[論文レビュー] Clustering Algorithms to Analyze the Road Traffic Crashes

Mahnaz Rafia Islam, Israt Jahan Jenny+4 more|arXiv (Cornell University)|Aug 7, 2021

Traffic Prediction and Management Techniques参考文献 22被引用数 5

ひとこと要約

本稿では、K-meansなどの従来手法の限界を克服するため、道路交通事故のヒートスポットを特定するのにDBSCANおよびOPTICSが優れたクラスタリング手法であると提案している。ノースカロライナ州の実際の事故データを用いた研究では、DBSCANおよびOPTICSが他のアルゴリズムよりもクラスタリングの質と効率性に優れていることが示された。特にDBSCANは、高いシルエットスコアおよびデイビス・ボウリン指数を維持しながら、著しく高速な実行時間を達成した。

ABSTRACT

Selecting an appropriate clustering method as well as an optimal number of clusters in road accident data is at times confusing and difficult. This paper analyzes shortcomings of different existing techniques applied to cluster accident-prone areas and recommends using Density-Based Spatial Clustering of Applications with Noise (DBSCAN) and Ordering Points To Identify the Clustering Structure (OPTICS) to overcome them. Comparative performance analysis based on real-life data on the recorded cases of road accidents in North Carolina also show more effectiveness and efficiency achieved by these algorithms.

研究の動機と目的

• 既存のクラスタリング手法がもつ、外れ値への感受性や事前にクラスタ数を定義する必要性といった限界を是正するため。
• K-meansのような分割法と比較して、密度に基づくクラスタリング手法（DBSCANおよびOPTICS）の実世界の交通事故データにおける有効性を評価するため。
• 高い頻度の事故クラスタを特定する、堅牢でデータ駆動型のアプローチを提供するため。
• 内部評価指標と実行時間によるクラスタリング性能の比較を通し、研究者および実務家に実用的なガイダンスを提供するため。

提案手法

• 外れ値を効果的に処理し、クラスタ数を自動的に決定する密度ベースのクラスタリング手法であるDBSCANおよびOPTICSを適用した。
• 内部クラスタ有効性と質の評価に、Calinski-Harabasz指数、Davies-Bouldin指数、シルエット係数を用いた。
• 実行時間を測定するため、Core i3プロセッサ搭載で8GB RAMを備えた環境で、Pythonのtimeitモジュールを用いた。
• ノースカロライナ州（2007年〜2018年）の21,854件の道路事故記録からなる実データセットを用い、事故発生位置の空間的クラスタリングに焦点を当てた。
• 比較分析のため、事前にクラスタ数を指定するK-meansおよびミニバッチK-meansを実装した。パラメータ選択への感受性を評価した。
• クラスタのサイズ順にランク付けし、アルゴリズム間での一貫性を分析することで、最も事故の多い地域を特定する信頼性を評価した。

Figure 1: Number of accidents

実験結果

リサーチクエスチョン

• RQ1 DBSCANおよびOPTICSは、実際の交通事故データにおいて、K-meansおよびミニバッチK-meansと比較して、意味のある事故多発クラスタを効果的に特定できるか？
• RQ2 事前に定義されたクラスタ数がクラスタリング性能に与える影響は何か？密度ベースのアルゴリズムはこの問題をどのように軽減するか？
• RQ3 交通事故データに対して、どのクラスタリングアルゴリズムが最高の内部評価スコア（シルエット、Davies-Bouldin、Calinski-Harabasz）を達成するか？
• RQ4 実行時間は各アルゴリズムでどのように変化するか？大規模な事故データ分析において、速度と正確性のバランスが最も優れたのはどれか？

主な発見

• DBSCANは最高のシルエットスコア（0.62）と最小のDavies-Bouldin指数（0.68）を達成し、他のアルゴリズムと比較して、クラスタの密集度と分離度が優れていた。
• Calinski-Harabasz指数においては、OPTICSがDBSCANをわずかに上回った（12.3 vs. 11.8）が、差は無視できる程度であった。
• 10,000件のデータに対してDBSCANは1.626秒で実行されたのに対し、OPTICSは同じデータで13.349秒かかった。
• 21,854件のデータに対しては、DBSCANは5.091秒、OPTICSは43.675秒を要した。DBSCANの計算効率が顕著に優れていることが示された。
• DBSCANにおける最大クラスタは5,435件のデータポイントを含み、OPTICSと同一の5,435件を示した。実行時間の差にもかかわらず、ヒートスポットの同定が一貫していた。
• K-meansおよびミニバッチK-meansは、最大クラスタサイズがそれぞれ8,519および8,521と不一致を示し、クラスタ数の初期値に感受されやすく、ヒートスポット検出に不安定であることが示された。

Figure 2: Cluster visualization using k-means algorithm