李虹燕　朱龍波　任憲通　許文雯

摘要：為減少道路交通事故的發(fā)生，基于某市2020年的交通事故數(shù)據(jù)分析道路交通事故規(guī)律及成因，以照明條件、能見度和天氣等9個(gè)因素為自變量，以無(wú)傷害、輕傷、重傷及死亡等4種交通事故嚴(yán)重程度為因變量，采用多元Logistic回歸模型和有序多分類Logistic回歸模型，分析影響交通事故嚴(yán)重程度的重要因素。對(duì)某市2021年第1季度的交通事故數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明：多元Logistic回歸模型和有序多分類Logistic回歸模型對(duì)交通事故嚴(yán)重程度的正確預(yù)測(cè)率分別為75.1%、75.0%?；跀?shù)據(jù)挖掘的道路交通事故成因分析可為交通管理部門治理交通環(huán)境、降低交通事故提供依據(jù)。

關(guān)鍵詞：數(shù)據(jù)挖掘；事故成因；事故嚴(yán)重程度；多元Logistic回歸；有序多分類Logistic回歸

中圖分類號(hào)：U491.31；TP311.13文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1672-0032（2023）02-0020-08

引用格式：李虹燕，朱龍波，任憲通，等.基于數(shù)據(jù)挖掘的道路交通事故成因分析［J］.山東交通學(xué)院學(xué)報(bào)，2023，31（2）：20-27.

LI Hongyan，ZHU Longbo，REN Xiantong， et al. Analysis of road traffic accidents based on data mining［J］.Journal of Shandong Jiaotong University，2023，31（2）：20-27.

0 引言

近年來(lái)，我國(guó)汽車保有量屢創(chuàng)新高，因交通事故造成的生命財(cái)產(chǎn)損失也在逐年增大。分析交通事故的規(guī)律及成因?qū)ΡＵ铣鲂邪踩?、減少財(cái)產(chǎn)損失至關(guān)重要。當(dāng)前，國(guó)內(nèi)外學(xué)者多采用數(shù)據(jù)挖掘技術(shù)研究這一課題。Pande等[1]采用數(shù)據(jù)分析軟件SAS中的卡方檢驗(yàn)法分析美國(guó)佛羅里達(dá)州的交通事故數(shù)據(jù)，基于5種變量構(gòu)建分析模型，發(fā)現(xiàn)照明不足情況下易發(fā)生嚴(yán)重交通事故。Siordia等[2]構(gòu)建駕駛風(fēng)險(xiǎn)分類系統(tǒng)，模擬卡車在城市、山區(qū)、城際等環(huán)境的行駛情況，采用分類與回歸樹法、神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)等方法定量分析車輛行駛數(shù)據(jù)，采用專家評(píng)估法分類分析交通事故的影響因素。Geurts等[3]采用數(shù)據(jù)挖掘方法劃定“黑色”區(qū)域，發(fā)現(xiàn)在劃定區(qū)域內(nèi)交通事故集中發(fā)生在路口左轉(zhuǎn)、與行人碰撞、車輛失控和多雨天氣等情況。王云等[4]采用改進(jìn)的Apriori算法挖掘交通事故數(shù)據(jù)，尋找可能造成交通事故發(fā)生的因素與交通事故本身屬性的聯(lián)系。董立巖等[5]采用數(shù)據(jù)挖掘中的粗糙集手法設(shè)計(jì)2個(gè)決策表分析交通事故屬性和影響因素，并將此算法應(yīng)用到現(xiàn)實(shí)管理中。宗芳等[6]根據(jù)交通事故數(shù)據(jù)，采用有序多項(xiàng)選擇模型計(jì)算天氣、交通信號(hào)及車道等因素對(duì)受傷人數(shù)的貢獻(xiàn)，結(jié)果表明道路在沒有指示信息時(shí)受傷人數(shù)多于有信號(hào)指示信息時(shí)。

