文献类型：期刊文章

作　　者：罗月童[1] 刘璐[1] 刘新月[1] 尹成胜[2] 陈金光[2] 谢文军[1]

Luo Yuetong;Liu Lu;Liu Xinyue;Yin Chengsheng;Chen Jinguang;Xie Wenjun(School of Computer Science and Information Technology,Hefei University of Technology,Hefei 230601,China;Traffic Police Division,Public Security Bureau of Hefei Municipality,Hefei 230009,China)

机构地区：[1]合肥工业大学计算机与信息学院,合肥230601 [2]合肥市公安局交通警察支队,合肥230009

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(61602146);安徽省科技强警项目(1704d0802177,1604010802009)~~

年　　份：2019

卷　　号：24

期　　号：12

起止页码：2279-2290

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的海量城市交通事故数据可能蕴含有交通事故的空间模式,挖掘出交通事故的空间模式有助于开展交通事故的防治工作。目前交通管理部门虽然记录了交通事故发生地的空间位置信息,但没有对事故发生地进行空间语义描述,从而影响对交通事故空间模式的深入分析。因此,提出一种交通事故数据空间语义增强方法,并设计了一套可视分析系统。方法基于城市兴趣点来增强交通事故数据的空间语义。以事故发生点为中心获取周围城市兴趣点,使用特征向量刻画兴趣点的数量、类别及其与事故发生点的距离,并称此向量为空间语义特征向量。将空间语义特征向量和相应的交通事故关联,以达到增强其空间语义的目的。然后,基于空间语义特征向量,使用自组织映射聚类算法对交通事故进行聚类分析,根据其空间语义特征将交通事故分为若干类别。最后,通过使用地图视图展示事故点数据、聚类视图和平行坐标视图展示聚类分析的结果及其空间语义特征的可视化方法,对交通事故的空间模式进行分析。结果针对空间语义增强的交通事故数据以及相关分析任务,有效地使用上述数据分析方法与可视化技术,设计并实现了一套多视图关联的可视分析系统,提供了便捷的交互方式辅助用户分析。通过研发人员和交通警察共同对安徽省合肥市2018年的交通事故数据进行分析,将交通事故发生地划分9类并指出每类地点的空间语义特点,进一步分析出了事故高发区域的空间语义特性。结论本文提出的交通事故数据空间语义增强方法和可视分析方法可以帮助用户揭示交通事故的空间语义模式,有助于深入分析和认识交通事故的成因,能为交通事故防治相关的城市建设工作提供建议。

关 键 词：可视分析  交通事故 空间语义 兴趣点 自组织映射

分 类 号：TP391.41]