| 姓名 |
黃湄清(Mei-Chin Huang)
查詢紙本館藏 |
畢業系所 |
土木工程學系 |
| 論文名稱 |
利用資料探勘技術
於台灣地區肇事危險判別之研究
(The Study of Accident severity categorizing In Taiwan Using data mining
)
|
| 相關論文 | |
| 檔案 |
 [Endnote RIS 格式]
[Bibtex 格式]
 [相關文章]  [文章引用]  [完整記錄]  [館藏目錄]  [檢視] [下載]- 本電子論文使用權限為同意立即開放。
- 已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
- 請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。
|
| 摘要(中) |
交通事故發生乃由多方構成，不同情境、時間、區域下所發生的交通事故種類嚴重性皆有所不同，只有正確適合國內交通環境的肇事評估分析與分類方法配合一套正確完備的交通事故紀錄檔案與易肇事目標之評定制度外，才能使交通安全順利且有效的進行。
本研究將資料探勘應用在此交通安全領域，期望指出，潛伏於肉眼下的肇事的影響因素。藉由分析肇事資料之人為、車輛機械、天候環境、道路設計間的關聯性，利用資料探勘方式之集群化技巧，挖掘隱藏於大量肇事資料間的因子關係與相對嚴重值。利用集群化找出同質性最高的肇事環境，以此結果為基礎分析，並以肇事危險度為分級標準與預測目標，結合多變量分析之判別分析驗證集群之正確性，以期建立一適合台灣地區之肇事危險模式。
在實證研究上，以民國九十二年間發生於台灣地區各公路系統肇事事件共114177件為研究對象。研究結果發現，在肇事者維度方面上肇事危險程度主要由駕駛資格、保護裝備與年齡情形不同所影響。在環境維度方面上肇事危險程度主要由號誌動作、路面狀態與光線情形不同所影響。在道路維度方面上肇事危險程度主要由分向設施的不同所主導，最危險等級則由快慢車道間的分隔情形所影響。在車輛維度方面上車輛用途情形隨著危險度增加降低影響度，車種的不同則隨著危險度增加而提高影響程度。
在肇事危險判別模式方面，肇事危險分為7層級時，其效率最大正判率最高，隨後便隨著分級數的增加而遞減。此模式正判率達79.6﹪，可知此模式之有效度，證明四維度之維度考量的確可有效衡量肇事危險。肇事危險程度影響比重依序為車輛維度危險、道路維度危險、環境維度危險、肇事人維度危險。而各維度危險度的增加也同時增加肇事危險程度，尤其是車輛與道路維度更為明顯。 |
| 摘要(英) |
Traffic accidents happen in many ways. The severity of traffic accidents vary by different situations. Suitable traffic analyzing and categorizing methods depends on correct and complete traffic accidents files.
In this research, data mining is applied to the traffic safety field and expects to point out the hidden factors of traffic accidents. By analyzing the relationship among people, vehicle, weather, and the design of roads, we utilize the skills of clustering to find out the relative severity and the relationships between factors of traffic accident. Regarding Accident Injury Severity as hierarchical standard and predictive goal and use Discriminant Analysis of multivariable analysis in the hope of setting up a suitable Severity Categorizing Model for Taiwan.
In the past research, 114177 traffic accidents happen on every highway system in Taiwan in 2003. The result of the study finds, in aspect of human factors, the accident injury severity is determined by the drivers’ qualification, equipments, and ages; in aspect of environment factors, the accident injury severity is determined by the movements of the signal, the state of road surface, and lights; in aspect of road factors, the highest class of danger is influenced by the separating among the speed lanes; in aspect of vehicle finds the effect of vehicle usage decreases with increasing dangerous degree, but different kinds of vehicles increases with increasing dangerous degree.
In Accident Injury Severity Discriminating and Categorizing Model, 7 levels of dangerous show the greatest declaring rate of its efficiency, and then decrease progressively with levels increased. Because the sentencing rate is up to 79.6%, we can know how effective this way is and prove that the four-aspect Severity Categorizing Model can really weigh Accident Injury Severity.
In Severity Categorizing Model, the influence percentage of four-aspects from high to low is aspect of vehicle danger, aspect of road danger, aspect of environmental danger, and aspect of people danger. And the raise of each enhances the Accident Injury Severity at the same time, especially the aspect of vehicle and road. |
| 關鍵字(中) |
★ 資料探勘
★ 肇事危險
★ 嚴重程度分級模式
★ 判別分析
★ 集群分析 |
關鍵字(英) |
★ Data mining
★ Accident Injury Severity
★ Clusterin |
| 論文目次 |
中文摘要……………………………………………………………………….…Ⅰ
英文摘要……………………………………………………………………….…Ⅱ
致謝…………………………………………………………………………….…Ⅲ
目錄…………………………………………………………………………….…Ⅳ
圖目錄………………………………………………………………………….…Ⅶ
表目錄………………………………………………………………………….…Ⅷ
第一章 緒論…………………………………………………………………….….1
1.1 研究背景與目的………………………………………………………………1
1.1.1研究背景………………………………………………………………..1
1.1.2研究目的………………………………………………………………..3
1.2 研究範圍………………………………………………………………..…….4
1.3 研究內容與方法……………………………………………………………...5
1.3.1研究內容………………………………………………………………..5
1.3.2研究方法………………………………………………………………..6
1.4 研究步驟與流程…………………………………………………………...…6
1.4.1研究步驟………………………………………………………………..6
1.4.2研究流程………………………………………………………………..7
第二章 文獻回顧…………………………………………………………………..8
2.1 資料探勘相關回顧…………………………………………………………...8
2.1.1資料探勘的定義………………………………………………………..8
2.1.2資料探勘的技術………………………………………………………..9
2.1.3資料探勘的分析功能…………………………………………………12
2.2 道路交通事故相關回顧…………………………………………………….14
2.2.1交通事故定義…………………………………………………………14
2.2.2發生道路交通事故之影響因素………………………………………15
2.3 肇事分析預測相關顧……………………………………………………….19
2.4 小結………………………………………………………………………….24
第三章 資料處理分析……………………………………………………………25
3.1 分析流程…………………………………………………………………….25
3.2 資料收集…………………………………………………………………….26
3.3 資料前置處理……………………………………………………………….27
3.3.1校正無效資料…………………………………………………………27
3.3.2資料轉換………………………………………………………………28
3.3.3資料庫建立……………………………………………………………29
3.4 集群分析…………………………………………………………………….30
3.4.1基本概念………………………………………………………………30
3.4.2決策流程………………………………………………………………30
3.4.3相似性衡量……………………………………………………………31
3.4.4階層式集群方法………………………………………………………33
3.4.5非階層式集群方法……………………………………………………34
第四章 肇事維度危險評估………………………………………………………36
4.1 資料庫介紹與分析………………………………………………………….36
4.1.1資料格式………………………………………………………………36
4.1.2 維度資料與變數定義………………………………………………...36
4.1.3 肇事基本資料分析…………………………………………………...40
4.2 肇事集群分析……………………………………………………………….50
4.2.1 集群方法……………………………………………………………...50
4.2.2 集群數選擇…………………………………………………………...50
4.3 肇事維度集群結果………………………………………………………….52
4.3.1 K-means分群結果…………………………………………………..52
4.3.2 肇事嚴重指標………………...………………………………………60
4.3.3 肇事維度危險評估…………………………………………………...62
4.3.4 集群假設檢定…………………………………………….…………..65
第五章 肇事危險程度判別模式…………………………………………………71
5.1 判別分析之理論性………………………………………………………….71
5.2 判別模式構想……………………………………………………………….71
5.2.1 維度危險判別函數………………………………………………...…72
5.2.2 肇事危險判別模式…………………………………………………...73
5.3 判別結果與分析…………………………………………………………….74
5.3.1 維度判別分析結果………………………………………….………..74
5.3.2 肇事危險判別模式結果……………………………………………...84
5.4 判別模式綜合分析…………………………….……………………………86
5.4.1 維度危險判別分析比較……………………………………………...86
5.4.2 肇事危險程度判別模式分析比較…………………………………...90
第六章 結論與建議………………………………………………………………92
6.1 結論………………………………………………………………………….92
6.2 建議………………………………………………………………………….94
參考文獻…………………………………………………………………………95
附表一……………………………………………………………………………100
附表二……………………………………………………………………………102 |
| 參考文獻 |
1. 林傑斌，劉明德（民91），「SPSS10.0與統計模式建構」，文魁資訊。
2. 林傑斌，陳湘，劉明德（民91），「SPSS11」，博碩。
3. 黃俊英，林震岩（民83），「SAS精析與實例」，華泰書局。
4. 黃俊英（民89），「多變量分析」，中國經企研究所。
5. 周文賢（民91），「多變量統計分析SAS/STAT使用方法」，智勝。
6. 張永固（民91），「資料探勘在目標行銷之研究-以通信用戶為例」，雲林科技大學資訊管理研究所碩士論文。
7. 張勳騰（民88），「資料探採在通信資料庫上目標行銷的應用」，中山大學資訊管理研究所碩士論文。
8. 陳瑋翔（民92），「應用資料探勘技術於客戶分群之研究-以線上音樂公司為例」，台北科技大學生產系統工程與管理研究所碩士論文。
9. 林家聖（民91），「駕駛人不當操作行為對公路客運行車及保修費用影響之研究」，交通大學交通運輸研究所碩士論文。
10. 林傑斌、劉明德（民91），「資料採礦與OLAP理論與實務」，文魁資訊。
11. 尹相志（民92），「SQL 2000 Analysis Service資料採礦服務」，維科圖書。
12. 曾龍（民92），「資料探礦概念與技術」，維科圖書。
13. 顏秀珍、李御璽、何仁傑（民90），「利用資料探勘語言挖掘感興趣的資訊」，電腦學刊第十三卷第四期。
14. 余瑞好（民91），「資料採礦市場誰領風騷」，RUN！PC第104期。
15. 楊東麟、洪明傳（民90），「資料探勘在資料倉儲的應用」，資訊與教育雜誌第84期。
16. 倪達洸（民91），「資料採礦方法論」，RUN！PC第104期。
17. 黃木泳（民91），「資料採礦技術及發展趨勢」，RUN！PC第104期。
18. 曾新穆、丁伯康、彭國榮等（民91），「解讀Data Mining資料採礦」，RUN！
PC第104期。
19. 交通部運輸研究所（民92），「易肇事地點改善作業手冊之研訂」。
20. 交通部運輸研究所（民92），「永續運輸資訊系統－交通事故資料分析研究」。
21. 吳偉碩（民89），「台南環線高快速公路肇事特性分析與安全改善之研究」，交通大學交通運輸研究所碩士論文。
22. 陳敬明（民89），「臺十五線易肇事地點評定與改善對策之研究」，交通大學交通運輸研究所碩士論文。
23. 鄭勝方（民88），「易肇事地點評定方法之研究－以台中縣為例」，中央警察大學交通管理研究所碩士論文。
24. 曾招雄（民88），「道路交通事故當量推估之研究」，中央警察大學交通管理研究所碩士論文。
25. 南投縣政府衛生局（民85），「交通意外事故易肇事路段、路口之鑑定及原因探討－南投縣」，行政院衛生署八十五年度委託研究計畫保健工作研究報告。
26. 林大煜（民68），「道路交通肇事資料分析方法之探討」，運輸計劃季刊第八卷第三期，p.379-413。
27. 張家祝、吳盟分（民72），「從車輛因子探討影響肇事特性之因素」，運輸計劃季刊第十二卷第四期，P.433-455。
28. 林大煜（民76），「建立台灣地區道路交通事故電腦資訊系統之研究」，運輸計劃季刊第十六卷第二期。
29. 王文麟（民86），「台灣東部地區易肇事路段改善之研究」，中央警察大學交通學系，台灣省政府交通處委託。
30. 鄭忠樑（民91），「運用分類樹於股價報酬率預測之研究」，元智大學資訊管理研究所碩士論文。
31. 陳來成（民91），「應用資料探勘技術建立商業預測模式—以信用卡為例」，元智大學資訊管理研究所碩士論文。
32戚培芳（民86），「中山高速公路肇事分析模式之研究」，交通大學運輸研究
所碩士論文。
33.劉靜宇（民85），「結合GIS插示圖之事故分析系統」，台灣大學土木工程系碩士論文。
34.李榮利（民85），「易肇事地點改善次序評選模式之研究－以台灣東部地區為例」，中央警察大學警政研究所碩士論文。
35.陳俊傑（民91），「應用資料探勘技術於道路交通事故資料分析之研究」，中央警察大學資訊管理研究所碩士論文。
36.施威銘研究室（民89），「SQL Sever 2000管理實務」，旗標出版。
37.鄭婉儀（民91），「應用資料挖掘於交叉銷售之研究」，台北大學企業管理學系碩士論文。
38.謝邦昌，「資料採礦入門及應用—從統計技術看資料採礦」，資商訊息顧問股份有限公司。
