黃 鋼，瞿偉斌，許卉瑩

(公安部交通管理科學(xué)研究所道路交通安全公安部重點(diǎn)實(shí)驗(yàn)室，江蘇無(wú)錫214151)

0 引 言

隨著我國(guó)道路里程、機(jī)動(dòng)車保有量和機(jī)動(dòng)車駕駛?cè)藬?shù)量的迅速增長(zhǎng)，交通事故總量及傷亡人數(shù)居高不下.區(qū)域交通事故的特征分布與居民生活地域有明顯關(guān)系[1]，在市域范圍內(nèi)，呈現(xiàn)部分區(qū)縣或某一村鎮(zhèn)特定特征的事故多發(fā)情況，對(duì)交通事故特征地域分布進(jìn)行研究具有重要的理論意義和實(shí)用價(jià)值，可為交管部門制定針對(duì)性的事故預(yù)防對(duì)策提供參考.

交通事故地理位置聚類與基于交通事故空間特征的事故多發(fā)點(diǎn)段鑒別具有相同的含義.常用的交通事故多發(fā)點(diǎn)段識(shí)別方法有：累計(jì)頻率曲線法[2]，用頻率曲線表示某個(gè)地點(diǎn)交通事故發(fā)生的次數(shù)；臨界率法[3]，在給定一個(gè)最高事故率的情況下，某一路段事故率超過(guò)該值則認(rèn)定為事故多發(fā)段；回歸分析法[4]，應(yīng)用logistic回歸模型將不同交通流特征與交通事故發(fā)生的可能性關(guān)聯(lián)起來(lái)，預(yù)測(cè)事故多發(fā)點(diǎn)段.這些方法在交通事故多發(fā)點(diǎn)段識(shí)別上都已相對(duì)成熟，但存在一個(gè)共同的問(wèn)題，即沒(méi)有考慮事故地理位置信息，研究的是具體某條路上的事故多發(fā)區(qū)域.學(xué)者使用神經(jīng)網(wǎng)絡(luò)聚類方法進(jìn)行基于GIS技術(shù)的事故多發(fā)點(diǎn)段識(shí)別[5]，賦予不同道路特征參數(shù)不同權(quán)重，將所有權(quán)重加和后進(jìn)行評(píng)價(jià)以獲取事故多發(fā)點(diǎn)段信息，但存在定位信息不準(zhǔn)確問(wèn)題.

本文旨在通過(guò)交通事故信息采集項(xiàng)中記錄的事故地點(diǎn)信息尋找交通事故熱點(diǎn)區(qū)域，密度聚類方法更加適用.基于密度聚類的事故分析方法一般多用于刑偵領(lǐng)域，用于犯罪熱點(diǎn)區(qū)域研究[6].實(shí)際上交通事故的發(fā)生與交通參與者的居住地高度關(guān)聯(lián)，區(qū)域交通事故往往呈現(xiàn)部分地區(qū)集中的情況，特定特征的交通事故(如酒駕醉駕、超速行駛等)尤為明顯.應(yīng)用密度聚類方法將事故地點(diǎn)進(jìn)行分類劃分，可便于交管部門對(duì)本區(qū)域交通事故進(jìn)行精細(xì)化管理及制定針對(duì)性事故預(yù)防對(duì)策.

1 問(wèn)題描述與建模

1.1 交通事故地點(diǎn)的經(jīng)緯度計(jì)算

數(shù)據(jù)來(lái)源于2019年無(wú)錫市人員傷亡或財(cái)產(chǎn)損失事故，部分?jǐn)?shù)據(jù)如表1 所示.首先需從事故信息中獲取事故地點(diǎn)，我國(guó)現(xiàn)行的道路交通事故信息采集項(xiàng)中，事故地點(diǎn)記錄的是事故發(fā)生的地理位置，并未采集經(jīng)緯度信息.故對(duì)事故地理位置進(jìn)行分析時(shí)，需應(yīng)用地理編碼將文字描述的事故地點(diǎn)轉(zhuǎn)換為便于計(jì)算的經(jīng)緯度數(shù)據(jù).國(guó)內(nèi)主流的在線地理編碼服務(wù)由百度地圖、高德地圖、搜狗地圖和騰訊地圖等提供[7].

表1 無(wú)錫市2019年原始事故數(shù)據(jù)(部分)Table 1 Original accident data of Wuxi in 2019(partial)

本文選用百度地圖和高德地圖地理編碼服務(wù)，分別調(diào)用兩者的API，提取百度地圖API 和高德地圖API 返回?cái)?shù)據(jù)，即可獲得事故地點(diǎn)的經(jīng)緯度，兩者對(duì)同一地點(diǎn)的地理編碼如表2 所示.參照文獻(xiàn)[7]對(duì)這兩種地圖的服務(wù)質(zhì)量進(jìn)行分析，結(jié)果如表3 所示.可以看出，高德地圖對(duì)事故信息中錄入的事故地點(diǎn)匹配成功率及精確匹配上服務(wù)質(zhì)量更好，百度地圖模糊匹配成功率相對(duì)較高.本文使用的地理位置均要求精確匹配，故最終選用高德地圖作為本文精確地理編碼工具；對(duì)剩余19.7%的地點(diǎn)采用百度地圖進(jìn)行模糊地理編碼，其中，18.6%的事故地點(diǎn)通過(guò)模糊匹配成功，僅1.1%的地點(diǎn)未匹配，定位效果良好.

表2 地理編碼結(jié)果Table 2 Geocoded results

表3 地理編碼服務(wù)的匹配率Table 3 Address matching rates of Geocoding

將無(wú)錫市2019年全部事故地點(diǎn)利用上述方法進(jìn)行地理編碼獲取經(jīng)緯度，繪制成地理信息散點(diǎn)圖，結(jié)果如圖1所示，圖中，05、06、11、13、14、81、82分別代表錫山區(qū)、惠山區(qū)、濱湖區(qū)、梁溪區(qū)、新吳區(qū)、江陰市和宜興市.從圖1可以看出，無(wú)錫市梁溪區(qū)(市中心)事故較為集中，江陰市(縣級(jí)市)北部也存在事故聚集的地方，宜興市(縣級(jí)市)城區(qū)事故較為集中，濱湖區(qū)因大面積為太湖水域，事故相對(duì)較少，其他區(qū)縣事故特征無(wú)法直接從圖1中獲取.

圖1 事故地點(diǎn)定位地理分布Fig.1 Geographical location

1.2 DBSCAN地理坐標(biāo)聚類模型

DBSCAN(Density-based Spatial Clustering of Applications with Noise)是由Martin Ester[8]等提出的一種基于密度的空間聚類算法，其將具有足夠密度數(shù)據(jù)的區(qū)域劃分為k個(gè)不同的簇，并能在具有噪聲數(shù)據(jù)的空間域內(nèi)發(fā)現(xiàn)任意形狀的簇.本文記為Cj(j=1,2,…,k)表示第j個(gè)簇，其中，簇定義為密度相連點(diǎn)的最大集合.聚類過(guò)程要滿足以下兩個(gè)條件：最大性，對(duì)于空間中任意兩點(diǎn)p、q，如果p屬于簇Cj，且p密度可達(dá)q，則點(diǎn)q也屬于簇Cj；連接性，對(duì)于同屬于簇的任意兩點(diǎn)p、q，它們彼此是密度相連的.DBSCAN 算法具有聚類速度快，有效處理噪聲點(diǎn)，發(fā)現(xiàn)空間中任意形狀簇，無(wú)需劃分聚類個(gè)數(shù)等優(yōu)點(diǎn)；但DBSCAN 聚類算法的聚類效果高度依賴輸入?yún)?shù)——聚類半徑和簇內(nèi)最少樣本點(diǎn)數(shù)，在高維數(shù)據(jù)的聚類中，對(duì)距離公式選取非常敏感，存在“維數(shù)災(zāi)難”.本文研究的交通事故空間數(shù)據(jù)不是高維數(shù)據(jù)，各事故點(diǎn)間距離計(jì)算并不復(fù)雜，選擇距離閾值也相對(duì)容易，且該方法能較好地體現(xiàn)事故多發(fā)地點(diǎn)的特點(diǎn)，故使用該方法對(duì)事故地理位置進(jìn)行分析是合理且有效的.

為分析特定事故特征的聚類結(jié)果，對(duì)數(shù)據(jù)集進(jìn)行劃分，選擇“酒駕醉駕”“無(wú)證駕駛”“未按規(guī)定讓行”“超速行駛”“機(jī)動(dòng)車闖紅燈”“非機(jī)動(dòng)車闖紅燈”這6 類事故，使用原始DBSCAN 對(duì)1.1 節(jié)解出的經(jīng)緯度點(diǎn)進(jìn)行聚類.在無(wú)任何先驗(yàn)知識(shí)的情況下，統(tǒng)一設(shè)定輸入?yún)?shù)：EPS(距離閾值)為0.015，MinPts(最少樣本點(diǎn))為6.具體參數(shù)及劃分結(jié)果如表4所示.

表4 原始DBSCAN算法聚類結(jié)果Table 4 Result of original DBSCAN algorithm

從表4可知，僅酒駕醉駕事故和未按規(guī)定讓行事故聚類成功，酒駕醉駕事故聚集成18 類，其中，41%的數(shù)據(jù)點(diǎn)標(biāo)記為噪聲點(diǎn)，聚類結(jié)果如圖2 所示，圖中，圓點(diǎn)表示噪聲點(diǎn)，其他符號(hào)標(biāo)記的點(diǎn)為簇內(nèi)點(diǎn)(下同).未按規(guī)定讓行事故聚集成4類，噪聲點(diǎn)占比達(dá)到85.2%，聚類地理圖如圖3所示.從圖3可以看出，有3 個(gè)簇聚集在宜興市區(qū)，除濱湖區(qū)還存在一個(gè)事故集中區(qū)域外，其他區(qū)縣的事故均被標(biāo)記為噪聲點(diǎn)，聚類結(jié)果比較粗糙.其他幾類事故由于數(shù)據(jù)點(diǎn)過(guò)少及輸入?yún)?shù)不準(zhǔn)確，將所有的點(diǎn)均標(biāo)記為噪聲點(diǎn)，聚類結(jié)果不具參考意義.

圖2 酒駕醉駕事故聚類結(jié)果Fig.2 Cluster result of drunk driving accidents

圖3 未按規(guī)定讓行事故聚類結(jié)果Fig.3 Cluster result of not to give way accidents

2 自適應(yīng)參數(shù)輸入DBSCAN算法

從上述聚類效果來(lái)看，DBSCAN 聚類算法對(duì)輸入?yún)?shù)EPS 和MinPts 非常敏感，尤其是數(shù)據(jù)點(diǎn)較少的情況，不合適的輸入?yún)?shù)可能將所有點(diǎn)標(biāo)記為噪聲點(diǎn)，明顯與實(shí)際情況相悖.相關(guān)學(xué)者對(duì)DBSCAN算法進(jìn)行了改進(jìn)，Kumar[9]等提出的改進(jìn)算法加快了高維度下鄰域搜索速度，同時(shí)指出高維度數(shù)據(jù)下參數(shù)輸入存在的問(wèn)題.本文繼續(xù)對(duì)DBSCAN 算法進(jìn)行改進(jìn)，提出一種EPS、MinPts 參數(shù)自適應(yīng)選擇的A-DBSCAN算法.

2.1 輪廓系數(shù)計(jì)算方法

在聚類算法中，使用輪廓系數(shù)(Silhouette Coefficient)對(duì)聚類樣本的聚類效果進(jìn)行評(píng)估，輪廓系數(shù)的計(jì)算模型為式中：s(i)為樣本i的輪廓系數(shù)，該值越接近1，說(shuō)明樣本i聚類越合理；越接近-1，說(shuō)明樣本i更應(yīng)該分類到另外的簇；越接近0，說(shuō)明樣本i在兩個(gè)簇的邊界上.a(i)為樣本i到簇內(nèi)不相似度，為該樣本同簇內(nèi)其他樣本的平均距離，該值越小，說(shuō)明該樣本越應(yīng)被聚類到該簇.b(i)為樣本i的簇間不相似度，計(jì)算公式為

式中：bij表示樣本i到某簇Cj所有樣本的平均距離.

