聚类作为识别交通事故黑点的主要方法之一，其主要问题是交通事故多发区事先无法确定，即无法提前知道聚类簇数。利用样本点之间的连接概率定义了数据点的局部密度，根据局部密度大小来确定聚类中心和簇数，再对数据点进行聚类。结果表明：一是算法对参数不敏感，具有较好的通用性；二是算法能自动确定聚类簇数；三是算法聚类过程只依赖局部密度与邻接点，能够识别噪声点，提升结果的准确性。运用算法在一些真实数据集上进行试验，将聚类结果与其他算法结果利用评价指标ARI(Adjusted　Rand　Index)和NMI(Normalized　Mutual　Information)进行比较。最后利用算法对美国6个州的交通事故进行聚类，结果表明算法对交通事故有较好的适应性，能将城市及周边道路上事故密集区域准确识别出来。