基于数据挖掘的高速公路货车交通事故影响因素关联分析研究

发布时间：2021-11-22 00:58

　　为深入挖掘高速公路货车交通事故影响因素间的复杂关联关系,以2012—2017年浙江省辖区内高速公路37万起货车交通事故数据为样本数据,基于社会网络分析法、Apriori关联算法和可视化等数据挖掘技术,构建从宏观到具体的详细关联规则挖掘流程,实现对浙江省内高速公路货车交通事故发生时间、事故形态、事故地点（桩号）和事故原因等七类事故影响因素间关联关系的深层次分析。结果表明:高速公路货车交通事故的时空分布规律显著;不同路段在安全状况、事故原因和事故发生时间上的差异性很大;死亡事故多发于凌晨时段,且多由疲劳驾驶引发;高速交通数据采集系统需进一步完善。针对事故多发路段、疲劳驾驶、车辆安全监管等热点问题,结合高速公路一线交警及管理部门的实践经验和迫切需求,提出了具有针对性的事故预防及安全管理对策与建议措施。 

【文章来源】：安全与环境工程. 2020,27(04)北大核心

【文章页数】：9 页

【部分图文】：

关联规则挖掘流程

表3 浙江省辖区内高速公路货车交通事故发生 年度统计Table 3 Annual statistics of truck traffic accidents on the expressways in Zhejiang Province during 2012—2017 年份 事故发生起数/起 死亡人数/人 死亡率/% 2012 39 645 271 0.68 2013 54 578 349 0.64 2014 60 805 303 0.5 2015 67 669 287 0.42 2016 77 796 256 0.33 2017 77 131 248 0.32 总计 377 624 1 714 0.45(2) 事故空间分布规律:

本文选取沪昆、沈海等高速公路的货车交通事故高发路段数据,绘制了事故高发路段-事故原因、事故高发路段-事故形态间的关系网络,见图3。在关系网络中, 节点代表了高速公路、 桩号、 事故原因等因素,节点越大说明其数量越多;节点之间的连线代表了节点之间的关联,连线越多则说明该节点中心度越大,是关系网络的枢纽,相似或关系紧密的节点颜色相同。由图3可见,每条高速公路的货车交通事故高发路段在事故数量上有很大的差异,例如沪昆高速K215、K216等是货车交通事故最高发的路段,在事故数量上较为突出,而其他高速公路的货车交通事故高发路段在事故数量上则相对较少,且较为平均;除此之外,不同路段在事故原因和事故形态上也有所差异。

【参考文献】：
期刊论文
[1]社会网络分析方法在情报分析中的应用研究[J]. 陈云伟.  情报学报. 2019(01)
[2]数据挖掘技术在我国道路交通安全评价中的应用[J]. 张坤,梅诗冬,景国勋,三上喜贵.  安全与环境工程. 2018(01)
[3]高速公路驾驶人跟车视觉行为研究[J]. 倪捷,刘志强.  安全与环境工程. 2015(06)
[4]地铁施工工人不安全行为关联规则研究[J]. 郭聖煜,骆汉宾,滕哲,蒋晓燕.  中国安全生产科学技术. 2015(10)
[5]基于能量储备与释放理论的大货车交通事故机理与对策研究[J]. 李淑庆,肖莉英,彭囿朗.  安全与环境工程. 2015(04)
[6]交通事故的时间分布规律[J]. 李文权,王炜.  中国安全科学学报. 2005(04)

硕士论文
[1]高速公路交通事故规律分析与影响因素研究[D]. 张宝.中国人民公安大学 2019



本文编号：3510609