内河水上交通事故时有发生,对水路运输安全、高效发展带来威胁。研究提出一种基于自适应参数的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法,用于识别内河事故黑点水域。该方法支持对邻域半径ε和邻域中...内河水上交通事故时有发生,对水路运输安全、高效发展带来威胁。研究提出一种基于自适应参数的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法,用于识别内河事故黑点水域。该方法支持对邻域半径ε和邻域中数据对象数目阈值P_(min)参数的自动选取,可提高聚类分析的精度和效率。基于2010—2019年长江干线下游散货船舶事故数据开展案例研究,对各典型事故黑点段的事故特征和事故原因进行分析,得到8个事故黑点。此外,采用Getis-Ord General G聚类识别事故黑点中的高等级事故区域,得到事故黑点及高等级事故主要分布于江心洲、桥区、港口码头区域。研究结果与实际情况基本吻合,一定程度上表明了该方法在内河水上交通事故分布特征分析上的科学性和实用性。展开更多
随着我国港口吞吐量日益增长,沿海水域交通变得繁忙且船舶事故时有发生。以舟山水域作为研究对象,利用热力图、DBSCAN聚类算法及Getis-Ord General G分析方法对舟山船舶事故数据进行综合分析,识别水域交通事故黑点,提供事故的空间分布,...随着我国港口吞吐量日益增长,沿海水域交通变得繁忙且船舶事故时有发生。以舟山水域作为研究对象,利用热力图、DBSCAN聚类算法及Getis-Ord General G分析方法对舟山船舶事故数据进行综合分析,识别水域交通事故黑点,提供事故的空间分布,并结合经纬度和事故严重程度信息揭示了潜在的高风险区域,从而为地区海事安全管理与事故预防提供科学依据。展开更多
文摘内河水上交通事故时有发生,对水路运输安全、高效发展带来威胁。研究提出一种基于自适应参数的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法,用于识别内河事故黑点水域。该方法支持对邻域半径ε和邻域中数据对象数目阈值P_(min)参数的自动选取,可提高聚类分析的精度和效率。基于2010—2019年长江干线下游散货船舶事故数据开展案例研究,对各典型事故黑点段的事故特征和事故原因进行分析,得到8个事故黑点。此外,采用Getis-Ord General G聚类识别事故黑点中的高等级事故区域,得到事故黑点及高等级事故主要分布于江心洲、桥区、港口码头区域。研究结果与实际情况基本吻合,一定程度上表明了该方法在内河水上交通事故分布特征分析上的科学性和实用性。
文摘随着我国港口吞吐量日益增长,沿海水域交通变得繁忙且船舶事故时有发生。以舟山水域作为研究对象,利用热力图、DBSCAN聚类算法及Getis-Ord General G分析方法对舟山船舶事故数据进行综合分析,识别水域交通事故黑点,提供事故的空间分布,并结合经纬度和事故严重程度信息揭示了潜在的高风险区域,从而为地区海事安全管理与事故预防提供科学依据。
