[发明专利]一种基于交通大数据的交通事故演化分析方法

权利要求书

1.一种基于交通大数据的交通事故演化分析方法，其特征在于，包括以下步骤：S1数据采集，源数据基于公共安全部门和交通部门下的事故数据仓库CTCDR；

S2数据预处理，在Hadoop集群中编写Mapreduce程序除去不相关的数据属性和数据类型；

S3数据挖掘和分析，基于S2预处理后的数据，采用K-means聚类分析方法和Apriori关联规则分析方法；所述的S1中包括用户自定义交通事故数据维度，进行更高级的数据分析识别趋势和模式；

自定义交通事故数据维度包括事件数据的维度、人员数据维度以及道路特性数据的维度，其中，事故数据的维度包括：日期、事故伤害程度、事故地点和区域、事故影响因素、事故碰撞类型、天气条件、路面情况、建设或维护相关、光照条件、路拦；交通个体数据的维度包括：车辆是否是有资格的发动机型号、车辆类型、车辆制动、车辆机动前缀、车辆机动后缀、驾驶员或行人的年龄、驾驶员或行人是否喝酒和吸毒、车辆出毛病的个数、首先撞上物体、然后撞上物体；涉及人员数据维度包括ID号、伤害分类、座位、年龄、保护系统的使用、安全气袋的状态、喷射状态；道路特性数据的维度包括平均日流量、农村或城市、通道数；

K-means聚类分析方法包括：

数据进行预处理，预处理过程包括对S2中数据在Hadoop集群中进行向量化处理，然后将向量化的数据储存在HDFS文件系统中；

读入原始数据和参数，在Hadoop集群中将向量化得到的序列化文件上传要进行K-means聚类计算的目录中，并根据交通事故属性设计相关的参数；

确定预聚类数，具体过程包括：(1)在Hadoop集群中将交通事故数据集向量化得到一个list后放入内存中，选择两个距离阙值：T1和T2；

(2)从list中任取一点P，用低计算成本方法快速计算点P与所有Canopy之间的距离：如果当前不存在Canopy，则把点P作为一个Canopy；如果点P与某个Canopy距离在T1以内，则将点P加入到这个Canopy；

(3)如果点P曾经与某个canopy的距离在T2以内，则需要把点P从list中删除；

数据进行原始分类，用canopy算法得到的k值对交通事故数据进行原始分类；如果交通事故分类的结果不为k类，则返回继续对数据用K-means算法进行分类；

计算初始聚类的各类中心，为了克服K-means均值算法收敛于局部的问题，使用二分K-means算法，首先将所有的点作为一个簇，然后将该簇一分为二，之后选择其中一个簇继续划分，选择哪个簇进行划分取决于其划分是否可以最大程度程度降低误差平方和值，在事故数据向量化数据样本中使用二分K-means算法确定各类中心；

计算聚类函数，将数据进行原始分类，进行调整每个属性类别，判断是否符合阀值，符合就输出结果，否则返回重新调整每个属性类别；

Apriori关联规则分析方法包括：先扫描已经进行分类的交通事故数据库并对每一个数据编号的每一项进行计数，其中每一个数据编号的交通影响因素项的集合称为候选集，把同时交通因素个数称为支持数，在这个编号交通数据编号中出现的交通因素满足最小支持度阈值的所有项集，这些项集称作频繁项集，出现最频繁的那个事故因素，也就是造成这类交通事故的最主要原因。