[发明专利]基于拉普拉斯谱分析的宏观道路安全分析单元选取方法

说明书

本发明提供一种基于拉普拉斯谱分析的宏观道路安全分析单元选取方法，建立路网拉普拉斯矩阵；计算拉普拉斯矩阵除0以外最小的k个特征值与特征向量，并对特征向量构建起的特征矩阵实施K均值聚类；检验各簇权重w(u,v)差异性是否显著，将差异性显著的类切割为不同空间单元，以迭代方法确定k值以及空间单元的切割方案D₀＝{r₁,r₂,…,r_k}；在方案D₀的基础上，增设基于空间单元内交通密度相似度的空间单元调整环节；最终得到单元内部交通流密度特征相似性最大、不同单元间差异性最大的宏观交通安全分析单元的选取方案。本发明根据交通流相似性特征高效、稳定地获得宏观交通安全分析单元的选取方案，方案更为合理，能够满足宏观交通安全分析的需求。

技术领域

本发明涉及一种基于拉普拉斯谱分析的宏观道路安全分析单元选取方法。

背景技术

宏观层面的交通安全分析涉及到各个空间单位(unit)的交通安全事故的聚集，而忽略特定位置的交通事故。不同的研究单元会直接影响分析结果，为了统计单元内的人口、社会经济等指标，大多宏观交通安全分析都以行政区划、交通分析小区、街道等作为空间单位。

但此类静态的区域划分方法忽略了交通运行特征，研究表明交通流运行状况与交通安全特性具有关联性，有必要将交通流特征纳入空间单元选取的考量因素中。空间单元的选取问题实质上是寻求将具有相似特征的道路交通节点与路段划分到同一子区域中的方法。

基于图论的划分准则正是使划分后的两个子图内部相似度最大，子图之间的相似度最小，满足宏观交通安全空间单元选取的需求。其中基于拉普拉斯(Laplacian)谱分析的方法是求解子区间相似度最小的有效方法。常用的二路谱聚类具有迭代次数多、信息丢失量大的缺陷。

为此，本发明选取多路规范割集准则(Multiway Normalized cut)，并根据宏观交通安全分析的目标，定制了空间单元内部相似性以及外部差异性的评价模型，通过迭代优化，选取宏观交通安全分析单元。

发明内容

本发明的目的是提供一种基于拉普拉斯谱分析的宏观道路安全分析单元选取方法，满足宏观交通安全分析对交通运行特征的分析需求，改进传统静态宏观交通安全分析单元的缺陷，并提高拉普拉斯谱分析的求解准确性，获得交通流特征相似的空间单元选取方案，解决现有技术中存在的常用的二路谱聚类具有迭代次数多、信息丢失量大的缺陷问题。

本发明的技术解决方案是：

一种基于拉普拉斯谱分析的宏观道路安全分析单元选取方法，包括以下步骤，

S1、建立路网拉普拉斯矩阵；

S2、计算拉普拉斯矩阵除0以外最小的k个特征值与特征向量，并对特征向量构建起的特征矩阵实施K均值聚类；

S3、检验各簇权重w(u,v)差异性是否显著，将差异性显著的类切割为不同空间单元，以迭代方法确定k值以及空间单元的切割方案D₀＝{r₁,r₂,…,r_k}；

S4、在方案D₀的基础上，增设基于空间单元内交通密度相似度的空间单元调整环节；首先通过箱线图识别出空间单元内交通密度存在显著差异的离群点；其次基于相似度模型循环调整单元选取方案，使得空间单元内部交通流密度特征相似性最大、与外部其他单元差异性最大，划分后的空间单元用于宏观道路安全分析。

进一步地，步骤S4的具体步骤为：

S41、由空间单元内的交叉口以及交叉口间存在的路段构成初始的单元；若存在孤立点，即空间单元内仅包含一个交叉口编号，则将该单元随机合并入邻接的单元内，生成方案D₁；