文/溫喜梅 丁志成

不同的天氣、環(huán)境以及不良的駕駛行為都會(huì)導(dǎo)致惡性交通事故的發(fā)生。為了進(jìn)一步挖掘高速公路交通事件的特征以及內(nèi)在聯(lián)系，提高交通管理安全，本文以新疆交通事件數(shù)據(jù)分析為例，在運(yùn)用灰色關(guān)聯(lián)挖掘強(qiáng)關(guān)聯(lián)數(shù)據(jù)的基礎(chǔ)上，利用關(guān)聯(lián)規(guī)則Apriori算法挖掘事件屬性之間的聯(lián)系，結(jié)果表明G30線路受影響較為嚴(yán)重，同時(shí)風(fēng)雪天氣容易造成路面積冰打滑且視線模糊，對(duì)行駛安全存在較大的威脅，考慮到行車安全各方面因素，進(jìn)一步為交通管理者提供一定的幫助與建議。

引言

目前，中國(guó)道路交通建設(shè)進(jìn)入到一個(gè)快速發(fā)展的階段[1]。但是中國(guó)道路造成的交通事故數(shù)總體在增加的趨勢(shì)，其中事故起數(shù)、死亡人數(shù)分別占全國(guó)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(duì)道路安全進(jìn)行各方面分析。時(shí)宇杰[3]對(duì)道路安全并對(duì)數(shù)據(jù)挖掘分析，并以某市區(qū)事故數(shù)據(jù)為例，利用Apriori算法得出各因素之間的關(guān)系并給出建議措施，但文中對(duì)于數(shù)據(jù)的處理應(yīng)更加細(xì)致，避免計(jì)算的重復(fù)性。李淦山等[4]通過對(duì)近年來統(tǒng)計(jì)數(shù)據(jù)中機(jī)動(dòng)車量，死亡量等進(jìn)行分析，利用回歸分析對(duì)死亡人數(shù)預(yù)測(cè)，針對(duì)現(xiàn)有數(shù)據(jù)及預(yù)測(cè)數(shù)據(jù)對(duì)相關(guān)部門提出建議與措施，文中預(yù)測(cè)時(shí)所利用的因素較少，實(shí)際中其他數(shù)據(jù)因素都會(huì)有所影響。江山等[5]利用灰色關(guān)聯(lián)規(guī)則與Apriori算法相結(jié)合，同時(shí)與僅采用Apriori算法相對(duì)比，表明了相結(jié)合方法的有效性，可以分析出與交通事故的強(qiáng)關(guān)聯(lián)的因素。本文以2017年-2019年新疆高速公路數(shù)據(jù)為研究對(duì)象，首先分別從時(shí)間、空間等方面對(duì)新疆高速公路事件特征進(jìn)行分析，其次在灰色關(guān)聯(lián)分析的基礎(chǔ)上，利用關(guān)聯(lián)規(guī)則Apriori算法挖掘分析數(shù)據(jù)之間的聯(lián)系。

1.交通事件分析方法理論研究

1.1 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析，是一種多因素統(tǒng)計(jì)分析的方法，可以了解所關(guān)注信息受其他因素影響的相對(duì)強(qiáng)弱。對(duì)于兩個(gè)系統(tǒng)之間的因素，隨時(shí)間或其他對(duì)象而變化的關(guān)聯(lián)性大小的量度，稱為關(guān)聯(lián)度。

1.2 關(guān)聯(lián)規(guī)則Apriori算法

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

度量關(guān)聯(lián)規(guī)則的兩個(gè)階段分別是支持度s和置信度c。支持度是某一項(xiàng)集出現(xiàn)的頻率，當(dāng)支持度大于等于設(shè)定的最小支持度時(shí)，則稱為頻繁項(xiàng)集，進(jìn)一步挖掘找出所有的頻繁項(xiàng)集；置信度可認(rèn)為條件概率，在某一項(xiàng)集的前提下，求另一項(xiàng)集的概率。當(dāng)同時(shí)滿足最小支持度和最小置信度的情況下稱強(qiáng)關(guān)聯(lián)規(guī)則[8]。

其中，公式（5）、（6）中的σ 代表個(gè)數(shù)，其中σ（X∪Y）代表同時(shí)包含項(xiàng)集X與項(xiàng)集Y的個(gè)數(shù)，σ（X）代表包含項(xiàng)集X的個(gè)數(shù)，N代表總個(gè)數(shù)。

根據(jù)以上可知關(guān)聯(lián)規(guī)則主要分為兩個(gè)過程，挖掘所有的頻繁項(xiàng)集；根據(jù)頻繁項(xiàng)集找出強(qiáng)關(guān)聯(lián)規(guī)則。

