資料前處理
使用 R 讀取並合併不同年度的 A1、A2 事故資料,依發生地點篩選臺中市紀錄,並輸出整理後的資料。
DATA MINING & DATA ANALYSIS
R / DATA PREPROCESSING / APRIORI
01 / OVERVIEW
本專題以政府資料開放平台的 A1、A2 類道路交通事故資料為基礎, 先整合全台原始資料,再篩選臺中市資料進行分析。 我的研究主題聚焦於道路型態、事故位置與事故環境因子, 透過敘述統計與 Apriori 關聯規則分析,探索不同事故環境條件 在資料中的共現關係。
02 / MY CONTRIBUTION
使用 R 讀取並合併不同年度的 A1、A2 事故資料,依發生地點篩選臺中市紀錄,並輸出整理後的資料。
整理道路型態、車種、天候與光線等欄位,計算類別次數及年度分布,並製作統計圖表。
使用 arules 套件將類別資料轉換為 transactions,執行 Apriori 演算法並整理符合門檻的關聯規則。
本頁「個人貢獻」依據本人提供的三份 R Markdown 程式碼整理; 專題其他成員的研究主題不列為個人獨立成果。
03 / TECHNOLOGY
04 / RESEARCH METHOD
讀取 2018~2023 年 A1、A2 事故 CSV 檔案,合併不同年度及分檔資料。
依據發生地點欄位,保留包含「台中市」或「臺中市」的資料紀錄。
分析道路型態、車種、天候與光線等類別的事故次數及年度分布。
將類別資料轉換為交易資料格式,設定支持度、信賴度與提升度門檻,找出事故環境條件的共現規則。
原始資料讀取年度為 2018~2023 年;後續正式分析程式篩選民國 108~112 年資料。 兩者為不同處理階段,並非相同的年度範圍。
05 / APRIORI MODEL
支持度:衡量某項目組合在全部交易資料中出現的比例。
信賴度:衡量規則左側條件出現時,右側項目同時出現的比例。
提升度:衡量左側與右側的共現程度相較於獨立情況的變化。
上述為關聯規則程式碼中的設定。關聯規則呈現的是資料中的共現關係, 不代表變數之間具有因果關係,也不能單憑 Lift 推論事故風險或事故發生機率。
06 / DESCRIPTIVE STATISTICS
在進行 Apriori 關聯規則探勘之前, 先透過敘述統計觀察臺中市交通事故資料的基本分布。 分析項目包含道路型態、車種、天候與光線, 了解各類事故環境條件的分布情形。
108~112 年各年度最多的道路型態皆為 「交岔路_四岔路」。 112 年統計為 63,939 件,占 39.3%。
108~112 年各年度最多的車種皆為 「機車_普通重型」。 112 年統計為 89,263 件,占 57.11%。
108 年事故紀錄中,以晴天最多, 共 82,541 件,占 85.05%; 雨天為 9,283 件,占 9.57%。
108 年事故紀錄中,以日間自然光線最多, 共 67,746 件,占 69.81%。
註:道路型態與車種圖呈現 108~112 年資料; 天候與光線圖目前呈現 108 年資料。 各圖的統計筆數為事故紀錄中的分類次數, 不應直接解讀為各條件下的事故發生風險。
07 / ASSOCIATION RULE RESULTS
使用 Apriori 演算法分析道路型態、事故位置、 車種、天候與光線等條件, 依據支持度、信賴度及提升度整理關聯規則, 觀察不同事故環境條件之間的共現關係。
| 排名 | 關聯規則 | Support | Confidence | Lift |
|---|---|---|---|---|
| 01 | 單路部分_彎曲路及附近、天候=晴 → 一般車道(未劃分快慢車道) | 0.0131 | 0.8013 | 3.8079 |
| 02 | 快車道、機車、晴天、日間 → 單路部分_直路 | 0.0175 | 0.9033 | 2.7819 |
| 03 | 快車道、機車、日間 → 單路部分_直路 | 0.0195 | 0.9032 | 2.7814 |
| 04 | 慢車道、小客車 → 單路部分_直路 | 0.0144 | 0.9020 | 2.7777 |
| 05 | 快車道、日間 → 單路部分_直路 | 0.0432 | 0.9005 | 2.7733 |
支持度:衡量某項目組合在全部交易資料中出現的比例。
信賴度:衡量規則左側條件出現時, 右側項目同時出現的比例。
提升度:衡量左側與右側的共現程度 相較於彼此獨立情況的變化。
關聯規則呈現的是資料中的共現關係, 不代表變數之間具有因果關係, 也不能單憑提升度推論事故發生機率。
08 / RESEARCH INSIGHTS
透過 Apriori 關聯規則分析,觀察道路型態、 事故位置、車種、天候與光線等條件之間的共現關係。 以下根據 Top 5 規則的支持度、信賴度與提升度, 整理主要分析觀察。
第一條規則的 Lift 為 3.8079, 是 Top 5 規則中最高的數值。 代表該規則左右兩側條件的共現程度, 約為統計獨立情況下的 3.81 倍。
Support:0.0131 | Confidence:0.8013第二條規則的 Confidence 為 0.9033, 表示在符合該規則左側條件的交易紀錄中, 約有 90.33% 同時包含右側條件。
Support:0.0175 | Lift:2.7819Top 5 規則中的第 2、3、5 條, 其右側結果皆為「單路部分_直路」。 顯示直路條件在這幾條高提升度規則中 重複出現。
規則 02:Lift 2.7819 |規則 03:Lift 2.7814 |規則 05:Lift 2.7733從 Top 5 關聯規則可以觀察到, 不同道路環境、車種及天候條件之間存在一定程度的共現關係。 其中,第一條規則具有最高的提升度, 而「單路部分_直路」則在多條規則中重複出現。
這些結果可作為後續交通事故環境分析的參考, 但關聯規則反映的是資料中的共現現象, 並不能直接證明某種道路條件會造成交通事故。
09 / LEARNING OUTCOMES
透過這次專題,我實際操作跨年度資料整合、資料篩選、 類別資料整理、統計視覺化與關聯規則探勘。 也理解到資料探勘結果需要搭配研究背景與限制解讀, 不能將統計上的共現關係直接視為因果結論。