qgis.org/en/site/
“Open jump,” in www.openjump.org, [Online]. Available: http://www.openjump.org/
“MassDOT Crash Open Data Portal,” in Mass.gov, [Online]. Available: https:// massdot-impact-crashes-vhb.opendata.arcgis.com/search
“SANET,” in sanet.csis.u-tokyo.ac.jp, [Online]. Available: http://sanet.csis.u-tokyo.ac.jp/
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Материал публикуется под лицензией:
