楊東紅

摘要：基于數(shù)據(jù)挖掘在潛在價(jià)值信息發(fā)現(xiàn)、具備大數(shù)據(jù)量處理能力等優(yōu)勢(shì)，采用關(guān)聯(lián)規(guī)則挖掘方法對(duì)英國(guó)近10年交通事故數(shù)據(jù)進(jìn)行分析，本文通過Python語(yǔ)言建立Apriori關(guān)聯(lián)規(guī)則挖掘模型，分析交通事故發(fā)生的頻繁因素集，發(fā)現(xiàn)交通事故數(shù)據(jù)中存在的關(guān)系和規(guī)則，從而為交通事故預(yù)警和管理提供數(shù)據(jù)決策支撐。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；Apriori；交通事故

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0230-01

隨著社會(huì)經(jīng)濟(jì)快速發(fā)展，科技水平和人們生活提升，機(jī)動(dòng)車數(shù)量近年來呈現(xiàn)出逐年大幅度增長(zhǎng)的趨勢(shì)。交通建設(shè)的進(jìn)度遠(yuǎn)遠(yuǎn)跟不上日益增長(zhǎng)的車輛數(shù)，隨之給城市交通帶來了巨大的壓力，導(dǎo)致交通堵塞問題嚴(yán)重、交通事故日益頻發(fā)[1]，導(dǎo)致國(guó)家和人民大眾大量經(jīng)濟(jì)損失。

在傳統(tǒng)的交通事故分析中，多數(shù)采用統(tǒng)計(jì)學(xué)描述方法，通過事故發(fā)生概率、分析事故發(fā)生規(guī)律，基于這些規(guī)律給出一些交通相關(guān)參考意見。而數(shù)據(jù)挖掘作為一種從大量的數(shù)據(jù)中發(fā)掘有價(jià)值信息的技術(shù)，能給予決策人員基于有價(jià)值信息通識(shí)全局和潛在情況，并制定相應(yīng)決策。

本文針對(duì)英國(guó)交通事故歷史數(shù)據(jù)進(jìn)行分析，利用數(shù)據(jù)挖掘技術(shù)挖掘出有效的關(guān)聯(lián)規(guī)則，探討相同類型交通事故發(fā)生規(guī)律，進(jìn)而通過天氣、道路情況等確定其可能的交通事故，利用關(guān)聯(lián)規(guī)則實(shí)現(xiàn)關(guān)聯(lián)事故的提前預(yù)警。同時(shí)，了解車輛參數(shù)、駕駛員信息對(duì)交通事故發(fā)生的潛在影響，掌握交通事故多因素關(guān)聯(lián)關(guān)系。

1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中潛在價(jià)值信息的過程[2]，自上世紀(jì)70年代起至今，數(shù)據(jù)挖掘從理論到實(shí)踐得到了快速進(jìn)步，特別是在應(yīng)用實(shí)踐中，其已涵蓋人類生活的方方面面。

數(shù)據(jù)挖掘常用的分析方法有分類、聚類、預(yù)測(cè)、關(guān)聯(lián)規(guī)則等，其中關(guān)聯(lián)規(guī)則分析由于其在商業(yè)領(lǐng)域的眾多成功應(yīng)用，使得該方法在數(shù)據(jù)挖掘領(lǐng)域成為一個(gè)重要分支。

1.1 關(guān)聯(lián)規(guī)則

設(shè)為項(xiàng)的集合，其中的元素稱為項(xiàng)；事物數(shù)據(jù)庫(kù)為事務(wù)T的集合，每個(gè)事務(wù)都對(duì)應(yīng)I上的一個(gè)子集，有，，計(jì)為X和Y關(guān)聯(lián)。

1.2 支持度

設(shè)，項(xiàng)集在事物數(shù)據(jù)庫(kù)D上的支持度指特定事務(wù)在D中所占的百分比，即：

若項(xiàng)集滿足最小支持度，則稱之為頻繁項(xiàng)集。Lk表示頻繁k-項(xiàng)集的集合。

1.3 置信度

關(guān)聯(lián)規(guī)則的置信度是指包含X和Y的事務(wù)數(shù)與包含X的事務(wù)數(shù)之比[3]，即：

1.4 Apriori算法

Apriori算法采用逐層搜索的迭代方法，在分類上屬于布爾型關(guān)聯(lián)規(guī)則[4]，反復(fù)沖頻繁K-項(xiàng)集去尋找頻繁（K+1）-項(xiàng)集。首先遍歷事物庫(kù)，找出頻繁1-項(xiàng)集的集合。記作L1，將L1自連接從而生成頻繁2-項(xiàng)集的集合L2，而L2生成L3，如此下去，直到不能找到LK ，即頻繁K-項(xiàng)集。

