CN108399739A - 一种重点监管路段选取方法 - Google Patents

一种重点监管路段选取方法 Download PDF

Info

Publication number
CN108399739A
CN108399739A CN201710385973.5A CN201710385973A CN108399739A CN 108399739 A CN108399739 A CN 108399739A CN 201710385973 A CN201710385973 A CN 201710385973A CN 108399739 A CN108399739 A CN 108399739A
Authority
CN
China
Prior art keywords
emphasis
longitude
section
latitude
supervision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710385973.5A
Other languages
English (en)
Inventor
杨惠琴
邓院昌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN201710385973.5A priority Critical patent/CN108399739A/zh
Publication of CN108399739A publication Critical patent/CN108399739A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Abstract

本发明提供一种重点监管路段选取方法，该方法通过收集所有摩托车违法数据中的地址信息，按照监管区域筛选区域的地址信息，将筛选出的地址转换成经纬度，对转换得到的经纬度进行二分K‑means聚类，将聚类后的经纬度转换成地址信息，从而得到重点监管路段地址。该方法减少了决策者在做选取时的必要条件(不需要决策者对监管路段有较多先验知识)，对以往的交通违法数据进行合理地挖掘，能较好地辅助交通管理部门提升交通安全管理水平。

Description

一种重点监管路段选取方法
技术领域
本发明涉及信息技术领域，更具体地，涉及一种重点监管路段选取方法。
背景技术
监管又称管制、规制等。监管是政府相关机构为公共物品更好地发挥作用，依据法律授权而做出的一种政府行为，是为了克服市场失灵，维护良好的经济绩效。监管一般分为经济监管和社会监管，道路交通安全监管属于社会监管。社会监管的直接目的比较复杂，它涉及环境保护、公众健康、安全等各个领域，其中，对安全的监管被认为是最直接最有效的监管，因为安全是国家稳定发展的必要前提。中国道路交通安全监管的主管部门是交通运输和公安部。
交通事故预防工作是高速公路交通管理中的一项重要的基础性工作，也是体现高速公路交通管理水平的一个重要标志。事前的监管是最有效率的监管，因为它完全避免了事故可能带来的对财产和人身带来的一些的伤害，如果事前的监管做的好，能对整个道路交通安全监管起到事半功倍的效果。然而，与欧美国家相比，我国道路交通事故防范措施仍然存在较多不足，如我国机动车安全标准不够完善、我国的交通方面的数据库仍然存在很大缺陷。在交通违法数据库仅对违法事件的地址做了记录，而未记录其经纬度信息，这为后续数据挖掘工作的开展设置了障碍。
道路交通违法数据分析是公安交通管理部门掌握交通违法形势、研究交通违法规律特点、制定交通违法管理工作对策的依据，是交通管理的一项基础性工作。利用交通违法信息数据进行科学分析，找出其内在特征和规律，为开展交通管理决策，开展有针对性的交通违法治理、维护道路交通秩序、预防和减少交通事故等提供分析参考。
目前的交通监管路段的选取往往是由决策者的历史经验而决定的，监管好坏很大程度取决于决策者的了解程度。这种监管路段选取方式对监管区域不太熟悉的决策者提出了巨大挑战。总体而言，这种监管路段选取方法存在一定的盲目性，对决策者的先验知识要求较高。此外，它并没有很好地挖掘出交通违法数据所蕴藏的信息。交通违法历史数据通常蕴含着大量有用信息，通过挖掘这些历史数据以获得新的知识去指导监管路段的选取无疑是更加科学高效的。
发明内容
本发明提供一种可选择出较为合适的重点监管路段的重点监管路段选取方法。
为了达到上述技术效果，本发明的技术方案如下：
一种重点监管路段选取方法，包括以下步骤：
S1：收集所有摩托车违法数据中的地址信息；
S2：按照监管区域筛选区域的地址信息；
S3：将筛选出的地址转换成经纬度；
S4：对转换得到的经纬度进行二分K-means聚类；
S5：将聚类后的经纬度转换成地址信息，从而得到重点监管路段地址。
进一步地，所述步骤S3中，找出每辆摩托车的交通违法地点的经度和维度，应用二分K-means算法分别计算设定的重点监管路段数的情况下，摩托车交通违法重点监管路段的经纬度坐标。
进一步地，所述步骤S3中二分K-means聚类的过程如下：
a)输入聚类数目K，确定距离函数；
b)将所有的点看成一个簇V，放到簇集S中；
c)循环从簇集S中取出一个簇，用K-means算法做二分聚类，选择具有最小SSE的2个簇，并把它们放回簇集S中；
d)判断是否达到聚类数目K，若满足，则算法终止，否则，重复步骤c)。
进一步地，所述步骤S5中，对步骤S4中经二分K-means聚类得到的数据即聚类中心，进行逆地理编码将经纬度数据转换成地址信息。
与现有技术相比，本发明技术方案的有益效果是：
本发明方法通过收集所有摩托车违法数据中的地址信息，按照监管区域筛选区域的地址信息，将筛选出的地址转换成经纬度，对转换得到的经纬度进行二分K-means聚类，将聚类后的经纬度转换成地址信息，从而得到重点监管路段地址。该方法减少了决策者在做选取时的必要条件(不需要决策者对监管路段有较多先验知识)，对以往的交通违法数据进行合理地挖掘，能较好地辅助交通管理部门提升交通安全管理水平。
附图说明
图1为重点监管路段选取方法的流程图；
图2本发明中不包含经纬度信息的原始摩托车违法数据截图；
图3本发明中利用百度API求得经纬度之后的数据信息数据截图；
图4本发明中聚类后得到的12个监管路段地理位置示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
以广州市摩托车重点监管路段选取为例。广州市曾经作为国内摩托车保有量较大的城市之一，面对摩托车给交通安全、社会治安、环保等方面带来日益严重的负面影响，于2007年1月1日起在市区范围内实行“禁摩”，并按不同区域的交通供求状况采取差别化政策，在中心城区禁摩，但在番禺、花都等外围区域只采取了限制上牌的政策。为了减少摩托车的交通违法、配合“禁摩”政策的稳步实施，必须加强摩托车的道路交通管理。另一方面，由于摩托车交通违法现象存在其时空分布特点和一定的区域集中性，在人力物力有限的情况下，合理地选取摩托车交通违法重点监管路段具有重要意义。广州市摩托车重点监管路段选取的具体实施过程如下(如图1所示)：
1)利用2015年广州市摩托车交通违法数据，经过数据库清洗，删除不完整数据后得到违法记分数大于0的摩托车交通违法数据记录，共47810条，原始数据信息如图2所示。
2)利用百度地图API将违法地址解析成经纬度，结果如图3所示。
3)对地理坐标进行二分K-means聚类。首先，利用百度API找出每辆摩托车的交通违法地点的经度和维度。应用二分K-means算法分别计算当设定重点监管路段数在5个、8个、12个情况下，广州市摩托车交通违法重点监管路段的经纬度坐标。二分K-means算法过程主要为：
a)输入聚类数目K，确定距离函数；
b)将所有的点看成一个簇V，放到簇集S中；
c)循环从簇集S中取出一个簇，用K-means算法做二分聚类，选择具有最小SSE的2个簇，并把它们放回簇集S中；
d)判断是否达到聚类数目K，若满足，则算法终止，否则，重复步骤c)；
4)对聚类结果进行地址解析。
a)若在广州市设置5个摩托车交通违法重点监管路段，聚类情况以及经纬度解析结果见表1。
表1 5个重点监管路段
b)表2展示了设置8个摩托车违法重点监管路段的情况。
表2 8个监管路段
c)若设置重点监管路段的个数为12个，则具体位置如图4所示。其中，以番禺区光明北路和花都区龙津西街为簇心的类所包含的数据点较多，说明其附近摩托车造成的交通违法事件较多，需要重点加强监管。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (4)

