基于模糊聚类的交通事故分类分析

王岩

摘要：本文采用数量积法，对选取的交通事故数据进行模糊聚类分析。结果表明，模糊聚类方法对于事故分析是有一定的作用的。

关键词：模糊聚类；交通事故；分类

在道路交通中，常常要对一些交通事故进行分类分析，以找出其中的内在规律。由于各事故之间在很多方面并没有一个截然的区别界限，所以分类本身就带有模糊性。我们可以采用模糊方法对已有的事故资料进行模糊聚类，也就是说，找出他们在什么程度上属于一类，在什么程度上不属于一类，从而便于对事故进行进一步的分析。

为了对交通事故分类分析方法进行研究，本文选取107国道351条事故数据，通过去处一些明显错误和不适合的数据，得到249条数据。取死亡一人及一人以上的重大事故作为研究对象,那么通过检索，得到了符合要求的事故数据共39条。

一、建立相似关系

在模糊聚类中，建立相似关系的方法有很多，此处采用数量积法，亦即：

其中，M为一适当的正数，它满足

为了便于采用数量积法建立相似关系，对上述数据进行一些处理。

1.1 对“事故具体地点”项的处理

该次统计地段的起点到终点是从107国道的1445公里处----1620公里处。对地点数据进行重新标定。具体方法是：

处理后地点数据=（事故具体地点-1445）/175*10

1.2 事故损失金额

所有事故中最大损失金额为200000元。据此对地点数据进行标定，具体方法是：

处理后事故损失金额数据=损失金额/200000*10

经过处理，将事故地点和事故损失金额都在1—10的范围内进行了标定，以避免数据数量级的不同对相似关系建立的影响。

二、求模糊等价矩阵

用上述方法求得的相似矩阵还不具有传递性，即还不是模糊等价矩阵。为此，我们应把它改造成模糊等价矩阵R*。也就是求R2，R4，R8，…一直到使R2n=R2(n+1)，此时的R2n即为所求的R*。

上面的相似矩阵经过自乘，可求得模糊等价矩阵：

三、按照不同的λ值进行聚类

然后，把数据输入模糊聚类计算程序，可以得到：

当λ=0.7时得到的截矩阵为

当λ=0.8时得到的截矩阵为

当λ=0.9时得到的截矩阵为:

可见：

● 当λ=0.7时，第2，3，5，8，13，14，15，16，17，20，25，28，29，34，35项是相同的，

● 当λ=0.8时，第2，3，5，8，13，14，15，16，17，20，25，28，29，34，35项是相同的

● 当λ=0.9时，第2，3，5，8，13， 15，16，17，20，25，28，29，34，35项是相同的

我们把由模糊聚类分出的数据挑选出来。经过分析可以看出：

1、 事故发生地点集中在国道1605公里—1622公里之间，共有13起，占重大事故总数39起的33.33%，而事故数据收集地点是从国道1535公里——国道1671公里，总长136公里，而该路段只占总路段长度的10.3%。可见，该路段的重大事故发生率明显偏高，

2、 在这15起事故中，有非机动车损失的只有3起，可见这类事故主要是发生在机动车和机动车之间或机动车与行人之间。

3、 就以上分析来看，模糊聚类方法对于事故分析是有一定的作用的。