根據(jù)所有樣本的輪廓系數(shù)計(jì)算平均值，即可得到當(dāng)前聚類模型的總體輪廓系數(shù)值，并依據(jù)該值確定輸入?yún)?shù).

2.2 基于輪廓系數(shù)確定輸入?yún)?shù)

針對(duì)不同輸入?yún)?shù)，模型的輪廓系值越接近1，聚類效果越好.根據(jù)此原理，提出A-DBSCAN聚類算法，流程如圖4所示.首先，根據(jù)數(shù)據(jù)特征確定EPS 的步長(zhǎng)L1及最大值Mmax,1，Mmax,1由任意兩個(gè)最鄰近點(diǎn)距離的最大值確定；確定最少聚類點(diǎn)的步長(zhǎng)L2和最大值Mmax,2，Mmax,2確定原則為，當(dāng)MinPts 大于Mmax,2時(shí)，所有點(diǎn)聚集為一個(gè)類；構(gòu)建初始DBSCAN 模型，初始距離為步長(zhǎng)L1，初始最少點(diǎn)數(shù)為1，依據(jù)2.1 節(jié)方法計(jì)算模型的輪廓系數(shù)S；按照距離步長(zhǎng)和點(diǎn)數(shù)步長(zhǎng)迭代，將計(jì)算得到的輪廓系數(shù)全部入棧，直到距離參數(shù)和點(diǎn)參數(shù)達(dá)到設(shè)定的最大值；根據(jù)計(jì)算得到輪廓系數(shù)的最大值確定最佳EPS 值和MinPts 值，即為本文提出的ADBSCAN算法.

3 算法應(yīng)用與結(jié)果分析

應(yīng)用A-DBSCAN 算法對(duì)2019年無(wú)錫市事故地點(diǎn)經(jīng)緯度進(jìn)行聚類(距離求解模型為歐式距離)，計(jì)算所有樣本輪廓系數(shù)平均值作為得分進(jìn)行評(píng)價(jià)，聚類結(jié)果如表5所示.

從表5 可以看出，使用A-DBSCAN 算法聚類效果比原始聚類算法(表4)有很大提高，最少聚類簇為6個(gè)(無(wú)證駕駛事故)，且未出現(xiàn)將大量數(shù)據(jù)點(diǎn)標(biāo)記為噪聲點(diǎn)的情況.除超速行駛事故外(超速行駛事故是所有特征中樣本點(diǎn)最少的)，模型得分均在0.5以上，這表明該模型應(yīng)用于交通事故地理位置聚類時(shí)，除受輸入?yún)?shù)EPS和MinPts影響外，還受數(shù)據(jù)量大小的影響.另外，表5表明，當(dāng)樣本點(diǎn)數(shù)據(jù)相對(duì)較多時(shí)，MinPts取值應(yīng)適當(dāng)增大；當(dāng)樣本數(shù)據(jù)點(diǎn)較少時(shí)，模型得分相對(duì)低一些.

圖4 A-DBSCAN 聚類算法流程Fig.4 Flow chart of A-DBSCAN algorithm

表5 A-DBSCAN 算法參數(shù)及求解結(jié)果Table 5 A-DBSCAN algorithm results

為驗(yàn)證本文聚類算法先進(jìn)性，對(duì)比其他自適應(yīng)調(diào)參方法對(duì)未按規(guī)定讓行事故進(jìn)行聚類，結(jié)果如表6 所示；對(duì)比本文A-DBSCAN 算法與其他常見聚類算法的聚類結(jié)果，如表7所示.

