道路交通事故數(shù)據(jù)深度挖掘技術(shù)與應(yīng)用
——以深圳市為例

支 野，王大珊，叢浩哲，饒眾博

(公安部道路交通安全研究中心，北京100062)

0 引言

中國正處于機動車、駕駛?cè)思暗缆防锍谈咚僭鲩L期，道路交通事故甚至重特大交通事故時有發(fā)生。以2015年道路交通事故統(tǒng)計數(shù)據(jù)為例，中國道路交通事故數(shù)約18.7萬起，死亡人數(shù)約5.8萬人，萬車死亡率為2.08，遠(yuǎn)高于美國(1.25)、日本(0.53)、德國(0.62)等發(fā)達(dá)國家，中國道路交通安全形勢十分嚴(yán)峻[1]。開展道路交通事故統(tǒng)計分析工作是預(yù)防道路交通事故的有效手段之一。中國每年由公安部交通管理局組織開展道路交通事故統(tǒng)計分析工作，主要是針對交通事故的宏觀形勢進(jìn)行統(tǒng)計分析[2]。

伴隨著信息技術(shù)步入大數(shù)據(jù)時代，道路交通事故數(shù)據(jù)也逐漸呈現(xiàn)出數(shù)據(jù)量龐大、更新速度快、價值豐富等大數(shù)據(jù)特征[3]，傳統(tǒng)以四項指數(shù)(事故起數(shù)、死亡人數(shù)、受傷人數(shù)、直接財產(chǎn)損失)為統(tǒng)計內(nèi)容、以描述性統(tǒng)計為主要方法的分析手段已難以滿足大數(shù)據(jù)時代道路交通事故統(tǒng)計分析需要。具體表現(xiàn)在：1)數(shù)據(jù)項缺失。在實際獲取道路交通事故數(shù)據(jù)過程中，由于多種原因?qū)е聰?shù)據(jù)采集項信息不完整、不準(zhǔn)確，致使后續(xù)統(tǒng)計分析結(jié)果可信度降低。2)方法單一。事故統(tǒng)計方法以描述性統(tǒng)計為主，難以挖掘事故背后深層次的原因和機理，不能定量化地甄別事故特征因子及建立事故風(fēng)險預(yù)警評價機制。3)結(jié)果不實用。事故數(shù)據(jù)的挖掘分析多注重方法理論研究，但受數(shù)據(jù)采集限制，無法獲取全項事故數(shù)據(jù)，因此研究結(jié)果一般實用性較單一，沒有針對性，也不利于指導(dǎo)基層開展道路交通事故預(yù)防工作。

美國、日本、德國等發(fā)達(dá)國家普遍重視交通事故調(diào)查與統(tǒng)計分析工作，設(shè)有專門的交通安全研究機構(gòu)，例如美國國家公路交通安全管理局(National Highway Traffic Safety Administration,NHTSA)、日本交通事故研究分析中心(Traffic Accident Research and Analysis Center,TARAC)、德國聯(lián)邦公路研究院(Federal Highway Research Institute,BAST)等。這些研究機構(gòu)普遍建立了道路交通事故分析、預(yù)防和評估預(yù)警技術(shù)體系，統(tǒng)計數(shù)據(jù)采集全面翔實，較早地將大數(shù)據(jù)挖掘技術(shù)引入事故數(shù)據(jù)統(tǒng)計分析中，除四項指數(shù)等基本統(tǒng)計項外，更加注重挖掘道路交通事故背后潛在的規(guī)律和誘因特征[4-5]。

如何將大數(shù)據(jù)挖掘技術(shù)應(yīng)用于中國道路交通事故數(shù)據(jù)分析研判中，為預(yù)防事故和降低事故傷亡率提供科學(xué)指導(dǎo)，成為新時期公安交管部門面臨的巨大挑戰(zhàn)。本文以深圳市2014—2016年交通事故數(shù)據(jù)為研究對象，采用Apriori關(guān)聯(lián)分析算法、貝葉斯理論及模糊聚類等大數(shù)據(jù)挖掘方法[6]，探索性地提出道路交通數(shù)據(jù)缺失數(shù)據(jù)項填補、事故傷亡特征因子甄別以及事故危險性評價方法。

1 實驗數(shù)據(jù)及預(yù)處理

本文獲取深圳市2014—2016年交通事故相關(guān)數(shù)據(jù)包括：1)事故描述數(shù)據(jù)(含事故發(fā)生地點信息，見圖1)；2)事故涉事人員信息數(shù)據(jù)；3)路網(wǎng)地圖數(shù)據(jù)；4)以日為單位的天氣數(shù)據(jù)。

經(jīng)統(tǒng)計，深圳市交通事故信息數(shù)據(jù)表共有屬性項68項，人員信息數(shù)據(jù)表共有屬性項88項。為了更好地開展事故數(shù)據(jù)深度挖掘，主要進(jìn)行以下預(yù)處理工作：1)數(shù)據(jù)融合。以事故編碼和時空信息為主鍵，將事故記錄信息、涉事人員信息、路網(wǎng)shp數(shù)據(jù)以及天氣數(shù)據(jù)進(jìn)行關(guān)聯(lián)融合，建立事故信息多維度矩陣。2)數(shù)據(jù)清洗。刪除缺失率為100%的屬性項，如運載危險品事故后果、是否逃逸等；同時刪除對事故誘因深度挖掘關(guān)聯(lián)不大的字段，如調(diào)解人、文書狀態(tài)等字段，最終選取30個字段(見表1)。若發(fā)現(xiàn)字段中的屬性值不屬于《道路交通管理信息代碼》(GA/T 16.1—2012)(以下簡稱《代碼》)中所規(guī)定的范圍，則置為空。3)數(shù)據(jù)編碼。對屬性項、分類型屬性值進(jìn)行編碼化操作，參照規(guī)范建立數(shù)據(jù)字典表。

2 基于Apriori 關(guān)聯(lián)分析的數(shù)據(jù)填補方法

在實際道路交通事故數(shù)據(jù)中，由于各種原因?qū)е鲁霈F(xiàn)不同程度的數(shù)據(jù)缺失，其中非傷亡事故比傷亡事故數(shù)據(jù)缺失率高，直接降低了數(shù)據(jù)的可用性，不利于數(shù)據(jù)深度挖掘分析。本文將缺失的事故數(shù)據(jù)按照是否具有關(guān)聯(lián)性分為兩類：一類為隨機型缺失數(shù)據(jù)，表征事故數(shù)據(jù)中的獨立信息，與其他屬性項不存在明顯的相關(guān)性，例如姓名、民族、車牌號碼等。該類缺失數(shù)據(jù)理論上無法通過后期分析進(jìn)行彌補。另一類為關(guān)聯(lián)型缺失數(shù)據(jù)，與其他屬性值之間存在潛在的關(guān)聯(lián)關(guān)系，例如事故形態(tài)、交叉口及路段類型、照明條件等，該類缺失數(shù)據(jù)具有取值范圍固定且取值空間相對狹小等特征，可通過大數(shù)據(jù)挖掘方法進(jìn)行一定程度的填補，進(jìn)而提高道路交通事故數(shù)據(jù)的完整性。

常見的數(shù)據(jù)填補方法包括：均值填充、熱卡填充、聚類填充、多重插補等[7]?？紤]到事故關(guān)聯(lián)性缺失數(shù)據(jù)以分類數(shù)據(jù)為主，本文采用關(guān)聯(lián)規(guī)則挖掘進(jìn)行數(shù)據(jù)填補。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一個重要研究問題，反映一個事物與其他事物之間的相互依賴性或相互關(guān)聯(lián)性。關(guān)聯(lián)規(guī)則挖掘大量數(shù)據(jù)項集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系，側(cè)重于確定數(shù)據(jù)中不同領(lǐng)域之間的聯(lián)系，找出滿足給定支持度和置信度閾值的多個域之間的依賴關(guān)系。挖掘關(guān)聯(lián)規(guī)則是指在數(shù)據(jù)庫中挖掘具有特定形式的規(guī)則：由于某些事件(要素)的發(fā)生而引起另外一些事件(結(jié)果)的發(fā)生。關(guān)聯(lián)規(guī)則在決策支持系統(tǒng)、專家系統(tǒng)和智能信息系統(tǒng)等方面有著重要的應(yīng)用價值。

關(guān)聯(lián)規(guī)則挖掘過程主要包括三個階段：第一階段從數(shù)據(jù)集中找出所有的頻繁項集，均滿足支持度s≥min_sup，min_sup為支持度閾值；第二階段由這些頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則，計算這些關(guān)聯(lián)規(guī)則的置信度c，然后保留那些滿足c≥min_conf的關(guān)聯(lián)規(guī)則，min_conf為置信度閾值；第三階段計算關(guān)聯(lián)規(guī)劃的提升度l，并選取提升度l＞1的規(guī)則?？紤]到計算效率，本文選用Apriori關(guān)聯(lián)方法進(jìn)行事故數(shù)據(jù)潛在關(guān)聯(lián)規(guī)則挖掘。具體過程為：1)設(shè)定支持度＞3%，通過Apriori算法從事故數(shù)據(jù)挖掘出頻繁項集；2)設(shè)定置信度＞60%、提升度＞1為篩選依據(jù)，從頻繁項集中形成事故數(shù)據(jù)關(guān)聯(lián)規(guī)則集；3)按照最大事故信息量原則與最小數(shù)據(jù)缺失項原則，將具體的事故信息與關(guān)聯(lián)規(guī)則集進(jìn)行類比，獲得各項缺失數(shù)據(jù)的最可能值，對缺失的事故數(shù)據(jù)進(jìn)行彌補，進(jìn)而提高道路交通事故數(shù)據(jù)的完整性。

以填補傷亡事故中的缺失字段屬性值為例，經(jīng)過Apriori關(guān)聯(lián)分析得出強關(guān)聯(lián)且有意義的規(guī)則(見表2)。例如，對于某起傷亡事故，若路表情況字段空缺時，若天氣字段為雨天，則可以用規(guī)則1進(jìn)行數(shù)據(jù)填補；若駕齡字段為“小于5年”，則可以用規(guī)則3對數(shù)據(jù)進(jìn)行填補，以此類推。經(jīng)過這種方法處理后，可使事故數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)一步豐富，提高數(shù)據(jù)完整性。

圖1 深圳市2014—2016年事故點分布Fig.1 Distribution of accident locations in Shenzhen from 2014 to 2016

表1 事故數(shù)據(jù)屬性項字典表Tab.1 Dictionary of accident attribute data

3 基于樸素貝葉斯的道路交通事故傷亡特征因子甄別方法

降低傷亡事故發(fā)生頻率是公安交管工作的重中之重，目前大多使用數(shù)理統(tǒng)計方法對道路交通事故傷亡特征因子進(jìn)行分析，統(tǒng)計傷亡事故發(fā)生概率、分析傷亡事故發(fā)生原因，以此為基礎(chǔ)建立數(shù)學(xué)模型，來評估道路和交通管理安全性和有效性[8]。但是這種造成傷亡交通事故的違法行為可能多數(shù)情況下導(dǎo)致非傷亡事故的概率更高。例如對深圳市傷亡事故中違法行為統(tǒng)計發(fā)現(xiàn)“駕車時有其他妨礙安全行車行為的”約占60%，由此推斷只要有這一違法行為就很可能發(fā)生傷亡事故是不合適的。因為在非傷亡事故中，這一違法行為也大量出現(xiàn)，其與傷亡事故的比值約為143:1，即發(fā)生144次交通事故違法行為為“駕車時有其他妨礙安全行車行為的”時，可能只有一次是傷亡事故。由此可以得出該違法行為作為道路交通事故傷亡特征因子不合適。本文提出基于樸素貝葉斯的事故傷亡特征因子甄別方法：

經(jīng)挖掘分析，得出事故發(fā)生后造成傷亡率超過80%的前20種傷亡特征因子(見表3)，主要涉及違法行為(5種)、人的因素(2種)、車的因素(5種)、路的因素(6種)和環(huán)境因素(2種)。道路交通事故傷亡特征因子能定量化地挖掘事故誘因與事故傷亡情況之間的關(guān)聯(lián)關(guān)系，為基層民警開展事故預(yù)防預(yù)警提供了抓手。

表2 傷亡事故數(shù)據(jù)填補規(guī)則(部分)Tab.2 Casualty data filling rules(partial)

表3 基于貝葉斯的道路交通事故傷亡特征因子甄別Tab.3 Bayesian theory-based characteristic factor selecting of road accident casual

4 基于聚類算法的道路交通事故危險性挖掘

道路交通事故起因復(fù)雜多樣，每起事故均有其獨特的特點，但是在多個事故中可能存在相同的特征，本文稱之為共性特征。掌握交通事故的共性特征、發(fā)現(xiàn)交通事故危險程度的規(guī)律性結(jié)論，有助于在警力資源有限的情況下，有針對性地采取預(yù)防措施，減少交通事故的發(fā)生。本文基于K-means聚類算法，以事故認(rèn)定主要違法行為為對象，以事故數(shù)、傷亡率(基于表3中結(jié)果)、受傷人數(shù)、死亡人數(shù)作為危險度分析指標(biāo)，對事故數(shù)據(jù)進(jìn)行聚類。算法過程為：1)建立事故認(rèn)定主要違法行為的分析矩陣，主要違法行為為行，4個危險度指標(biāo)為列；2)采用SVD算法對矩陣進(jìn)行降維分解，選定前n個分量作為特征分量(本文選取前2個，見圖2a)；3)選取k個初始聚類中心；4)確定相似性距離度量函數(shù)。采用歐式距離作為計算兩兩違法行為前n個特征分量的相似性距離。5)開始迭代更新運算。計算每個樣本數(shù)據(jù)與每個聚類中心的相似性距離，將樣本歸到距離最短的類中。6)更新聚類中心位置。利用均值方法，更新每類的中心點位置。重復(fù)5)運算，直至每個聚類中心值保持不變。

本文基于深圳市事故數(shù)據(jù)進(jìn)行聚類分析后，得到3個具有明顯特征的類簇(見圖2)。類別1主要是事故頻次高、傷亡率較低的事故記錄，包括變更車道時影響正常行駛、不按規(guī)定倒車、不讓右行等發(fā)生在城區(qū)的交通事故。類別2主要是事故頻次較高、傷亡率較高的事故記錄，包括不按規(guī)定會車、轉(zhuǎn)彎機動車未讓直行車輛、行人先行，駕車時有其他妨礙安全行車行為等涉及機動車的事故。類別3主要是事故頻次較低、傷亡率高的事故記錄，包括未按規(guī)定戴安全頭盔、駕駛電動自行車超速行駛、肇事逃逸構(gòu)成犯罪等以摩托車、電動車、非機動車為主的事故。

道路交通事故危險度分析結(jié)果具有重要的應(yīng)用價值：一方面，可以對特定道路、交通、環(huán)境條件下各類交通事故的危害性進(jìn)行量化，便于相互之間比較；另一方面，事故危險性可作為該類事故的權(quán)重納入道路交通安全評價中，提升評價結(jié)果的合理性。

圖2 基于事故危險性特征的聚類結(jié)果Fig.2 Clustering results based on accident risk characteristics

5 結(jié)語

本文針對現(xiàn)有道路交通事故統(tǒng)計工作中存在的數(shù)據(jù)項缺失、方法單一、實戰(zhàn)應(yīng)用性弱等問題，借助大數(shù)據(jù)挖掘技術(shù)，探索性地提出道路交通數(shù)據(jù)缺失數(shù)據(jù)項填補、事故傷亡特征因子甄別，以及事故風(fēng)險等級分類評價方法，挖掘出的結(jié)果可輔助公安交管部門開展道路交通事故預(yù)防和交通安全管理工作。本文研究成果仍存在一定的局限性，例如時段僅劃分了早晚高峰和平峰，未考慮白天和夜間的區(qū)別，天氣未考慮雨量和風(fēng)力。另外，考慮到深圳城市發(fā)展與交通管理政策，并未對深圳特區(qū)內(nèi)外分別進(jìn)行研究。未來，將進(jìn)一步對道路交通事故數(shù)據(jù)開展多角度、精細(xì)化深入挖掘，同時將研究道路交通事故數(shù)據(jù)挖掘的自動化和智能化，研發(fā)相關(guān)決策支持系統(tǒng)。

:

[1]公安部交通管理局.中華人民共和國道路交通事故統(tǒng)計年報(2015年度)[R].北京：公安部交通管理科學(xué)研究所，2016.

[2]許卉瑩，包勇強，江海龍，等.道路交通事故數(shù)據(jù)分析挖掘技術(shù)研究[J].中國人民公安大學(xué)學(xué)報(自然科學(xué)版)，2008，14(4)：69-73.

[3]李翔敏，戴帥.基于大數(shù)據(jù)的道路交通管理反思：小即是美[J].城市交通，2015，13(3)：71-75.Li Xiangmin,Dai Shuai.Retrospection on Big Data-Based Road Traffic Management:Smaller Can be Better as Well[J].Urban Transport of China,2015,13(3):71-75.

[4]焦萬磊.面向道路交通事故成因分析的數(shù)據(jù)庫與挖掘方法研究[D].長春：吉林大學(xué)，2009.Jiao Wanlei.Research on the Database and Data Mining Method for the Cause of Traffic Accident[D].Changchun:Jilin University,2009.

[5]王曉燕，鄒堅敏，裘晨露，等.基于數(shù)據(jù)挖掘的交通事故信息綜合分析研判系統(tǒng)構(gòu)建研究[J].中國公共安全(學(xué)術(shù)版)，2016(4)：57-62.Wang Xiaoyan,Zou Jianmin,Qiu Chenlu.Comprehensive Statistics and Analysis System of Traffic Accident Information System Implementation Based on Data Mining[J].China Public Security(Academy Edition),2016(4):57-62.

[6]Peter Harrington.機器學(xué)習(xí)實戰(zhàn)[M].李銳，李鵬，曲亞東，等，譯.北京：人民郵電出版社，2013.Peter Harrington.Machine Learning in Action[M].Li Rui,Li Peng,Qu Yadong,et al,translated.Beijing:Posts and Telecom Press,2013.

[7]曄沙.數(shù)據(jù)缺失及其處理方法綜述[J].電子測試，2017(18)：65-67+60.Ye Sha.Data Deletion and Summary of Its Processing Methods[J].Electronic Test,2017(18):65-67+60.

[8]韓靜文，劉志強，龔標(biāo)，等.基于貝葉斯網(wǎng)的城市道路交通事故機理分析[J].科技創(chuàng)新與應(yīng)用，2017(8)：23-24.Han Jingwen,Liu Zhiqiang,Gong Biao,et al.Traffic Accident Mechanism Analysis Based on Bayesian Network[J].Technology Innovation andApplication,2017(8):23-24.