数据挖掘技术在出租车交通事故分析中的应用

【 学术研究 】
数据挖掘技术在出租车交通事故分析中的应用
都 春 ， 刘兴波
） （ 朝阳师专 ， 辽宁 朝阳 １ ２ ２ ０ ０ ０
摘 要 ： 将数据挖掘中的聚类分析技术应用到出 租 车 交 通 事 故 分 析 系 统 中 ， 以 充 分 发 挥 数 据 挖 掘 的 特 点 ， 深入研究出租车交通事故中肇事司机的共同特征 ， 有针对性提出相应管理办法 ， 从而提高交通事故数据的利 用 价值 ． 关键词 ： 出租车交通事故 ； 数据挖掘 ； 聚类分析 （ ） 中图分类号 ：Ｔ Ｐ ３ １ １ ． １ ３ 文献标识码 ：Ａ 文章编号 ：１ ０ ０ ８－５ ６ ８ ８ ２ ０ １ １ ０ ４－０ ０ ３ ２－０ ３
收稿日期 ：２ ０ ０ ８—１ ０—２ ０ ， 男 ， 辽宁凌源市人 ， 工程师 ， 主要从事数据挖掘方面研究 ． 作者简介 ： 都春 （ １ 出租车交通事故分析中的应用
３ ３
性地加强培训管理 ， 达到减少出租车交通事故的最终目的 ． ３ 数据的采集与预处理 “ 出租车交通事故分析系统 ” 的实验数据是从朝阳市交警支队事故科采集的 ２ ０ ０ ４～２ ０ ０ ８ 年部分出租车 交通事故记录数据 ， 以及出租车公司提供的出租车司机信息作为系统原始数据 ， 利用数据挖掘技术对原始 数据进行科学地处理和分析 ． ３ ． １ 数据清理 在数据采集过程中发现交通事故记录表中有空值现象 ， 需要进行数据预处理 ， 在不影响数据质量的前 提下应尽量避免过多的缺值现象产生 ． 处理空值采用默认替代值和计算替代值的方法 ． 例如肇事司机性别 为空值 ， 就默认为男性 ； 肇事司机的年龄为空值 ， 就利用司机的平均年龄来代替 ． ３ ． ２ 数据降噪 ２］ ， 利用 Ｓ ） 提供的 Ｍ 采用聚类的方法来处理噪声数据 ［ Ｑ Ｌ Ｓ ｅ ｒ ｖ ｅ ｒ Ａ ｎ ａ ｌ ｓ ｉ ｓ Ｓ ｅ ｒ ｖ ｉ ｃ ｅ ｓ（ Ｓ Ｓ Ａ Ｓ ｉ ｃ ｒ ｏ ｓ ｏ ｆ ｔ聚 ｙ 集算法检测噪声数据 ． 下面以 检 测 数 据 库 中 性 别 属 性 为 例 ， 说 明 聚 集 算 法 的 过 程 ， 选 择 ｓ ｅ ｘ作为输入属 ， ： 性 ， 通过向导生成模型名称为 ｓ 的一个性别属性的数据集 可以由各节点位置描述得到以下结果 ｅ ｘ ， 即性别为女性 ； Ｃ ｌ ｕ ｓ ｔ ｅ ｒ １： 属性值为 “ Ｗ” ， 即性别为男性 ； Ｃ ｌ ｕ ｓ ｔ ｅ ｒ ２： 属性值为 “ Ｍ” ： “ ” ， 属性值为 即性别为其他 ． Ｃ ｌ ｕ ｓ ｔ ｅ ｒ ３ Ｎ ，由此发现性别为 “ 由于性别属性取值只能是 “ Ｗ” 和 “ Ｍ” Ｎ” 的 数 据 是 此 数 据 集 中 噪 声 数 据 ， 可 “ ” “ ” ， 以通过修改将性别为 Ｎ 的数 据 转 换 为 Ｍ 消 除 性 别 属 性 的 噪 声 数 据．通 过 相 同 的 方 法 也 可 以 检 测 和处理其他属性的噪声数据 ． ３ ． ３ 数据规约 数据归约采用 的 方 法 是 利 用 Ｓ 提 Ｑ Ｌ Ｓ ｅ ｒ ｖ ｅ ｒ Ａ ｎ ａ ｌ ｓ ｉ ｓ Ｓ ｅ ｒ ｖ ｉ ｃ ｅ ｓ（ Ｓ Ｓ Ａ Ｓ） ｙ 供的数据透视表 ， 分析数据库中各 属 性 的 相 关 重 要 度 ， 对 于 不 相 关 或 关 系
