基于數據挖掘的道路交通事故序列模式與嚴重程度預測研究.pdf

1、隨著機動車保有量的不斷增長，道路交通安全問題也日益突出，世界各國都非常重視并長期致力于降低道路交通事故數量或事故中人員與財產損失。道路交通事故的發(fā)生與交通系統中人、車、路、環(huán)境等多方因素的影響密不可分。交通環(huán)境因素作為外因，駕駛員行為因素作為內因，兩者耦合失調導致了交通事故的發(fā)生。道路交通事故歷史數據直接反映了事故發(fā)生過程中，各影響因素之間的作用關系，運用數據挖掘的方法深入研究潛在的規(guī)律與事故機理，為交通安全管理與駕駛安全教育提供了理論

2、支持。
　　本文以道路交通事故影響因素序列模式與事故嚴重程度預測為研究重點，討論了對事故有顯著影響的因素及其影響模式。首先通過分析道路交通事故數據特點，發(fā)現事故發(fā)生的過程中各影響因素根據時間先后順序形成序列，對事故產生綜合的影響，確定使用序列模式數據挖掘方法，研究交通環(huán)境因素與駕駛員行為因素兩方面因素對事故影響的高頻序列模式，并提出了更適合本研究的考慮了比例與權重因素的序列模式頻繁度指標。其次，為了對以受傷程度為代表的事故嚴重程度

3、進行定性預測，使用CHAID決策樹方法對多分類的影響因素建立了預測模型，研究容易造成嚴重傷害交通事故的影響因素。
　　交通環(huán)境因素序列模式挖掘得到了涉及大氣條件、區(qū)域人口規(guī)模、照明情況等影響因素與碰撞形式和最大受傷程度表征的事故結果的高頻序列模式，揭示了各因素對事故結果的綜合影響模式。研究表明“雨天”與“夜晚（無照明）”是最容易導致嚴重傷害事故的因素。駕駛員行為相關因素序列模式挖掘同樣得到了涉及駕駛員年齡性別、碰撞前行為、碰撞前特

4、殊事件等因素與碰撞類型和受傷程度表征的事故結果的高頻序列模式。各高頻序列模式可作為當前交通因素下，對事故結果的定性預測。兩類影響因素的序列模式研究對道路交通事故形成機理的分析與駕駛安全教育具有很好的參考價值。
　　對兩類因素分別建立了決策樹模型來預測事故嚴重程度。發(fā)現碰撞類型是對事故嚴重程度影響最大的因素。決策樹模型與序列模式得到了相似的結論，同樣表明兩類因素中“雨天”、“夜晚”、“與對向機動車碰撞”和“變換車道碰撞”最容易造成嚴