Identifying road accident hotspots

Identifying road accident hotspots is a key role in determining effective strategies for the reduction of
high density areas of accidents. This paper presents (1) a methodology using Geographical Information
Systems (GIS) and Kernel Density Estimation to study the spatial patterns of injury related road accidents
in London, UK and (2) a clustering methodology using environmental data and results from the first
section in order to create a classification of road accident hotspots. The use of this methodology will be
illustrated using the London area in the UK. Road accident data collected by the Metropolitan Police from
1999 to 2003 was used. A kernel density estimation map was created and subsequently disaggregated by
cell density to create a basic spatial unit of an accident hotspot. Appended environmental data was then
added to the hotspot cells and using K-means clustering, an outcome of similar hotspots was deciphered.
Five groups and 15 clusterswere created based on collision and attribute data. These clusters are discussed
and evaluated according to their robustness and potential uses in road safety campaigning.

ผลลัพธ์ (ไทย) 2:

ระบุจุดอุบัติเหตุทางถนนเป็นบทบาทที่สำคัญในการกำหนดกลยุทธ์ที่มีประสิทธิภาพสำหรับการลดลงของ
พื้นที่ความหนาแน่นสูงของการเกิดอุบัติเหตุ ของขวัญกระดาษนี้ (1) วิธีการใช้ข้อมูลทางภูมิศาสตร์
ระบบ (GIS) และการประเมินความหนาแน่นของเคอร์เนลเพื่อศึกษารูปแบบการกระจายของการบาดเจ็บที่เกี่ยวข้องกับอุบัติเหตุบนท้องถนน
ในกรุงลอนดอนสหราชอาณาจักรและ (2) วิธีการจัดกลุ่มโดยใช้ข้อมูลด้านสิ่งแวดล้อมและผลจากครั้งแรก
ส่วนใน เพื่อที่จะสร้างการจำแนกประเภทของจุดที่เกิดอุบัติเหตุบนท้องถนน การใช้วิธีการนี้จะถูก
แสดงโดยใช้พื้นที่ในกรุงลอนดอนในสหราชอาณาจักร ข้อมูลอุบัติเหตุทางถนนที่เก็บรวบรวมโดยตำรวจนครบาลจาก
ปี 1999 ถึงปี 2003 ถูกนำมาใช้ แผนที่การประมาณค่าความหนาแน่นของเคอร์เนลที่ถูกสร้างขึ้นและแยกภายหลังจาก
ความหนาแน่นของเซลล์ในการสร้างหน่วยเชิงพื้นที่พื้นฐานของการเกิดอุบัติเหตุฮอตสปอต ผนวกข้อมูลด้านสิ่งแวดล้อมจากนั้นก็
เพิ่มไปยังเซลล์ฮอตสปอตและการใช้ K-หมายถึงการจัดกลุ่มผลของฮอตสปอตที่คล้ายกันคือถอดรหัส.
ห้ากลุ่มและ 15 clusterswere สร้างขึ้นบนพื้นฐานการปะทะกันและข้อมูลคุณลักษณะ กลุ่มเหล่านี้จะมีการหารือ
และประเมินผลตามความทนทานและการใช้ศักยภาพของพวกเขาในการรณรงค์ความปลอดภัยทางถนน

ผลลัพธ์ (ไทย) 3:

การระบุจุดเกิดอุบัติเหตุ เป็นผู้มีบทบาทสำคัญในการกำหนดกลยุทธ์ที่มีประสิทธิภาพสำหรับการลดลงของ
พื้นที่ความหนาแน่นสูงของการเกิดอุบัติเหตุ บทความนี้นำเสนอ ( 1 ) วิธีการที่ใช้ข้อมูลทางภูมิศาสตร์ ( GIS ) และระบบ
แก่นความหนาแน่นประมาณ เพื่อศึกษารูปแบบทางพื้นที่ของการบาดเจ็บที่เกี่ยวข้องกับอุบัติเหตุบนถนน
ในลอนดอนสหราชอาณาจักร และ ( 2 ) วิธีการจัดกลุ่มโดยใช้ข้อมูลด้านสิ่งแวดล้อม และผลลัพธ์จากส่วนแรก
เพื่อสร้างหมวดหมู่ของจุดอุบัติเหตุถนน การใช้วิธีนี้จะแสดงการใช้พื้นที่
ลอนดอนใน UK อุบัติเหตุถนนเก็บรวบรวมข้อมูล โดยตำรวจนครบาลจาก
ปี 1999 ถึง 2003 ที่ใช้เป็นแก่นความหนาแน่นประมาณแผนที่ถูกสร้างขึ้นและต่อมา disaggregated ความหนาแน่นเซลล์โดย
สร้างหน่วยพื้นฐานของการเกิดอุบัติเหตุ hotspot . ผนวกสิ่งแวดล้อมข้อมูลเป็น
เพิ่มเซลล์ฮอตสปอต และใช้ k-means clustering , ผลของจุดที่คล้ายกันแปลรหัส
5 กลุ่ม และ 15 clusterswere สร้างจากการชนและข้อมูลคุณลักษณะ กลุ่มเหล่านี้จะกล่าวถึง
และประเมินผลตามความแข็งแกร่งและศักยภาพใช้ในการรณรงค์ความปลอดภัยบนท้องถนน