基于關聯規則對交通安全駕駛事件分析研究

文/溫喜梅 丁志成

不同的天氣、環境以及不良的駕駛行為都會導致惡性交通事故的發生。為了進一步挖掘高速公路交通事件的特征以及內在聯系，提高交通管理安全，本文以新疆交通事件數據分析為例，在運用灰色關聯挖掘強關聯數據的基礎上，利用關聯規則Apriori算法挖掘事件屬性之間的聯系，結果表明G30線路受影響較為嚴重，同時風雪天氣容易造成路面積冰打滑且視線模糊，對行駛安全存在較大的威脅，考慮到行車安全各方面因素，進一步為交通管理者提供一定的幫助與建議。

引言

目前，中國道路交通建設進入到一個快速發展的階段[1]。但是中國道路造成的交通事故數總體在增加的趨勢，其中事故起數、死亡人數分別占全國重特大事故總量的70%和80%[2]。為了有效改善道路的交通安全狀況，提高高速公路的交通效率，需要對道路安全進行各方面分析。時宇杰[3]對道路安全并對數據挖掘分析，并以某市區事故數據為例，利用Apriori算法得出各因素之間的關系并給出建議措施，但文中對于數據的處理應更加細致，避免計算的重復性。李淦山等[4]通過對近年來統計數據中機動車量，死亡量等進行分析，利用回歸分析對死亡人數預測，針對現有數據及預測數據對相關部門提出建議與措施，文中預測時所利用的因素較少，實際中其他數據因素都會有所影響。江山等[5]利用灰色關聯規則與Apriori算法相結合，同時與僅采用Apriori算法相對比，表明了相結合方法的有效性，可以分析出與交通事故的強關聯的因素。本文以2017年-2019年新疆高速公路數據為研究對象，首先分別從時間、空間等方面對新疆高速公路事件特征進行分析，其次在灰色關聯分析的基礎上，利用關聯規則Apriori算法挖掘分析數據之間的聯系。

1.交通事件分析方法理論研究

1.1 灰色關聯分析

灰色關聯分析，是一種多因素統計分析的方法，可以了解所關注信息受其他因素影響的相對強弱。對于兩個系統之間的因素，隨時間或其他對象而變化的關聯性大小的量度，稱為關聯度。

1.2 關聯規則Apriori算法

1993年R.Agraw al.[7]等人提出了Apriori算法，是經典的關聯規則頻繁項集挖掘算法之一。利用關聯規則可以發現生活以及其他方面某些因素有趣的聯系。關聯規則最先是針對超市購物問題“尿布與啤酒”的例子提出的，原因是發現跟尿布一起購買最多的商品是啤酒，通過發現其中存在的關系也為商家提供了銷售策略。因此，關聯規則就是幾種因素之間存在的關系，比如X→Y這樣的形式，其中X={X1，X2…}，X∩Y=φ。關聯規則主要分為兩個過程，首先令K=1產生頻繁1項集，不斷迭代K=K+1得到頻繁K項集，如果K項候選集的支持度大于等于設定的最小支持度閾值，則稱為K項頻繁項集。否則，K為項非頻繁項集。

度量關聯規則的兩個階段分別是支持度s和置信度c。支持度是某一項集出現的頻率，當支持度大于等于設定的最小支持度時，則稱為頻繁項集，進一步挖掘找出所有的頻繁項集；置信度可認為條件概率，在某一項集的前提下，求另一項集的概率。當同時滿足最小支持度和最小置信度的情況下稱強關聯規則[8]。

其中，公式（5）、（6）中的σ 代表個數，其中σ（X∪Y）代表同時包含項集X與項集Y的個數，σ（X）代表包含項集X的個數，N代表總個數。

根據以上可知關聯規則主要分為兩個過程，挖掘所有的頻繁項集；根據頻繁項集找出強關聯規則。

2.實例分析

本文以新疆交通事件為例，采集2017年-2019年的數據共1566條，通過上文對交通事件分析的敘述，將上述方法運用到新疆交通數據，發現交通事件的特征以及其中的關聯因素，并可進一步提出措施保證交通安全。針對上文所述，主要是對不全的信息進行刪除清理，選擇保留那些交通事件發生的字段因素。對數據處理后應保留的字段包括：事件發生月份、天氣情況、路面狀況、發生線路、事件地點、事件類別、交通事件、控制方式幾大類。其中各個因素分別對應其屬性值，例如月份中共包含1月-12月，分別利用數字1-12進行編碼，天氣中包含雪、大霧、降雨等屬性，具體見表1。