０ 引言 目前在城市客运交通中 ， 出租车所占的比重越来越大 ， 同时大量出租车交通事故也随之而来 ． 将数据 挖掘技术应用在交通领域 ， 利用数据挖掘技术对交通事故数据进行挖掘 ， 逐渐成为国内外关注的一个重要 科研课题 ． 将数据挖掘中的聚类分析技术应用到出租车交通事故分析系统中 ， 充分挖掘数据的深层价值 ． １ 需求分析 在出租车交通事故中 ， 司机作为引起交通事故的主要原因所占的比例是相当大的 ． 实际上作为出租车 司机本身具有很多优势 ： 首先 ， 作为职业的驾驶人员 ， 驾驶技术 非 常 熟 练 ； 其 次 ， 长 时 间 驾 驶 同 一 辆 车 ， 对出租车的性能状况十分了解 ； 再次 ， 长时间工作在一个相对固定区域 ， 对道路情况非常熟悉 ． 按常理发 生交通事故的可能性应该很小 ， 但出租车交通事故还是接连不断地发生 ， 因此非常有必要分析这类交通事 故的原因 ， 尤其是与出租车司机有关的各方面的原因 ， 找到其中隐含的共同事故特征 ， 然后在管理中加强 相应方面的管理和指导 ， 达到减少事故发生的目的 ． ２ 数据挖掘中基于属性聚类技术的特点 为了对出租车交通事故中司机的各方面原因进行深层次的分析 ， 可以利用数据挖掘中的聚类技术进行研 究 ． 聚类就是将数据对象分组成为多个簇 ， 使得在同一个簇中的对象之间具有较高的相似度 ， 而不同簇中的 对象差别较大 ． 在聚类过程中 ， 类群不是预先指定 ， 而是在事先不知道有多少类的情况下 ， 以某种度量为标 ］ １ ： 一是作为数据分类的预处 理步 准将具有相似特征的数据对象划为一类 ． 聚类分析主要有两方面的作用［ 骤 ； 另一个作用就是作为一个独立的分析工具 ， 用于处理数据的分布 ．Ｋ－ｍ ｅ ａ ｎ ｓ算法是一种基于样本间相 ， ， ， 似性度量的间接聚类方法 算法以ｋ 为参数 把ｎ 个对象分为ｋ 个簇 以使簇内具有较高的相似度 ， 而且簇 间的相似度较低 ． 相似度的计算根据一个簇中对象的平均值来进行 ． 此算法首先随机选择ｋ 个对象 ， 每个对 象代表一个聚类的质心 ， 对于其余的每一个对象 ， 根据该对象与各聚类质心之间的距离 ， 把它分配到与之最 相似的聚类中 ． 然后 ， 重新计算每个聚类的新质心 ， 重复上述过程 ， 直到准则函数会聚 ． 在多属性聚类中 ， 利用聚类分析对肇事司机进行聚类分组 ， 使得在一个类中的司机特性具有很高的相 ， 似性 而与其他类中的司机的特性相异 ． 根据实际情况需要 ， 在聚类时要 考 虑 其 中 各 个 属 性 的 重 要 程 度 ， 进行属性重要度分析 ． 基于属性划分的聚类方法的基本过程是 ： 首先对对象集中的所有对象给出重要属性 和次要属性 ， 然后随机选取一个对象作为一类的中心 ， 对剩余的对象 ， 考察它们和该中心的相似度 ． 如果 某一对象的重要属性与中心的重要属性相同的比例大于某一百分比 ， 并且重要属性占到全部属性的某一百 分比时 ， 把它们划归为一类 ， 否则 ， 它们属于不同的类 ． 经过这样的划分后 ， 如果类的数目过大 ， 则可根 据基于距离的算法 ， 对各类的中心进行相似度计算 ， 相似度较大的 ， 则合并为同一类 ． 这样就可以将肇事 司机按照不同的属性进行群体分类 ， 可以针对不同的司机群体的特点 ， 进行更深层次的分析研究 ， 有针对
第１ 辽宁师专学报 ３卷 第４期 Ｖ ｏ ｌ ． １ ３ Ｎ ｏ ． ４ ２ ０ １ １年１ ２月 Ｊ Ｄ ｅ ｃ． ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｌ ｉ ａ ｏ ｎ ｉ ｎ Ｔ ｅ ａ ｃ ｈ ｅ ｒ ｓ Ｃ ｏ ｌ ｌ ｅ ｅ ２ ０ １ １ ｇ ｇ