39.沈清正、陳仕昇等，「資料間隱含關係的挖掘與展望」，資訊管理學報第九卷P.75-91。
40.曾平毅、黃益三、姜心怡（民90），「不同年齡層汽車駕駛人事故風險分析」，國際交通安全與執法研討會。
41.柳永青、程銘鎮，「國道高速公路交通事故發生原因之分析探討」，中華民國品質學會第38屆年會曁第8屆全國品質管理研討會。
42.陳世圮、蔡肇鵬（民69），「臺灣區國道中山高速公路潛在危險路段之建立與判別」，運輸計劃季刊第九卷第四期，P.491-513。
43.蔡肇鵬（民73），「高速公路交通事故非計量預測模式建立之研究」，運輸計劃季刊第十三卷第一期，P.77-107。
44.藍武王、戚培芳（民85），「中山高速公路肇事分析模式之構建-一般化線性模式之應用」，運輸學刊第九卷第二期，P.93-120。
45.陳世圮、蔡肇鵬（民70），「臺灣區國道中山高速公路交通事故原因分析」，運輸計劃季刊第十卷第四期，P.531-557。
46.何森龍（民76），「美國道路交通事故統計分析」，運輸計劃季刊第十六卷第一期。
47.吳銘山（民87），「易肇事路段與路口改善績效評估與指標之建立-以台南市為例-」，交通大學交通運輸研究所碩士論文。
48. A. Feelders、H. Daniels、M. Holsheimer，” Methodological and practical aspects of data miningInformation & Management P.271-281，2000。
49. Chris Clifton、Bhavani Thuraisingham，” Emerging standards for data mining”， Computer Standards & Interfaces P.187–193，2001。
50. V.S. Ananthanarayana、M. Narasimha Murty、D.K. Subramanian，”Tree structure for efficient data mining using rough sets” ，Pattern Recognition Letters P.851–862，2003。
51. S.C. Hui、G. Jha，”Data mining for customer service support” ，Information & Management 38 P.1–13，2000。
52. Zhi-Hua Zhou，” Three perspectives of data mining” ，Artificial Intelligence 143 P.139–146，2003。
53. Nada Lavrac，” Selected techniques for data mining in medicine” ，Artificial Intelligence in Medicine 16 P3-23，1999。
54. Wan-Hui Chen、Paul P. Jvanis，”Method for Identifying Factors Contributing to Driver-Injury Severity in Traffic Crashes”，Transportation Research Record 1717 Paper NO.00-1707。
55. Richard G. McGinnis、Matthew J. Davis、Eric A. Hathaway，”Longitudinal Analysis of Fatal Run-Off-Road Crashes,1975 to 1997”， Transportation Research Record 1746 Paper NO.01-2746。
56. Nicholas J. Garber、Angela A. Ehrhart，”Effect of Speed ,Flow,and Geometric Characteristics on Crash Frequency for Two-Lane Highways”， Transportation Research Record 1717 Paper NO.00-0458。
57. Se June Hong，”Data mining”，Future Generation Computer Systems 13 P.95-97，1997。
58. Chidanand Apte’、Sholom Weiss，”Data mining with decision trees and decision rules ”， Future Generation Computer Systems 13 P.197-210，1997。
59. M.A Vila、JC Cubero、JM. Medina、O Pons，”Soft computing: A new perspective for some data mining problems”，Vistas in Astronomy vol.41 no33 P.379-386，1997。 |
| 指導教授 |
吳健生(Jiann-Sheng Wu)
|
審核日期 |
2005-7-15 |
| 推文 |
 facebook  plurk  twitter  funp  google  live  udn  HD  myshare  reddit  netvibes  friend  youpush  delicious  baidu
|
| 網路書籤 |
 Google bookmarks  del.icio.us  hemidemi myshare
|