1.一种重点监管路段选取方法，其特征在于，包括以下步骤：
S1：收集所有摩托车违法数据中的地址信息；
S2：按照监管区域筛选区域的地址信息；
S3：将筛选出的地址转换成经纬度；
S4：对转换得到的经纬度进行二分K-means聚类；
S5：将聚类后的经纬度转换成地址信息，从而得到重点监管路段地址。
2.根据权利要求1所述的重点监管路段选取方法，其特征在于，所述步骤S3中，找出每辆摩托车的交通违法地点的经度和维度，应用二分K-means算法分别计算设定的重点监管路段数的情况下，摩托车交通违法重点监管路段的经纬度坐标。
3.根据权利要求2所述的重点监管路段选取方法，其特征在于，所述步骤S3中二分K-means聚类的过程如下：
a)输入聚类数目K，确定距离函数；
b)将所有的点看成一个簇V，放到簇集S中；
c)循环从簇集S中取出一个簇，用K-means算法做二分聚类，选择具有最小SSE的2个簇，并把它们放回簇集S中；
d)判断是否达到聚类数目K，若满足，则算法终止，否则，重复步骤c)。
4.根据权利要求3所述的重点监管路段选取方法，其特征在于，所述步骤S5中，对步骤S4中经二分K-means聚类得到的数据即聚类中心，进行逆地理编码将经纬度数据转换成地址信息。
CN201710385973.5A 2017-05-26 2017-05-26 一种重点监管路段选取方法 Pending CN108399739A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710385973.5A CN108399739A (zh) 2017-05-26 2017-05-26 一种重点监管路段选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710385973.5A CN108399739A (zh) 2017-05-26 2017-05-26 一种重点监管路段选取方法

