交通事故大數(shù)據(jù)挖掘分析分析

國(guó)外交通事故大數(shù)據(jù)挖掘分析摘要：近年來(lái)，伴隨車速提升及交通量增加，道路交通事故每年呈上升趨勢(shì)。經(jīng)過對(duì)交通事故大數(shù)據(jù)挖掘分析，k-means聚類分析和Apriori關(guān)聯(lián)規(guī)則分析交通事故趨勢(shì)和模式，找出事故頻發(fā)路段和引發(fā)事故原因以及事故頻發(fā)高峰期，以數(shù)據(jù)分析結(jié)果為依據(jù)，改進(jìn)交通情況，降低交通事故，提升交通系統(tǒng)效率。關(guān)鍵詞：交通系統(tǒng)、k-means聚類、Apriori算法Abstract:recentyears,astheimprovementofspeedofvehicleandgrowthoftrafficvolume,roadtrafficaccidentsisontheriseeveryyear.basedondataminingandanalysisoftrafficaccidentsbigdata,K-meansclusteranalysisandAprioriassociationrulesanalysistrafficaccidenttendencyandpattern.findoutfrequentaccidentsectionsandthecauseofaccidentandpeakhours,baseondataanalysisresult,improvethetrafficsituation,reducetarfficaccident,improvetheefficiencyoftrafficsystem.Keywords：transportationsystem、k-meanscluster、Apriorialgorithm一、引言1伴隨我國(guó)經(jīng)濟(jì)發(fā)展，交通安全問題日益突出，已經(jīng)引發(fā)了人們廣泛關(guān)注。怎樣對(duì)大量交通事故信息進(jìn)行數(shù)據(jù)挖掘，尋找出其中隱藏知識(shí)與規(guī)律，用以改進(jìn)交通安全情況已成為數(shù)據(jù)挖掘一個(gè)主要研究領(lǐng)域。2國(guó)內(nèi)外現(xiàn)實(shí)狀況智能交通系統(tǒng)國(guó)內(nèi)外研究現(xiàn)實(shí)狀況伴隨智能交通發(fā)展，美國(guó)正在研究和布署車輛避碰、司機(jī)與車輛監(jiān)控、與乘坐者安全性能改進(jìn)等工作。歐洲正在開展為優(yōu)化人機(jī)界面和道路安全遠(yuǎn)程信理“智能道路”研究和示范。澳大利亞也正在用智能交通系統(tǒng)新技術(shù)改進(jìn)道路安全。日本投入了大量人力和資金，成功地組織了一個(gè)“動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)”試驗(yàn)，日本相繼完成了路車間通信系統(tǒng)、交通信息通信系統(tǒng)、寬區(qū)域旅行信息系統(tǒng)、超智能車輛系統(tǒng)、安全車輛系統(tǒng)及新交通管理系統(tǒng)等方面研究。日本“車輛、道路與交通智能協(xié)會(huì)”成立，ITS由導(dǎo)航系統(tǒng)、自動(dòng)收費(fèi)系統(tǒng)、安全駕駛6援助系統(tǒng)等9個(gè)開發(fā)領(lǐng)域和20個(gè)用戶服務(wù)功效組成。歐洲ITS開發(fā)與應(yīng)用是與歐盟交通運(yùn)輸一體化建設(shè)進(jìn)程緊密聯(lián)絡(luò)在一起。智能交通系統(tǒng)交通管理、車輛行駛和電子收費(fèi)等都圍繞全歐無(wú)線數(shù)據(jù)通信網(wǎng)來(lái)展開。韓國(guó)政府于月制訂了全新RRS計(jì)劃投入75億美元，建成包含汽車及高速公路系統(tǒng)，先進(jìn)交通管理系統(tǒng)，電子收費(fèi)系統(tǒng)個(gè)先進(jìn)RRS子系統(tǒng)。新加坡ITS研發(fā)也具備了較高水平，其城市高速路監(jiān)控系統(tǒng)(EMAS)，優(yōu)化交通信號(hào)系統(tǒng)(GLIDE)，出行者信息服務(wù)系統(tǒng)。二、交通事故大數(shù)據(jù)分析流程1數(shù)據(jù)采集交通事故大數(shù)據(jù)起源于公共安全部門和交通部門下事故數(shù)據(jù)倉(cāng)庫(kù)CTCDR，CTCDR目標(biāo)是給負(fù)責(zé)交通安全人員提供及時(shí)、精準(zhǔn)、完整、標(biāo)準(zhǔn)交通事故數(shù)據(jù)。CTCDR允許對(duì)數(shù)據(jù)進(jìn)行復(fù)雜查詢，屬性包含日期、道路位置、道路類型、碰撞類型、傷害程度等。經(jīng)過用戶自定義交通事故數(shù)據(jù)維度，進(jìn)行更高級(jí)數(shù)據(jù)分析識(shí)別趨勢(shì)和模式。2數(shù)據(jù)分析k-means聚類分析，Apriori關(guān)聯(lián)規(guī)則分析，關(guān)聯(lián)規(guī)則反應(yīng)一個(gè)事物與其余事物之間相互依賴性或相互關(guān)聯(lián)性。事故數(shù)據(jù)維度包含：日期、事故傷害程度、事故地點(diǎn)和區(qū)域、事故影響原因、事故碰撞類型、天氣條件、路面情況、建設(shè)或維護(hù)相關(guān)、光照條件、路攔等；交通個(gè)體數(shù)據(jù)維度包含：車輛是否是有資格發(fā)動(dòng)機(jī)型號(hào)、車輛類型、車輛制動(dòng)、車輛機(jī)動(dòng)前綴、車輛機(jī)動(dòng)后綴、駕駛員或行人年紀(jì)、駕駛員或行人是否喝酒和吸毒、車輛出毛病個(gè)數(shù)、首先撞上物體、然后撞上物體。包括人員數(shù)據(jù)維度包含ID號(hào)、傷害分類、座位、年紀(jì)、保護(hù)系統(tǒng)使用、安全氣袋狀態(tài)、噴射狀態(tài)。道路特征數(shù)據(jù)維度包含平均日流量、農(nóng)村或城市、通道數(shù)。3數(shù)據(jù)可視化Tableau進(jìn)行數(shù)據(jù)可視化，生成對(duì)應(yīng)圖表圖形，直觀表示交通事故大數(shù)據(jù)分析結(jié)果。三、關(guān)于研究領(lǐng)域原理及應(yīng)用介紹（算法原理）（1）K-means算法是一個(gè)經(jīng)典聚類算法，其基本思想是：以隨機(jī)選取K個(gè)樣本作為起始中心點(diǎn)，將其余樣本歸入相同度最高中心點(diǎn)所在簇，再確立當(dāng)前簇中樣本坐標(biāo)均值為新中心點(diǎn)，依次循環(huán)下去，直到全部樣本類別不再變動(dòng)，得到K個(gè)交通事故類，并得到聚類算法模型，能夠?qū)⑷拷煌ㄊ鹿蕯?shù)據(jù)劃分到所屬類中，同時(shí)得到m個(gè)交通事故信息特征對(duì)聚類效果主要性程度。圖1K-means聚類算法流程（2）Apriori算法是一個(gè)挖掘關(guān)聯(lián)規(guī)則頻繁項(xiàng)集算法，設(shè)置最小支持度和最小置信度，產(chǎn)生頻繁項(xiàng)集，關(guān)聯(lián)分析數(shù)據(jù)源，某個(gè)項(xiàng)目集支持度大于或等于最小支持度，則該項(xiàng)目集被標(biāo)識(shí)為頻繁項(xiàng)集。找出頻繁項(xiàng)集，依照這些頻繁項(xiàng)集能夠得到候選關(guān)聯(lián)規(guī)則，計(jì)算每條候選關(guān)聯(lián)規(guī)則置信度，篩選出大于最小置信度關(guān)聯(lián)規(guī)則，這些關(guān)聯(lián)規(guī)則能夠發(fā)覺道路交通事故數(shù)據(jù)中各種屬性關(guān)聯(lián)，以及駕駛員、車輛、道路、天氣、時(shí)間等屬性引發(fā)道路交通事故原因原因與事故結(jié)果之間規(guī)則，從中得到規(guī)律。圖2Apriori算法流程圖本文采取k-means聚類算法對(duì)交通事故數(shù)據(jù)進(jìn)行基于屬性聚類分析，在屬性聚類中，使得在一個(gè)類中事故特征具備很高相同性，將每個(gè)類事故原因看成一個(gè)整體來(lái)看。采取Apriori關(guān)聯(lián)規(guī)則算法找到引發(fā)事故多原因和各自占比，利用多維關(guān)聯(lián)規(guī)則挖掘方法建立Apriori關(guān)聯(lián)規(guī)則挖掘模型，經(jīng)過找出可能造成交通事故發(fā)生頻繁原因組合來(lái)發(fā)覺一些事故發(fā)生規(guī)律，并將這些規(guī)律作為現(xiàn)實(shí)中作出預(yù)防舉措依據(jù)。四、研究點(diǎn)采取數(shù)據(jù)挖掘方法研究交通事故數(shù)據(jù)，建立多維關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘模型，意在經(jīng)過數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則算法，將事故原因集和事故結(jié)果集組成事故模式，交通管理部門就能夠經(jīng)過對(duì)駕駛員、車輛、道路、天氣、時(shí)間等原因來(lái)判斷道路交通事故發(fā)生可能性。k-means算法對(duì)屬性做聚類分析，經(jīng)過指定時(shí)間范圍，選擇某個(gè)區(qū)域或某條道路來(lái)確定要分析數(shù)據(jù)對(duì)象，選定需要分析項(xiàng)目屬性進(jìn)行聚類分析，在屬性聚類中，利用聚類分析對(duì)事故原因進(jìn)行聚類和分組，使得在一個(gè)類中事故特征具備很高相同性，能夠?qū)⒚總€(gè)類事故原因看成一個(gè)整體。依照實(shí)際需要，在事故原因聚類分析時(shí)，要考慮事故原因中各個(gè)屬性主要程度，進(jìn)行屬性主要度分析。五、結(jié)果分析表明引發(fā)交通事故絕大部分都是在沒有不利天氣條件下發(fā)生，下雨或下雪對(duì)事故發(fā)生有較大影響。上圖說(shuō)明事故多發(fā)生Daylight和Darklight，事故發(fā)生和光照條件并無(wú)太大關(guān)系。交通事故多發(fā)生路面情況正常即干燥路面，其余情況如路面是濕、有融雪等等輕易引發(fā)交通事故。上圖表明引發(fā)交通事故影響原因依次從大到小，分別是跟車距離太近、未能給出優(yōu)先權(quán)、司機(jī)失控、變換車道不妥、違反交通管理、速度過快、彎道超車、不安全倒退等等。按路面情況進(jìn)行聚類，路面情況可分為冰雪、潮濕、平坦等情況，依照聚類算法得出結(jié)論：平坦路面情況最多，事故數(shù)也最多，冰雪只在冬季部分時(shí)間和部分路面才出現(xiàn)，發(fā)生事故百分比相對(duì)很大，說(shuō)明冰雪路面易發(fā)生事故。路面積水造成摩擦系數(shù)降低，車輛輕易發(fā)生側(cè)滑而沖出公路，造成交通事故發(fā)生。六、未來(lái)展望伴隨經(jīng)濟(jì)與社會(huì)發(fā)展，公路交通量與日俱增，其交通堵塞、交通擁擠與交通肇事等現(xiàn)象日益增多。且公路占地多、環(huán)境污染和財(cái)力不足等很多原因，己不再主要用修建更多公路方法來(lái)處理交通問題，而是致力于用高科技改造現(xiàn)有公路網(wǎng)技術(shù)情況和完善交通管理體系，以提升現(xiàn)有路網(wǎng)經(jīng)過能力，適應(yīng)該前和未來(lái)交通量大幅度增加社會(huì)需求。智能交通系統(tǒng)應(yīng)用計(jì)算機(jī)系統(tǒng)監(jiān)控交通情況和系統(tǒng)本身性能，道路上埋設(shè)感應(yīng)線圈可檢測(cè)車輛車速，車流量及道路占用情況，并可在一秒鐘內(nèi)實(shí)時(shí)修改數(shù)據(jù)，交通信號(hào)可由計(jì)算機(jī)依照實(shí)際情況進(jìn)行自適應(yīng)調(diào)整或人為干涉，關(guān)鍵路段和重點(diǎn)地域配有攝像機(jī)實(shí)時(shí)監(jiān)控交通情況。智能交通系統(tǒng)正在研究將城市地域開發(fā)交通管理技術(shù)和系統(tǒng)功效推廣應(yīng)用，經(jīng)過先進(jìn)電子通信技術(shù)提升行車安全性。系統(tǒng)包含為駕駛員和事故受害者提供援助無(wú)線緊急呼救系統(tǒng)，惡劣道路和交通環(huán)境實(shí)時(shí)警告系統(tǒng)。參考文件：[1]交通事故深入數(shù)據(jù)分析及其應(yīng)用，李一兵，袁泉，張雷，清華大學(xué)汽車安全與節(jié)能國(guó)家重點(diǎn)試驗(yàn)室；[2]智能交通發(fā)展中大數(shù)據(jù)分析，岳建明，袁倫渠，北京交通大學(xué)