基于K-means++的駕駛?cè)酥乱蛞蛩貎A向性分析

王博文，王景升*，朱 茵，閆 碩，薛曦初

(1.中國(guó)人民公安大學(xué)交通管理學(xué)院，北京 100038；2.中國(guó)人民公安大學(xué)涉外警務(wù)學(xué)院，北京 100038)

據(jù)中華人民共和國(guó)交通事故統(tǒng)計(jì)年報(bào)數(shù)據(jù)統(tǒng)計(jì)，2019年中國(guó)共發(fā)生道路交通事故1 247.3萬(wàn)起，造成62 763人死亡，256 101人受傷，直接財(cái)產(chǎn)損失達(dá)13.5億元。人為因素、車輛因素是交通事故最主要的兩個(gè)致因因素，其中機(jī)動(dòng)車駕駛?cè)说牟话踩袨閷?dǎo)致的交通事故約為90%，車輛的不安全狀態(tài)導(dǎo)致的交通事故約占8%[1]。固有性質(zhì)的差異，如：年齡、駕駛經(jīng)驗(yàn)，會(huì)使駕駛?cè)藘A向于產(chǎn)生不同類別的交通事故致因因素并暴露在不同程度的風(fēng)險(xiǎn)中。研究不同特征的駕駛?cè)巳后w與交通事故致因因素的關(guān)聯(lián)性在目前來(lái)說(shuō)十分重要。

在研究交通事故風(fēng)險(xiǎn)傾向時(shí)，研究人員主要關(guān)注駕駛?cè)说奶卣髋c人的不安全行為的關(guān)聯(lián)性，較少關(guān)注駕駛?cè)说奶卣髋c車輛的不安全狀態(tài)的關(guān)聯(lián)。Mark等[2]研究表明，年齡較小的駕駛?cè)巳菀滓蛩麄兊奈ｋU(xiǎn)駕駛行為發(fā)生交通事故。管滿泉等[3]通過(guò)使用灰色聚類方法，研究了不同年齡、駕駛經(jīng)驗(yàn)和屬地的駕駛?cè)说慕煌ㄕ厥聝A向，并分析了駕駛?cè)颂卣髋c肇事行為的關(guān)聯(lián)。Hu等[4]研究了不同年齡、駕駛經(jīng)驗(yàn)、駕駛風(fēng)格條件下，駕駛?cè)说氖鹿饰ｋU(xiǎn)傾向，說(shuō)明了年齡在18～30歲的駕駛?cè)舜嬖谳^高的事故危險(xiǎn)傾向，原因是青少年的攻擊性心理較強(qiáng)，容易做出非法駕駛行為，此外，駕駛風(fēng)險(xiǎn)也與駕駛?cè)说鸟{駛經(jīng)驗(yàn)及駕駛風(fēng)格具備一定關(guān)聯(lián)性。

現(xiàn)研究年齡、駕駛經(jīng)驗(yàn)等駕駛?cè)颂卣髋c事故傷亡人數(shù)、事故責(zé)任、駕駛?cè)说牟话踩袨橹岛蛙囕v的不安全狀態(tài)值的關(guān)聯(lián)性，以中國(guó)公安交通管理綜合應(yīng)用平臺(tái)2020年的機(jī)動(dòng)車交通事故數(shù)據(jù)為基礎(chǔ)，分析肇事駕駛?cè)说奶卣?，并采用K-means++進(jìn)行聚類分析，將駕駛?cè)巳后w分為3類，了解不同駕駛?cè)巳后w與交通事故致因因素的關(guān)聯(lián)性，針對(duì)性地開(kāi)展交通安全教育的有效途徑。

1 數(shù)據(jù)及方法

1.1 數(shù)據(jù)