表6 自適應(yīng)調(diào)參算法對(duì)比Table 6 Comparison of adaptive parameter adjustment algorithms

表7 常見聚類算法對(duì)比Table 7 Comparison of common clustering algorithms

從表6可以看出：PID自校正調(diào)參算法時(shí)間復(fù)雜度最低，但噪聲占比太高，聚類效果不好；遞歸調(diào)參太復(fù)雜，不適用于批量聚類；SA-DBSCAN 算法與本文算法有一定的可比性，但本文算法在時(shí)間復(fù)雜度和模型得分上都優(yōu)于SA-DBSCAN算法.從表7 可以看出：只有MEAN SHIFT 算法對(duì)噪聲的處理及簇的劃分上能與本文算法匹配，但MEAN SHIFT對(duì)其他事故類型的聚類存在較大的偏差；K-MEANS 算法無(wú)法處理含噪聲的點(diǎn)集，DENCLUE 算法對(duì)噪聲的處理能力明顯偏低；因此，本文算法優(yōu)勢(shì)明顯.

根據(jù)確定參數(shù)對(duì)6 類事故特征進(jìn)行地理位置聚類.由于酒駕醉駕事故聚類參數(shù)未發(fā)生變化，其地理位置聚類結(jié)果如圖2 所示，對(duì)照地圖可以看出，事故多發(fā)區(qū)域聚集在市中心全區(qū)，太湖國(guó)際博覽中心附近，鎮(zhèn)中公園附近，錫北鎮(zhèn)、東港鎮(zhèn)、無(wú)錫東站附近，申港鎮(zhèn)附近，以及橋鎮(zhèn)、周鐵鎮(zhèn)、中心城區(qū)、丁蜀鎮(zhèn)和張渚鎮(zhèn)附近.未按規(guī)定讓行事故聚類地理圖如圖5 所示，從圖中可以看出，錫山區(qū)及濱湖區(qū)大部分事故聚集成一個(gè)簇，江陰市大部分地區(qū)事故亦聚集成簇，宜興市丁蜀鎮(zhèn)、中心城區(qū)、萬(wàn)石鎮(zhèn)和和橋鎮(zhèn)、洋溪鎮(zhèn)、張渚鎮(zhèn)和西渚鎮(zhèn)等幾個(gè)區(qū)域聚集成5 個(gè)簇，惠山區(qū)西北部事故聚集成一個(gè)簇，錫山區(qū)東港鎮(zhèn)和羊尖鎮(zhèn)事故聚集成一個(gè)簇，共計(jì)形成9 個(gè)事故多發(fā)區(qū)域.其他事故特征(無(wú)證駕駛、超速行駛、闖紅燈)的聚類結(jié)果亦有明顯區(qū)域特征，且事故多發(fā)于區(qū)域的中心城區(qū)和集鎮(zhèn)上，囿于篇幅限制，本文不再一一列出進(jìn)行分析.

圖5 未按規(guī)定讓行事故聚類地理分布Fig.5 Clustering geographical distribution of not to give way accidents

4 結(jié) 論

本文以交通事故空間特征分析為視角，考慮交通事故地點(diǎn)經(jīng)緯度解算，事故空間特征聚類困難問(wèn)題，調(diào)用在線地圖API進(jìn)行地理編碼獲取事故地點(diǎn)經(jīng)緯度，在此基礎(chǔ)上，提出一種基于輪廓系數(shù)自適應(yīng)調(diào)整原算法輸入?yún)?shù)的A-DBSCAN 算法，對(duì)無(wú)錫市不同肇事原因事故數(shù)據(jù)進(jìn)行聚類分析，并與原始DBSCAN聚類算法進(jìn)行比較.結(jié)果表明：事故地點(diǎn)上圖率在98%以上，改進(jìn)算法在參數(shù)選擇上更加智能，聚類效果更加理想，噪聲識(shí)別也比原始算法更加合理；A-DBSCAN 算法在應(yīng)用不同數(shù)據(jù)量進(jìn)行聚類時(shí)，輪廓系數(shù)的分值表明聚類效果受數(shù)據(jù)量大小影響較為顯著.

本文分析的數(shù)據(jù)是二維度的，即僅考慮了事故地點(diǎn)(經(jīng)緯度)與事故肇事原因的聚類效果，交通事故多維特征的地理聚類分析需進(jìn)一步研究.