2.實(shí)例分析

本文以新疆交通事件為例，采集2017年-2019年的數(shù)據(jù)共1566條，通過上文對(duì)交通事件分析的敘述，將上述方法運(yùn)用到新疆交通數(shù)據(jù)，發(fā)現(xiàn)交通事件的特征以及其中的關(guān)聯(lián)因素，并可進(jìn)一步提出措施保證交通安全。針對(duì)上文所述，主要是對(duì)不全的信息進(jìn)行刪除清理，選擇保留那些交通事件發(fā)生的字段因素。對(duì)數(shù)據(jù)處理后應(yīng)保留的字段包括：事件發(fā)生月份、天氣情況、路面狀況、發(fā)生線路、事件地點(diǎn)、事件類別、交通事件、控制方式幾大類。其中各個(gè)因素分別對(duì)應(yīng)其屬性值，例如月份中共包含1月-12月，分別利用數(shù)字1-12進(jìn)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(duì)應(yīng)的屬性值

2.1 交通事件灰色關(guān)聯(lián)分析

將灰色關(guān)聯(lián)分析方法應(yīng)用于交通數(shù)據(jù)可分析出強(qiáng)關(guān)聯(lián)數(shù)據(jù)，設(shè)置關(guān)聯(lián)度閾值為0.8。利用公式（3）、公式（4）計(jì)算確定的關(guān)聯(lián)度，一月份的關(guān)聯(lián)度為0.91，二月份的關(guān)聯(lián)度為0.87，以此類推計(jì)算關(guān)聯(lián)度，若小于設(shè)置的關(guān)聯(lián)度閾值則剔除。將所有數(shù)據(jù)按照上述方法以此計(jì)算分析，得到關(guān)聯(lián)度。

2.2 基于灰色關(guān)聯(lián)分析的關(guān)聯(lián)規(guī)則Apriori算法分析

2.2.1交通事件變量因素分析

將關(guān)聯(lián)規(guī)則Apriori算法用于數(shù)據(jù)分析，可分析各因素之間的聯(lián)系。根據(jù)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(shè)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(duì)事件發(fā)生影響較大，對(duì)其進(jìn)行保留，反之則剔除。

將所有的數(shù)據(jù)按照上述方式進(jìn)行計(jì)算，可得到各自因素的支持度，對(duì)小于設(shè)定的支持度時(shí)直接剔除。對(duì)于屬性值小于0.1的因素進(jìn)行剔除，對(duì)其他因素?cái)?shù)據(jù)保留進(jìn)一步分析。

2.2.2交通事件關(guān)聯(lián)分析

設(shè)置最小支持度0.1，最小置信度為0.5[5]，對(duì)數(shù)據(jù)進(jìn)一步分析，當(dāng)滿足強(qiáng)規(guī)則時(shí)說明具有兩者之間具有強(qiáng)關(guān)聯(lián)。強(qiáng)規(guī)則結(jié)果見表4。

?

根據(jù)表4對(duì)強(qiáng)規(guī)則進(jìn)行分析，以第一條規(guī)則為例，w ays=1代表控制方式中的單向阻斷；line=4代表發(fā)生線路中的G30線。規(guī)則1表示控制方式為單向阻斷且發(fā)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(fā)生在G30線。

針對(duì)上述規(guī)則，可以發(fā)現(xiàn)G30線路受影響較為嚴(yán)重，同時(shí)風(fēng)吹雪天氣容易造成路面積冰打滑且視線模糊，對(duì)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(jìn)行雙向阻斷的控制方式。

3.結(jié)論

本文基于灰色關(guān)聯(lián)與關(guān)聯(lián)規(guī)則Apriori算法相結(jié)合對(duì)新疆交通事件進(jìn)行分析，挖掘出強(qiáng)關(guān)聯(lián)因素以及各因素之間的聯(lián)系。分析結(jié)果表明該方法能夠較好地對(duì)交通事件進(jìn)行分析，具有一定的可行性與實(shí)用性，也為交通管理者提供了建議與幫助，進(jìn)一步保證了人身安全。針對(duì)于此，為了進(jìn)一步提升道路交通安全，交通安全預(yù)防，堅(jiān)持安全教育為主，堅(jiān)決杜絕違章現(xiàn)象的發(fā)生。C

引用出處

[1]人民日?qǐng)?bào).中國(guó)公路總里程已達(dá)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(wǎng).我國(guó)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(shí)宇杰.數(shù)據(jù)分析在道路交通事故中的研究與應(yīng)用[D].浙江工業(yè)大學(xué)，2018.

[4]李淦山.云南省交通事故數(shù)據(jù)的分析研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2007(07):72-80+177.

[5]江山，宋柯，謝維成，潘成偉.基于灰色關(guān)聯(lián)與Apriori算法的道路交通事故數(shù)據(jù)分析[J].公路工程，2019，44(04):67-73.

[6]劉昱崗，董道建.灰色關(guān)聯(lián)彈性模型在公路客運(yùn)量預(yù)測(cè)中的運(yùn)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(jìn)的關(guān)聯(lián)規(guī)則挖掘算法——M IFP-Apriori算法[J].科學(xué)技術(shù)與工程，2019，19(16):216-220.