研究數(shù)據(jù)來(lái)源于公安交通管理綜合應(yīng)用平臺(tái)2020年的機(jī)動(dòng)車交通事故數(shù)據(jù)，基于以下標(biāo)準(zhǔn)進(jìn)行采樣：①車輛類型為機(jī)動(dòng)車；②交通參與角色為駕駛?cè)?；③年齡在18歲以上；④駕駛經(jīng)驗(yàn)在1年以上；⑤詳細(xì)的事故傷亡人數(shù)記錄；⑥駕駛?cè)私煌ㄊ鹿食袚?dān)的責(zé)任的大?。虎咴敿?xì)的駕駛?cè)说牟话踩袨橹涤涗?；⑧詳?xì)的車輛的不安全狀態(tài)值記錄[5-9]。抽樣得到本研究樣本總數(shù)為3 616個(gè)，樣本特征依次為：事故傷亡人數(shù)、駕駛經(jīng)驗(yàn)、年齡、事故責(zé)任、駕駛?cè)说牟话踩袨橹?、車輛的不安全狀態(tài)值[10]。數(shù)據(jù)的描述性統(tǒng)計(jì)如表1所示。

表1 數(shù)據(jù)的描述性統(tǒng)計(jì)表Table 1 Descriptive statistical tables of data

1.2 方法

1.2.1K-means++算法

為優(yōu)化K-means算法隨機(jī)選擇初始聚類中心的方法，降低初始聚類中心選擇的隨機(jī)性，提高模型收斂效果及可靠性，K-means++初始化方案使算法生成的初始聚類中心彼此遠(yuǎn)離，得出了比隨機(jī)生成初始聚類中心更加可靠的結(jié)果。建立K-means++聚類分析模型，主要步驟如下。

步驟1確定n個(gè)樣本及對(duì)應(yīng)樣本的m個(gè)特征，構(gòu)造n×m的矩陣。

步驟2采用輪廓系數(shù)作為聚類算法的評(píng)價(jià)指標(biāo)，繪制不同簇?cái)?shù)下樣本的輪廓系數(shù)分布圖，并選取最佳的簇?cái)?shù)劃分值K。

步驟3隨機(jī)抽取K個(gè)彼此遠(yuǎn)離的樣本作為最初的聚類中心。

步驟4進(jìn)入循環(huán)：計(jì)算每個(gè)樣本點(diǎn)和聚類中心的距離，將每個(gè)樣本點(diǎn)分配到離他們最近的聚類中心，生成K個(gè)簇。對(duì)于每個(gè)簇，計(jì)算所有被分到該簇的樣本點(diǎn)的平均值作為新的聚類中心。

步驟5當(dāng)聚類中心的位置不再發(fā)生變化，迭代停止，聚類完成。

步驟6繪制K個(gè)簇的概率密度圖并進(jìn)行分析。

1.2.2 距離度量

每個(gè)樣本點(diǎn)到聚類中心的距離采用歐幾里得距離d進(jìn)行度量，可表示為

(1)

式(1)中：x為一個(gè)簇中的一個(gè)樣本點(diǎn)；μ為該簇的聚類中心；n為特征個(gè)數(shù)；i為組成點(diǎn)x的每個(gè)特征；xi為樣本點(diǎn)x的第i個(gè)特征；μi為簇的聚類中心的第i個(gè)特征。

1.2.3 輪廓系數(shù)

對(duì)沒(méi)有真實(shí)標(biāo)簽的數(shù)據(jù)進(jìn)行聚類時(shí)，可以使用輪廓系數(shù)作為評(píng)價(jià)指標(biāo)。輪廓系數(shù)反映了聚類結(jié)果的簇內(nèi)稠密程度和簇間離散程度，單個(gè)樣本的輪廓系數(shù)計(jì)算公式為

(2)

式(2)中：s為單個(gè)樣本的輪廓系數(shù)；a為樣本與同一簇中所有其他點(diǎn)之間的平均距離；b為樣本與下一個(gè)最近的簇中的所有點(diǎn)之間的平均距離。

輪廓系數(shù)可以同時(shí)衡量：樣本與其自身所在的簇中的其他樣本的相似度a以及樣本與其他簇中的樣本的相似度b。式(1)可被解析為

(3)

由式(3)得單個(gè)樣本的輪廓系數(shù)取值范圍為(-1,1)，當(dāng)s越接近于1時(shí)，該樣本與其所在的簇中的樣本相似度越高，同時(shí)與其他簇中的樣本相似度越低；當(dāng)s=0時(shí)，該樣本與其所在簇及相鄰簇中的樣本相似度一致；當(dāng)s越接近于-1時(shí)，該樣本與其所在的簇中的樣本相似度越低，同時(shí)與其他簇中的樣本相似度越高。