根據(jù)真實(shí)的交通事故數(shù)據(jù)尋找解決道路交通安全問(wèn)題的途徑，選擇合適的交通事故數(shù)據(jù)挖掘方法，分析交通事故規(guī)律和導(dǎo)致事故發(fā)生的根本原因[7-10]。本文選取某市2020年的交通事故數(shù)據(jù)，采用多元Logistic回歸分析與有序多分類Logistic回歸分析方法挖掘道路交通事故的成因，分析交通事故數(shù)據(jù)中的規(guī)律及特征，研究不同影響因素對(duì)交通事故的影響程度，對(duì)交通系統(tǒng)建設(shè)提出針對(duì)性的改善建議，提升道路交通安全水平。

1 研究?jī)?nèi)容及方法

1.1 交通事故數(shù)據(jù)處理及編碼

整理某市2020年交通事故案例數(shù)據(jù)，包括交通事故發(fā)生時(shí)間、天氣、事故主要責(zé)任方、駕駛?cè)笋{齡等103項(xiàng)數(shù)據(jù)，以造成事故的主要責(zé)任方為篩選條件對(duì)交通事故數(shù)據(jù)進(jìn)行初步篩選，最終選擇1910起交通事故案例用于本研究。經(jīng)過(guò)區(qū)分度（即項(xiàng)目效度，作為評(píng)價(jià)項(xiàng)目質(zhì)量、篩選項(xiàng)目的主要依據(jù)）[11]計(jì)算，從數(shù)據(jù)中選取特征區(qū)分度明顯的照明條件、能見度、天氣和車輛使用性質(zhì)等9個(gè)因素為自變量，其中駕駛員年齡因素涉及數(shù)據(jù)面太廣，自變量屬性設(shè)為標(biāo)度變量，其他自變量設(shè)為名義變量，自變量信息如表1所示。

以無(wú)傷害Z1、輕傷Z2、重傷Z3及死亡Z4等4類交通事故嚴(yán)重程度為因變量，分析人、車、路、環(huán)境對(duì)交通安全的影響程度[12-13]。選取的1910起交通事故數(shù)據(jù)樣本中無(wú)傷害、輕傷、重傷及死亡等4類交通事故分別為1338、504、10、58起，無(wú)傷害類交通事故的比例最高，其他依次為輕傷、死亡、重傷類交通事故。

1.2 Logistic回歸分析

采用多元Logistic回歸和有序多分類Logistic回歸分析交通事故嚴(yán)重程度的重要影響因素。

在多元Logistic回歸分析中，參與回歸分析的因變量為有序性分類變量，自變量為無(wú)序性分類變量，根據(jù)分析結(jié)果可得到因變量取特定值的概率與自變量的關(guān)系[14]。多元Logistic回歸模型主要分析各類別目標(biāo)變量與參照類別目標(biāo)變量的對(duì)比情況，公式為：

式中：Pj為第j類目標(biāo)變量的概率，PJ為第J（j≠J）類參照類別目標(biāo)變量的概率，β0為樣本觀測(cè)值，βi為模型的回歸系數(shù)，xi為第i個(gè)自變量，k為目標(biāo)變量的類別數(shù)。

有序多分類Logistic回歸模型多用來(lái)分析因變量存在的某種層次關(guān)系，所觀測(cè)到的因變量數(shù)據(jù)變化趨勢(shì)為：

式中：α為常量，βt為模型的回歸系數(shù)，xt為第t個(gè)自變量，ε為誤差項(xiàng)。

2 結(jié)果及分析

2.1 多元Logistic回歸分析結(jié)果

采用軟件SPSS設(shè)置變量類型，對(duì)交通事故數(shù)據(jù)進(jìn)行單因素多元Logistic回歸分析前需對(duì)自變量進(jìn)行顯著性檢驗(yàn)，排除不顯著的自變量，各自變量的顯著性檢驗(yàn)結(jié)果如表2所示?？ǚ溅?越大，說(shuō)明自變量與因變量的相關(guān)性越強(qiáng)。若顯著性概率p＜0.05，說(shuō)明變量顯著相關(guān)；否則，則相關(guān)性不顯著。由表2可知：天氣和路面情況的p＞0.05，兩者均屬于不顯著變量，其他自變量的p＜0.05，表明其他自變量均為顯著變量。