Publications (1)

Publication Number Publication Date
CN108399739A true CN108399739A (zh) 2018-08-14

Family

ID=63094267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710385973.5A Pending CN108399739A (zh) 2017-05-26 2017-05-26 一种重点监管路段选取方法

Country Status (1)

Country Link
CN (1) CN108399739A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131382A (zh) * 2020-08-20 2020-12-25 彭涛 民生问题高发地的识别方法、装置及电子设备
CN112131382B (zh) * 2020-08-20 2024-05-10 彭涛 民生问题高发地的识别方法、装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4805884B2 (ja) * 2002-06-05 2011-11-02 エルジー エレクトロニクス インコーポレイティド コンピュータ可読再生専用記憶媒体、再生専用記録媒体上に記録されたデータの再生方法および再生装置
CN105630884A (zh) * 2015-12-18 2016-06-01 中国科学院信息工程研究所 一种微博热点事件的地理位置发现方法
CN106156804A (zh) * 2016-08-16 2016-11-23 浙江工业大学 一种基于K‑means聚类的移动疑似危险人群分类方法
CN106448149A (zh) * 2016-05-16 2017-02-22 江苏智通交通科技有限公司 道路交通事故预警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4805884B2 (ja) * 2002-06-05 2011-11-02 エルジー エレクトロニクス インコーポレイティド コンピュータ可読再生専用記憶媒体、再生専用記録媒体上に記録されたデータの再生方法および再生装置
CN105630884A (zh) * 2015-12-18 2016-06-01 中国科学院信息工程研究所 一种微博热点事件的地理位置发现方法
CN106448149A (zh) * 2016-05-16 2017-02-22 江苏智通交通科技有限公司 道路交通事故预警方法
CN106156804A (zh) * 2016-08-16 2016-11-23 浙江工业大学 一种基于K‑means聚类的移动疑似危险人群分类方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131382A (zh) * 2020-08-20 2020-12-25 彭涛 民生问题高发地的识别方法、装置及电子设备
CN112131382B (zh) * 2020-08-20 2024-05-10 彭涛 民生问题高发地的识别方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN105654730B (zh) 一种基于卡口过车大数据分析的套牌车认定方法
Kim et al. Using ak‐means clustering algorithm to examine patterns of pedestrian involved crashes in Honolulu, Hawaii
CN107766808A (zh) 道路网络空间中车辆对象移动轨迹聚类的方法及系统
CN102289659B (zh) 伴随车检测方法
CN103020222B (zh) 用于车辆gps数据分析与异常监测的可视挖掘方法
Wu et al. Permeability, space syntax, and the patterning of residential burglaries in urban China
CN106297304A (zh) 一种基于MapReduce面向大规模卡口数据的套牌车识别方法
CN112365595A (zh) 基于报警数据点要素的鉴别交通事故多发点的分析方法
CN114510826A (zh) 车辆排放结构分解方法、装置、电子设备及存储介质
Wuschke et al. Pathways of crime: Measuring crime concentration along urban roadways
Wang et al. Unlicensed taxis detection service based on large-scale vehicles mobility data
Tompson et al. Hot routes: Developing a new technique for the spatial analysis of crime
Afandizadeh et al. Evaluating the effect of roadway and development factors on the rural road safety risk index
Choudhary et al. Identification of road accidents hot spots in varanasi using qgis
Cavallaro et al. Measuring the impact of COVID-19 restrictions on mobility: A real case study from Italy
CN106682313A (zh) 一种基于时空二维的视频布局规划方法
CN108399739A (zh) 一种重点监管路段选取方法
CN116013084A (zh) 交通管控场景确定方法、装置、电子设备及存储介质
CN110807078A (zh) 一种服务于民生规划的公民轨迹大数据服务平台
Sheikh et al. IST: Role of GIS in crime mapping and analysis
Mornya et al. Identification of landfill sites by using GIS and multi-criteria method in Batam, Indonesia
Zhou et al. Investigating street accident characteristics and optimal safe route recommendation: A case study of new york city
Sakip et al. Street pattern identification for crime prevention through environmental design
Dunne et al. A large scale method for extracting geographical features on bus routes from OpenStreetMap and assessment of their impact on bus speed and reliability
Bačkalić et al. Identification of hotspots road locations of traffic accidents with pedestrian in urban areas

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180814