應用資料探勘技術於交通事故特性及其肇事因素之研究－以台中市為例

10.29893/NCUTMAN.201811.0017

張維婷；洪子茵；陳秀華

資料探勘 ； 交通事故 ； CHAID決策樹 ； K-means分群法

管理學術研討會

第十六屆（2018 / 11 / 01）

94 - 105

繁體中文

臺中市交通事故發生件數逐年攀升，近年來臺中市政府做出許多改善措施，有效降低交通事故的發生率，根據內政部警政署統計處資料105年與104年相比，降低了4.7%的交通事故發生率，成功降低死傷人數，但數據仍舊偏高，為了減少因交通事故而造成的傷亡，須再進一步的找出事故發生原因來預防意外的發生。隨著資訊科技的進步，資料的蒐集與儲存相較過去容易許多，為了找出交通事故發生的原因，並有效防範交通事故發生，因此本研究透過大數據分析，將過去大量的交通事故資料加以處理，並運用資料探勘技術，分析出肇事原因，找出合適的因應對策並加以改善。本研究採用資料探勘技術之決策樹CHAID演算法、k-means群集分析以及Apriori關聯規則，分析民國105年臺中市道路交通事故資料，由分析結果可得知，道路狀況因素是影響事故發生最主要的因素，其中更因道路型態、號誌種類、車道線及分向設施的不同在死傷程度上有所差異。人為因素中以有無飲酒、是否持有駕照最具影響力。車輛因素中，機車及小客車最容易發生死傷事故。環境因素中，在時段方面早上及晚上發生事故的比率最高。歸納上述分析結果，本研究將針對不同因素，提出合適建議以供相關單位參考。