采用軟件SPSS進(jìn)行多元Logistic回歸模型擬合度檢驗(yàn)，結(jié)果如表3所示。由表3可知：多元Logistic回歸模型的p＜0.05，說(shuō)明多元Logistic回歸模型對(duì)原始數(shù)據(jù)的擬合度較好，通過(guò)模型擬合度檢驗(yàn)，可用于解釋和分析影響交通事故嚴(yán)重程度的影響因素。

計(jì)算得到多元Logistic回歸模型的考克斯-斯奈爾偽R2（可決系數(shù)）、內(nèi)戈?duì)柨苽蜶2、麥克法登偽R2分別為0.220、0.286、0.169，結(jié)果均偏低，說(shuō)明原始變量變異的解釋程度一般，擬合程度中等。

以死亡類交通事故嚴(yán)重程度為對(duì)照組，分析無(wú)傷害、輕傷及重傷等3類交通事故嚴(yán)重程度的相對(duì)發(fā)生概率。因照明條件、能見度、道路物理隔離、車輛使用性質(zhì)等自變量均為有序性分類變量，需對(duì)變量的各類別進(jìn)行啞變量處理，將分類變量轉(zhuǎn)化為數(shù)值變量，按照特征類別進(jìn)行編碼。即設(shè)各類別中最后1個(gè)類別的回歸系數(shù)β=0，其他類別的β都以最后1個(gè)類別為參照，同時(shí)將優(yōu)勢(shì)比OR（OR=eβ）設(shè)為效應(yīng)指標(biāo)，分析自變量的各類別對(duì)因變量的影響程度，OR越大，對(duì)應(yīng)的自變量越重要[15]。當(dāng)β>0時(shí)，OR>1，說(shuō)明自變量為危險(xiǎn)因素；當(dāng)β<0時(shí)，OR<1，說(shuō)明自變量為保護(hù)性因素；當(dāng)β=0，即OR=1，說(shuō)明該自變量與因變量無(wú)關(guān)。自變量的不同取值對(duì)交通事故嚴(yán)重程度的影響檢驗(yàn)如表4～6所示。

p＜0.05說(shuō)明對(duì)應(yīng)自變量的取值具有統(tǒng)計(jì)意義，對(duì)因變量不同分類水平有顯著影響。由表4可知：文化程度、年齡、照明條件、車輛使用性質(zhì)對(duì)交通事故嚴(yán)重程度有顯著影響，在輕傷及重傷交通事故中文化程度低的駕駛?cè)苏伎側(cè)藬?shù)的比例較大；駕駛?cè)四挲g越大，事故嚴(yán)重程度越低；有照明條件下交通事故嚴(yán)重程度較低；車輛為營(yíng)運(yùn)用途時(shí)交通事故嚴(yán)重程度較低。

2.2 有序多分類Logistic回歸分析結(jié)果

采用有序多分類Logistic回歸分析， 對(duì)有序多分類Logistic回歸模型進(jìn)行平行線檢驗(yàn)，若p>0.05，說(shuō)明平行線假設(shè)成立；否則，平行線假設(shè)不成立，檢驗(yàn)結(jié)果如表7所示。

對(duì)有序多分類Logistic回歸模型進(jìn)行擬合度檢驗(yàn)，結(jié)果如表8所示。

由表7可知：檢驗(yàn)得到p=0.995>0.05，說(shuō)明自變量在各回歸模型的效應(yīng)相同，符合有序多分類Logistic模型的比例優(yōu)勢(shì)假設(shè)條件，可采用此有序多分類Logistic回歸模型。由表8可知：最終模型擬合得到p<0.05，說(shuō)明有序多分類Logistic回歸模型有統(tǒng)計(jì)意義，通過(guò)擬合度檢驗(yàn)。

計(jì)算得到有序多分類Logistic回歸模型的考克斯-斯奈爾偽R2、內(nèi)戈?duì)柨苽蜶2、麥克法登偽R2分別為0.156、0.202、0.115，結(jié)果均偏小，說(shuō)明原始變量變異的解釋程度一般，有序多分類Logistic回歸模型的擬合程度中等。

