為深入挖掘高速公路貨車交通事故影響因素間的復雜關聯關系,以2012—2017年浙江省轄區(qū)內高速公路37萬起貨車交通事故數據為樣本數據,基于社會網絡分析法、Apriori關聯算法和可視化等數據挖掘技術,構建從宏觀到具體的詳細關聯規(guī)則挖掘流程,實現對浙江省內高速公路貨車交通事故發(fā)生時間、事故形態(tài)、事故地點（樁號）和事故原因等七類事故影響因素間關聯關系的深層次分析。結果表明:高速公路貨車交通事故的時空分布規(guī)律顯著;不同路段在安全狀況、事故原因和事故發(fā)生時間上的差異性很大;死亡事故多發(fā)于凌晨時段,且多由疲勞駕駛引發(fā);高速交通數據采集系統需進一步完善。針對事故多發(fā)路段、疲勞駕駛、車輛安全監(jiān)管等熱點問題,結合高速公路一線交警及管理部門的實踐經驗和迫切需求,提出了具有針對性的事故預防及安全管理對策與建議措施。 

【文章來源】：安全與環(huán)境工程. 2020,27(04)北大核心

【文章頁數】：9 頁

【部分圖文】：

關聯規(guī)則挖掘流程

表3 浙江省轄區(qū)內高速公路貨車交通事故發(fā)生 年度統計Table 3 Annual statistics of truck traffic accidents on the expressways in Zhejiang Province during 2012—2017 年份 事故發(fā)生起數/起 死亡人數/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 總計 377 624 1 714 0.45(2) 事故空間分布規(guī)律:

本文選取滬昆、沈海等高速公路的貨車交通事故高發(fā)路段數據,繪制了事故高發(fā)路段-事故原因、事故高發(fā)路段-事故形態(tài)間的關系網絡,見圖3。在關系網絡中, 節(jié)點代表了高速公路、 樁號、 事故原因等因素,節(jié)點越大說明其數量越多;節(jié)點之間的連線代表了節(jié)點之間的關聯,連線越多則說明該節(jié)點中心度越大,是關系網絡的樞紐,相似或關系緊密的節(jié)點顏色相同。由圖3可見,每條高速公路的貨車交通事故高發(fā)路段在事故數量上有很大的差異,例如滬昆高速K215、K216等是貨車交通事故最高發(fā)的路段,在事故數量上較為突出,而其他高速公路的貨車交通事故高發(fā)路段在事故數量上則相對較少,且較為平均;除此之外,不同路段在事故原因和事故形態(tài)上也有所差異。

【參考文獻】：
期刊論文
[1]社會網絡分析方法在情報分析中的應用研究[J]. 陳云偉.  情報學報. 2019(01)
[2]數據挖掘技術在我國道路交通安全評價中的應用[J]. 張坤,梅詩冬,景國勛,三上喜貴.  安全與環(huán)境工程. 2018(01)
[3]高速公路駕駛人跟車視覺行為研究[J]. 倪捷,劉志強.  安全與環(huán)境工程. 2015(06)
[4]地鐵施工工人不安全行為關聯規(guī)則研究[J]. 郭聖煜,駱漢賓,滕哲,蔣曉燕.  中國安全生產科學技術. 2015(10)
[5]基于能量儲備與釋放理論的大貨車交通事故機理與對策研究[J]. 李淑慶,肖莉英,彭囿朗.  安全與環(huán)境工程. 2015(04)
[6]交通事故的時間分布規(guī)律[J]. 李文權,王煒.  中國安全科學學報. 2005(04)

碩士論文
[1]高速公路交通事故規(guī)律分析與影響因素研究[D]. 張寶.中國人民公安大學 2019



本文編號：3510609