Apriori算法的流程圖如圖1。

2 實(shí)驗(yàn)

基于數(shù)據(jù)挖掘技術(shù)的交通事故關(guān)聯(lián)分析包括3個(gè)步驟：

（1）數(shù)據(jù)預(yù)處理，由于數(shù)據(jù)存在大量缺失、異常數(shù)據(jù)等問題，因此需要進(jìn)行數(shù)據(jù)預(yù)處理，包括缺失值處理、異常值處理、屬性變換、數(shù)據(jù)離散化等問題。

（2）建立挖掘模型，挖掘關(guān)聯(lián)規(guī)則。

（3）模型評(píng)估與分析，評(píng)估模型結(jié)果和分析關(guān)聯(lián)規(guī)則挖掘結(jié)果。

數(shù)據(jù)來源于英國(guó)交通部公布的2005-2015年交通事故數(shù)據(jù)，共包括1780653條交通事故數(shù)據(jù)，該數(shù)據(jù)集涵蓋了交通事故發(fā)生的地點(diǎn)、時(shí)間、道路類型、交通情況、人員、車輛、天氣等信息。

本文對(duì)數(shù)據(jù)缺失值處理主要采用KNN，回歸和刪除缺失值三種方法，其中對(duì)于缺失比過大的采用刪除缺失值的方法，對(duì)于連續(xù)型屬性采用回歸法填充，對(duì)于離散型屬性采用KNN法填充。

本文利用Python語(yǔ)言建立Apriori關(guān)聯(lián)規(guī)則模型，基于交通事故數(shù)據(jù)集中17個(gè)屬性構(gòu)建關(guān)聯(lián)分析模型。

在實(shí)驗(yàn)過程中，設(shè)定最小支持度min_Sup為10%，最小置信度min_Conf為35%，通過上述的關(guān)聯(lián)規(guī)則挖掘模型交通事故數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則提取和分析，得出一些有意義的關(guān)聯(lián)規(guī)則，下面舉例說明：

（天氣：雨）∧（光線：黑暗無光）∧（城鄉(xiāng)類型：農(nóng)村）∧（道路類型：B）∧（車輛操作：左轉(zhuǎn)彎）∧（道路形式：?jiǎn)蜗蚵罚模ㄐ詣e：男）∧（年齡段：中年）∧（時(shí)段：22-24）側(cè)翻（sup=0.566，conf=0.873）

以上示例代表了一個(gè)關(guān)聯(lián)模式，其后面給出了支持度和置信度的取值，以此來表征該關(guān)聯(lián)模式在總事故數(shù)中出現(xiàn)的頻度和符號(hào)“”前面的因素組合推導(dǎo)出后面的事故類型的可能性大小。通過調(diào)整算法的最小支持度、最小置信度的閾值或采用不同屬性建模，可以發(fā)現(xiàn)更多的關(guān)聯(lián)規(guī)則。

3 結(jié)語(yǔ)

關(guān)聯(lián)規(guī)則挖掘是一種非常流行的技術(shù)，可以用來識(shí)別事故發(fā)生時(shí)經(jīng)常發(fā)生的不同屬性之間的關(guān)系。在本文中，將關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用于分析交通事故因素關(guān)系。對(duì)交通事故的發(fā)生實(shí)現(xiàn)了定性分析，進(jìn)而依據(jù)分析結(jié)果可以交通事故的發(fā)生提出預(yù)報(bào)，為交通事故預(yù)警提供理論依據(jù)和數(shù)據(jù)支撐。

參考文獻(xiàn)

[1]陳錚.基于激光掃描數(shù)據(jù)的交通信息采集平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D].山東科技大學(xué)，2010.

[2]RonZacharski，扎哈爾斯基，王斌.寫給程序員的數(shù)據(jù)挖掘?qū)嵺`指南[M].人民郵電出版社，2015.

[3]劉雨露，方剛.目標(biāo)關(guān)聯(lián)規(guī)則挖掘算法的研究與應(yīng)用[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，35（6）：115-119.

[4]高俊，何守才.布爾型關(guān)聯(lián)規(guī)則挖掘算法研究[J].計(jì)算機(jī)工程，2006，32（1）：116-118.endprint