估算各數(shù)值變量的參數(shù)，結(jié)果如表9所示。其中，標(biāo)準(zhǔn)誤差是因變量各實(shí)際值與估計(jì)值間的平均差異程度，表明估計(jì)值對(duì)各實(shí)際值代表性的強(qiáng)弱；越小，回歸方程的代表性越強(qiáng)，用回歸方程估計(jì)或預(yù)測(cè)的結(jié)果越準(zhǔn)確。自由度是以樣本的統(tǒng)計(jì)量估計(jì)總體參數(shù)時(shí)，樣本中能自由取值的變量個(gè)數(shù)。

由表9可知：各數(shù)值變量不同分類水平在模型中的回歸系數(shù)對(duì)因變量不同分類水平有顯著性影響，且具有統(tǒng)計(jì)意義；年齡、道路物理隔離、文化程度、照明條件、性別及車輛使用性質(zhì)對(duì)交通事故嚴(yán)重程度有顯著性影響。

有序多分類Logistic回歸分析同樣需對(duì)變量的各類別進(jìn)行啞變量處理，將OR作為效應(yīng)指標(biāo)分析自變量的各類別對(duì)因變量的影響程度[16-17]。各自變量的OR如表10所示。

由表10可知：1）在性別對(duì)交通事故嚴(yán)重程度的影響中，男性駕駛?cè)藢?dǎo)致交通事故的嚴(yán)重程度是女性駕駛?cè)说?.302倍，表明女性駕駛?cè)烁自斐蓢?yán)重交通事故；2）在照明條件對(duì)交通事故嚴(yán)重程度的影響中，無(wú)照明條件下造成交通事故的嚴(yán)重程度是有照明的1.755倍，表明無(wú)照明條件下更易造成嚴(yán)重交通事故；3）在文化程度對(duì)交通事故嚴(yán)重程度的影響中，初中畢業(yè)及以下的駕駛?cè)嗽斐山煌ㄊ鹿实膰?yán)重程度是高中畢業(yè)及以上駕駛?cè)说?.268倍，表明文化程度較低的群體更易造成嚴(yán)重交通事故；4）在道路隔離對(duì)交通事故嚴(yán)重程度的影響中，造成嚴(yán)重交通事故的概率從大到小依次為中心隔離、中心隔離加機(jī)非隔離、無(wú)隔離、機(jī)非隔離，說(shuō)明機(jī)非隔離能有效遏制嚴(yán)重交通事故的發(fā)生；5）在車輛使用性質(zhì)對(duì)交通事故嚴(yán)重程度的影響中，非營(yíng)運(yùn)車輛造成的交通事故嚴(yán)重程度是營(yíng)運(yùn)車輛的2.508倍，表明非營(yíng)運(yùn)車輛更容易造成嚴(yán)重交通事故。

結(jié)合多元Logistic回歸模型和有序多分類Logistic回歸模型的分析結(jié)果可知：自變量為女性駕駛?cè)?、無(wú)照明、文化程度較低、無(wú)道路隔離及非營(yíng)運(yùn)車輛時(shí)，發(fā)生嚴(yán)重交通事故的概率更高。

3 交通事故嚴(yán)重程度預(yù)測(cè)模型

3.1 多元Logistic回歸模型的擬合方程

基于多元Logistic回歸分析，得到無(wú)傷害交通事故的擬合方程為：

lnZ1=30.379-0.797A1+2.750G1+…-14.408B4-0.052I ，

輕傷交通事故的擬合方程為：

lnZ2=27.954-0.414A1+3.273G1+…-15.752B4-0.002I 。

交通事故嚴(yán)重程度分別為無(wú)傷害和輕傷時(shí)，多元Logistic回歸模型的回歸系數(shù)如表11所示。

以某市2021年第1季度的交通事故數(shù)據(jù)為例進(jìn)行實(shí)例驗(yàn)證，結(jié)果如表12所示。由表12可知：多元Logistic回歸模型對(duì)交通事故的嚴(yán)重程度為無(wú)傷害和輕傷的擬合方程結(jié)果和實(shí)際測(cè)算結(jié)果基本吻合。

3.2 有序多分類Logistic回歸模型的擬合方程

基于有序多分類Logistic回歸模型，得到無(wú)傷害交通事故的擬合方程為：

lnZ1=1.187+0.562A1-0.984E1+…-0.124B4+0.050I ，

輕傷交通事故的擬合方程為：

lnZ2=3.936+0.562A1-0.984E1+…-0.124B4+0.050I ，

重傷交通事故的擬合方程為：

lnZ3=4.107+0.562A1-0.984E1+…-0.124B4+0.050I 。

有序多分類Logistic回歸模型的回歸系數(shù)如表13所示。

同樣以某市2021年第1季度的交通事故數(shù)據(jù)為例進(jìn)行實(shí)例驗(yàn)證，結(jié)果如表14所示。

由表14可知：有序多分類Logistic回歸模型對(duì)無(wú)傷害和輕傷交通事故的預(yù)測(cè)結(jié)果和實(shí)際測(cè)算結(jié)果基本吻合；重傷交通事故的擬合方程結(jié)果與實(shí)際測(cè)算結(jié)果差異較大，可考慮擴(kuò)大數(shù)據(jù)樣本容量后修正模型。

經(jīng)計(jì)算，多元Logistic回歸模型和有序多分類Logistic回歸模型對(duì)交通事故嚴(yán)重程度的正確預(yù)測(cè)率分別為75.1%、75.0%，說(shuō)明2種模型對(duì)無(wú)傷害和輕傷事故的預(yù)測(cè)較為準(zhǔn)確。

4 結(jié)束語(yǔ)

采用多元Logistic回歸模型和有序多分類Logistic回歸模型識(shí)別影響交通事故嚴(yán)重程度的多個(gè)自變量，通過(guò)回歸模型中的回歸系數(shù)和優(yōu)勢(shì)比，得到不同自變量對(duì)交通事故嚴(yán)重程度的貢獻(xiàn)。對(duì)多類別目標(biāo)變量構(gòu)建交通事故嚴(yán)重程度預(yù)測(cè)模型，揭示因變量與自變量間的內(nèi)在聯(lián)系。

通過(guò)定量分析交通事故數(shù)據(jù)可科學(xué)預(yù)測(cè)交通事故發(fā)生概率，為交通管理部門治理交通設(shè)施與道路環(huán)境、提高駕駛?cè)税踩庾R(shí)提供依據(jù)。本文選取的自變量不夠全面，Logistic模型可能存在偏差，且選取的車輛因素較少，僅分析車輛的使用性質(zhì)無(wú)法得到更多車輛因素對(duì)交通事故嚴(yán)重程度的影響。未來(lái)研究可通過(guò)剔除交通事故數(shù)據(jù)中噪音變量等干擾因素，尋找影響交通事故嚴(yán)重程度的重要變量，構(gòu)建更為快速且準(zhǔn)確的預(yù)測(cè)模型，研究各因素間交互作用的影響。

參考文獻(xiàn)：

[1] PANDE A， ABDEL-ATY M. Market basket analysis of crash data from large jurisdictions and its potential as a decision support tool[J].Safety Science， 2009，47（1）：145-154.

[2] SIORDIA O S， DIEGO I M D， CONDE C，et al.Driving risk classification based on experts evaluation[C]//Proceedings of the 2010 IEEE Intelligent Vehicles Symposium. La Jolla， CA， USA：IEEE，2010：1098-1103.

[3] GEURTS K， THOMAS I， WETS G. Understanding spatial concentrations of road accidents using frequent item sets[J].Accident Analysis & Prevention， 2005，37（4）：787-799.

[4] 王云，蘇勇.關(guān)聯(lián)規(guī)則挖掘在道路交通事故分析中的應(yīng)用[J].科學(xué)技術(shù)與工程，2008（7）：1824-1827.

WANG Yun， SU Yong. Application of association rules in the analysis of traffic accident[J].Science Technology and Engineering，2008（7）：1824-1827.

[5] 董立巖，劉光遠(yuǎn)，苑森淼，等.數(shù)據(jù)挖掘技術(shù)在交通事故分析中的應(yīng)用[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2006，44（6）：951-955.

DONG Liyan， LIU Guangyuan， YUAN Senmiao， et al. Application of data mining to trafficaccidents analysi[J].Journal of Jilin University （Science Edition）， 2006，44（6）：951-955.

[6] 宗芳，許洪國(guó)，張慧永.基于Ordered Probit模型的交通事故受傷人數(shù)預(yù)測(cè)[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，40（7）：41-45.

ZONG Fang， XU Hongguo， ZHANG Huiyong. Forecast of injury number due to traffic accident based on Ordered Probit Model [J].Journal of South China University of Technology （Natural Science Edition），2012，40（7）：41-45.

[7] 毛應(yīng)萍，于豐泉，孫燁垚，等.道路交通事故數(shù)據(jù)挖掘分析技術(shù)及應(yīng)用研究[J].交通與運(yùn)輸，2020，33（增刊2）：106-111.

MAO Yingping， YU Fengquan， SUN Yeyao， et al. Road traffic accident data mining and applicantion[J].Traffic & Transportation， 2020，33（Suppl.2）：106-111.

[8] 許洪國(guó).道路交通事故分析與處理[M].2版.北京：人民交通出版社，2004.

[9] 裴玉龍.道路交通安全[M].北京：人民交通出版社，2007.

[10] 劉運(yùn)通.道路交通安全指南[M].北京：人民交通出版社，2004.

[11] European Environment Agency. Traffic accident fatalities[R].Luxembourg：Commission of the European Communities，2001：3-8.

[12] 馬壯林，邵春福，李霞.基于Logistic模型的公路隧道交通事故嚴(yán)重程度的影響因素[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2010，40（2）：423-426.

MA Zhuanglin， SHAO Chunfu， LI Xia. Analysis of factors affecting accident severity in highway tunnels based on logistic mode[J].Journal of Jilin University （Engineering and Technology Edition），2010，40（2）：423-426.

[13] 沈斐敏，張榮貴.道路交通事故預(yù)測(cè)與預(yù)防[M].北京：人民交通出版社，2007.

[14] 李世民，孫明玲，關(guān)宏志.基于累積Logistic模型的交通事故嚴(yán)重程度預(yù)測(cè)模型[J].交通標(biāo)準(zhǔn)化，2009（2/3）：168-171.

LI Shimin， SUN Mingling， GUAN Hongzhi. Prediction model cumulative logistic for severity of road traffic accident[J].Transportation Standardization， 2009（2/3）：168-171.

[15] 王義婷，賀玉龍，孫小端.高原雙車道公路事故形態(tài)影響因素分析[J].黑龍江交通科技，2017，40（11）：8-10.

[16] 劉海珠.道路交通事故嚴(yán)重程度影響因素分析及預(yù)測(cè)模型建立[D].長(zhǎng)春：吉林大學(xué)，2014.

LIU Haizhu. The analysis of influencing factors of crash severity and the establishment of prediction model[D].Changchun：Jilin University，2014.

[17] HONG L， SUDHEER C， JOHN R， et al. Mining and analysis of traffic safety and roadway condition data[C].Washington：46th Annual Transportation Research Forum，2005.

Analysis of road traffic accidents based on data mining

LI Hongyan， ZHU Longbo， REN Xiantong， XU Wenwen

School of Transportation and Logistics Engineering， Shandong Jiaotong University， Jinan 250357， China

Abstract：In order to reduce the possibilities of traffic accidents on road， the regularities and causes of road traffic accidents are analyzed according to the traffic accident data of a city in 2020. Therefore， the multiple logistic regression model and the ordered multiple logistic regression model are used to analyze the important factors affecting the severity of traffic accidents. The 9 factors such as lighting conditions， visibility， weather and so on as independent variables while the 4 traffic accident severity degrees such as no injury， light injury， serious injury and death as dependent variables are introduced into the two models. Based on the two models， the traffic accident data of a city in the first quarter of 2021 are testified， and the results show that the correct prediction rates of traffic accident severity by the multiple logistic regression model and the ordered multiple logistic regression model are 75.1% and 75.0% respectively. This cause analysis of road traffic accidents based on data mining could provide grounds for traffic control authorities to improve traffic environment and to reduce traffic accidents in the future.

Keywords：data mining; accident causes; accident severity prediction; multiple logistic regression; ordered multiple logistic regression

（責(zé)任編輯：郭守真）

收稿日期：2022-05-18

第一作者簡(jiǎn)介：李虹燕（1981—），女，山東濟(jì)寧人，工學(xué)碩士，主要研究方向?yàn)榻煌ò踩髷?shù)據(jù)分析，E-mail：e_lihy@126.com。