申请/专利权人：吉林大学

申请日：2022-12-05

公开（公告）日：2024-05-03

公开（公告）号：CN116383678B

主分类号：G06F18/23

分类号：G06F18/23;G08G1/052;G06F18/20;G06F18/22;G06F16/29;G06Q50/40

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2023.07.21#实质审查的生效;2023.07.04#公开

摘要：一种营运客车异常变速行为常发性路段识别方法，本发明涉及营运客车异常变速行为常发性路段识别方法。本发明的目的是为了解决已有交通安全隐患路段排查方法属于事故发生后的统计分析，尚未在事故发生之前对隐患路段进行识别、预警，经济成本高、精度低的问题。一种营运客车异常变速行为常发性路段识别方法具体过程为：步骤1.基础数据采集；步骤2.坐标纠偏；步骤3.基础数据计算；步骤4.异常变速行为识别；步骤5.常发性异常变速路段识别。本发明属于公共交通运营管理技术领域。

主权项：1.一种营运客车异常变速行为常发性路段识别方法，其特征在于：所述方法具体过程为：步骤1.基础数据采集；步骤2.基于基础数据进行坐标纠偏；步骤3.基于基础数据和坐标纠偏计算速度和加速度；步骤4.基于速度和加速度进行异常变速行为识别；步骤5.基于异常变速行为进行常发性异常变速路段识别；具体过程为：步骤5.1.参数定义；具体过程为：步骤5.1.1.单个异常变速行为发生位置的坐标r_px,y记为pψx,y，异常变速行为数据组成集合D，总数为z，记作步骤5.1.2.用欧式距离计算异常变速行为样本点与间的距离如下式7所示； 式中：γ,η∈[1,z]； 分别为样本点平面坐标的x轴坐标，m； 分别为样本点平面坐标的y轴坐标，m；步骤5.1.3.异常变速行为点pψ的邻域表示为邻域半径为ε，如下式8所示； 步骤5.1.4.点pψ邻域范围内最小样本点数表示为λ，点pψ作为核心样本点需要满足的条件如下式9所示； 式中：表示以pψ为核心点的邻域内样本点个数；步骤5.1.5.用轮廓系数评估聚类样本的聚类效果，异常变速行为样本点的轮廓系数计算如下式10所示； 式中：为样本点到簇内的其它点的平均距离； 为样本点到其他簇内各点的平均距离；步骤5.1.6.采用总体轮廓系数平均值作为样本总体聚类效果评价指标，具体计算如下式11所示； 步骤5.2.具体聚类步骤；具体过程为：步骤5.2.1.初始化邻域半径ε，取ε＝100m；步骤5.2.2.根据道路等级划定簇内最小样本点数可取用最小值为λ1，最大值为λ2，λ为整数，取值范围为[λ1,λ2]；步骤5.2.3.初始化，令参数h＝0；步骤5.2.4.λ＝λ1+h，输入ε、λ；步骤5.2.5.采用DBSCAN聚类方法对集合D中所有异常变速行为点pψx,y完成空间聚类；步骤5.2.6.计算各异常变速行为样本点轮廓系数与总体轮廓系数平均值步骤5.2.7.判断λ1+h≤λ2，如果是，h＝h+1，返回步骤5.2.4；否则，进入步骤5.2.8；步骤5.2.8.计算总体轮廓系数最大值如下式12所示； 步骤5.2.9.确定对应的参数λ为λ0，即最终关键参数λ＝λ0；步骤5.3.确定DBSCAN的聚类参数ε＝100m，λ＝λ0为最优聚类；步骤5.4.将集合D中所有异常变速行为点pψx,y经最优聚类后输出簇数量与每个簇内样本点数量，簇数量即为常发性异常变速路段数量，每个簇内样本点数量即为该路段发生的异常变速行为数量；步骤5.5.样本点分布于路网上，故聚类后的簇形状是贴合路网的，所得簇类即为常发性异常变速路段，簇类沿路网方向的边缘点即为异常变速常发性路段起终点。

全文数据：

权利要求：

百度查询： 吉林大学 一种营运客车异常变速行为常发性路段识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD