基于模糊聚類的交通事故分類分析

王巖

摘要：本文采用數量積法，對選取的交通事故數據進行模糊聚類分析。結果表明，模糊聚類方法對于事故分析是有一定的作用的。

關鍵詞：模糊聚類；交通事故；分類

在道路交通中，常常要對一些交通事故進行分類分析，以找出其中的內在規律。由于各事故之間在很多方面并沒有一個截然的區別界限，所以分類本身就帶有模糊性。我們可以采用模糊方法對已有的事故資料進行模糊聚類，也就是說，找出他們在什么程度上屬于一類，在什么程度上不屬于一類，從而便于對事故進行進一步的分析。

為了對交通事故分類分析方法進行研究，本文選取107國道351條事故數據，通過去處一些明顯錯誤和不適合的數據，得到249條數據。取死亡一人及一人以上的重大事故作為研究對象,那么通過檢索，得到了符合要求的事故數據共39條。

一、建立相似關系

在模糊聚類中，建立相似關系的方法有很多，此處采用數量積法，亦即：

其中，M為一適當的正數，它滿足

為了便于采用數量積法建立相似關系，對上述數據進行一些處理。

1.1 對“事故具體地點”項的處理

該次統計地段的起點到終點是從107國道的1445公里處----1620公里處。對地點數據進行重新標定。具體方法是：

處理后地點數據=（事故具體地點-1445）/175*10

1.2 事故損失金額

所有事故中最大損失金額為200000元。據此對地點數據進行標定，具體方法是：

處理后事故損失金額數據=損失金額/200000*10

經過處理，將事故地點和事故損失金額都在1—10的范圍內進行了標定，以避免數據數量級的不同對相似關系建立的影響。

二、求模糊等價矩陣

用上述方法求得的相似矩陣還不具有傳遞性，即還不是模糊等價矩陣。為此，我們應把它改造成模糊等價矩陣R*。也就是求R2，R4，R8，…一直到使R2n=R2(n+1)，此時的R2n即為所求的R*。

上面的相似矩陣經過自乘，可求得模糊等價矩陣：

三、按照不同的λ值進行聚類

然后，把數據輸入模糊聚類計算程序，可以得到：

當λ=0.7時得到的截矩陣為

當λ=0.8時得到的截矩陣為

當λ=0.9時得到的截矩陣為:

可見：

● 當λ=0.7時，第2，3，5，8，13，14，15，16，17，20，25，28，29，34，35項是相同的，

● 當λ=0.8時，第2，3，5，8，13，14，15，16，17，20，25，28，29，34，35項是相同的

● 當λ=0.9時，第2，3，5，8，13， 15，16，17，20，25，28，29，34，35項是相同的

我們把由模糊聚類分出的數據挑選出來。經過分析可以看出：

1、 事故發生地點集中在國道1605公里—1622公里之間，共有13起，占重大事故總數39起的33.33%，而事故數據收集地點是從國道1535公里——國道1671公里，總長136公里，而該路段只占總路段長度的10.3%。可見，該路段的重大事故發生率明顯偏高，

2、 在這15起事故中，有非機動車損失的只有3起，可見這類事故主要是發生在機動車和機動車之間或機動車與行人之間。

3、 就以上分析來看，模糊聚類方法對于事故分析是有一定的作用的。