表1 各因素及對應的屬性值

2.1 交通事件灰色關聯分析

將灰色關聯分析方法應用于交通數據可分析出強關聯數據，設置關聯度閾值為0.8。利用公式（3）、公式（4）計算確定的關聯度，一月份的關聯度為0.91，二月份的關聯度為0.87，以此類推計算關聯度，若小于設置的關聯度閾值則剔除。將所有數據按照上述方法以此計算分析，得到關聯度。

2.2 基于灰色關聯分析的關聯規則Apriori算法分析

2.2.1交通事件變量因素分析

將關聯規則Apriori算法用于數據分析，可分析各因素之間的聯系。根據公式（5）、公式（6）可確定各因素屬性值的支持度以及置信度。設置最小支持度為0.1[5]，以月份為例，1月的支持度為0.153，2月的支持度為0.117，3月的支持度為0.075，由于0.153（1月）>0.117（2月）>0.1，說明1月和2月對事件發生影響較大，對其進行保留，反之則剔除。

將所有的數據按照上述方式進行計算，可得到各自因素的支持度，對小于設定的支持度時直接剔除。對于屬性值小于0.1的因素進行剔除，對其他因素數據保留進一步分析。

2.2.2交通事件關聯分析

設置最小支持度0.1，最小置信度為0.5[5]，對數據進一步分析，當滿足強規則時說明具有兩者之間具有強關聯。強規則結果見表4。

?

根據表4對強規則進行分析，以第一條規則為例，w ays=1代表控制方式中的單向阻斷；line=4代表發生線路中的G30線。規則1表示控制方式為單向阻斷且發生在G30線的可能為23.6%，在控制方式為單向阻斷的情況下有65.1%的可能發生在G30線。

針對上述規則，可以發現G30線路受影響較為嚴重，同時風吹雪天氣容易造成路面積冰打滑且視線模糊，對行駛安全存在較大的威脅，考慮到行車安全各方面因素，大多進行雙向阻斷的控制方式。

3.結論

本文基于灰色關聯與關聯規則Apriori算法相結合對新疆交通事件進行分析，挖掘出強關聯因素以及各因素之間的聯系。分析結果表明該方法能夠較好地對交通事件進行分析，具有一定的可行性與實用性，也為交通管理者提供了建議與幫助，進一步保證了人身安全。針對于此，為了進一步提升道路交通安全，交通安全預防，堅持安全教育為主，堅決杜絕違章現象的發生。C

引用出處

[1]人民日報.中國公路總里程已達484.65萬公里暢通九州[EB/OL].http://www.Chinan news.com/gn/2019/07-19/8900098.shtm l，2019年07月19日09:21.

[2]新華網.我國道路交通事故降幅明顯[EB/OL].http://www.xinhuanet.com/legal/2017-12/19/c_1122135897.htm，2017-12-1916:46:07.

[3]時宇杰.數據分析在道路交通事故中的研究與應用[D].浙江工業大學，2018.

[4]李淦山.云南省交通事故數據的分析研究[J].中國安全科學學報，2007(07):72-80+177.

[5]江山，宋柯，謝維成，潘成偉.基于灰色關聯與Apriori算法的道路交通事故數據分析[J].公路工程，2019，44(04):67-73.

[6]劉昱崗，董道建.灰色關聯彈性模型在公路客運量預測中的運用[J].公路工程，2015，40(01):253-256.

[7]AgrawalR.M ining Association Rule between Setsof Items in Large Databese[C]//ACM SIGMOD Conference on Management of Data.1993:263－236.

[8]曾子賢，鞏青歌，張俊.改進的關聯規則挖掘算法——M IFP-Apriori算法[J].科學技術與工程，2019，19(16):216-220.