[发明专利]一种基于LLE和K均值法挖掘违法事故对应关系的方法

摘要

本发明提供了一种基于LLE和K均值法挖掘违法事故对应关系的方法。包括：收集交通违法与交通事故关联性分析所需数据；考虑不同的指标对交通事故进行分类；选择发生次数最高的违法类型和事故类型分别作为人员的违法标签和事故标签；对违法类型‑事故类型进行计数，构建违法类型‑事故类型矩阵；确定三种阈值对交通违法类型进行筛选；构建人员‑类型对应矩阵；使用零均值标准化方法对数据进行标准化处理；使用LLE非线性降维法将数据由高维降至低维；针对两种不同的事故类型分类方式，分别使用改进的K‑均值算法进行聚类分析。本发明克服传统K‑均值算法中存在的随机性大的问题，进一步挖掘交通违法类型和交通事故类型之间存在的对应关系。

主权项

1.一种基于LLE和K均值法挖掘违法事故对应关系的方法，其特征在于：该方法包括如下步骤：S1.收集交通违法与交通事故关联性分析所需数据，包括人事信息，交通违法信息，交通事故信息；S2.根据步骤S1收集到的交通违法与交通事故关联性分析所需数据，考虑不同的指标对交通事故进行分类，所考虑的指标包括事故严重程度、事故发生形态；S3.针对不同的交通事故类型分类方式，选择发生次数最高的违法类型和事故类型分别作为人员的违法标签和事故标签；S4.针对不同的交通事故类型分类方式，对违法类型‑事故类型进行计数，构建违法类型‑事故类型矩阵；S5.确定三种阈值对交通违法类型进行筛选，三种阈值包括违法类型频率阈值、违法标签频率阈值和离散系数阈值；S6.选择违法标签中含有筛选违法类型的人员作为行，事故类型和筛选违法类型作为列，构建人员‑类型对应矩阵；S7.根据步骤S6生成的矩阵，将类型看作样本点，人员看作维度，使用零均值标准化方法对数据进行标准化处理；S8.在不损失重要信息的前提下，使用LLE非线性降维法将数据由高维降至低维；S9.针对两种不同的事故类型分类方式，分别使用改进的K‑均值算法进行聚类分析。