2 駕駛?cè)嘶厩闆r分析

2.1 事故傷亡人頻率分布情況

通過(guò)采樣獲得的3 616個(gè)交通事故樣本中，傷亡人數(shù)共4 105人，不同傷亡人數(shù)的交通事故的頻率如圖1所示。

圖1 不同傷亡人數(shù)的交通事故的頻率Fig.1 The frequency of traffic accidents with different casualties

由圖1可知，傷亡人數(shù)為2人的交通事故頻率最高，傷亡人數(shù)大于2時(shí)，事故頻率呈現(xiàn)依次下降的趨勢(shì)，重特大事故占事故總數(shù)的7.27%。

2.2 年齡及駕駛經(jīng)驗(yàn)分析

交通事故的嚴(yán)重程度與人的不安全行為及車輛的不安全狀態(tài)相關(guān)，年齡、駕齡是影響人的不安全行為及車輛的不安全狀態(tài)相關(guān)因素。研究人員將駕駛?cè)朔譃?個(gè)年齡組：18～30、31～40、41～50、51～60、61～83歲，不同年齡段的駕駛員發(fā)生交通事故的次數(shù)與傷亡人數(shù)如圖2所示。

圖2 不同年齡段的駕駛員發(fā)生交通事故的次數(shù)與傷亡人數(shù)Fig.2 The number of accidents and casualties of drivers of different age groups

由圖2可知，30～40歲的駕駛?cè)税l(fā)生交通事故的頻率最高，60～83歲駕駛?cè)税l(fā)生交通事故的頻率最低。傷亡人數(shù)的趨勢(shì)與事故發(fā)生頻率的趨勢(shì)相同。

研究人員依據(jù)駕駛經(jīng)驗(yàn)將駕駛?cè)朔譃?組：0～2、2～5、5～10、10～20、20～50年，不同駕駛經(jīng)驗(yàn)的駕駛員發(fā)生交通事故的次數(shù)與傷亡人數(shù)如圖3所示。

圖3 不同駕駛經(jīng)驗(yàn)的駕駛員發(fā)生交通事故的次數(shù)與傷亡人數(shù)Fig.3 Number of traffic accidents and casualties among drivers with different driving experience

由圖3得，10～20年駕駛經(jīng)驗(yàn)組駕駛員事故數(shù)量最多，5～10年駕駛經(jīng)驗(yàn)組次之，0～2年駕駛經(jīng)驗(yàn)組事故數(shù)量最少。傷亡人數(shù)的趨勢(shì)與事故發(fā)生頻率的趨勢(shì)相同。

駕駛員的反應(yīng)速度、判斷能力、操作熟練程度等因素會(huì)隨著年齡和駕駛經(jīng)驗(yàn)的變化而產(chǎn)生變化，因此年齡及駕駛經(jīng)驗(yàn)會(huì)對(duì)駕駛員的事故危險(xiǎn)傾向造成影響。

3 駕駛?cè)酥乱蛞蛩貎A向性分析

使用K-means++算法，對(duì)事故傷亡人數(shù)、年齡、駕駛經(jīng)驗(yàn)、事故責(zé)任、駕駛?cè)说牟话踩袨橹怠④囕v的不安全狀態(tài)值進(jìn)行聚類分析，識(shí)別出不同駕駛?cè)巳后w的致因因素傾向性。

繪制聚類簇?cái)?shù)K為2～7時(shí)的輪廓系數(shù)分布如圖4所示。當(dāng)K為2～7時(shí)的輪廓系數(shù)數(shù)值變化如圖5所示。由圖4、圖5可知，平均輪廓系數(shù)隨著K的增加而減小，即聚類效果隨著K的增大而下降，當(dāng)聚類簇?cái)?shù)為2時(shí)，平均輪廓系數(shù)為0.58，當(dāng)K為3時(shí)，平均輪廓系數(shù)為0.52，結(jié)合對(duì)駕駛?cè)撕侠韯澐值男枨螅x擇K=3。

圖4 K為2～7時(shí)的輪廓系數(shù)分布情況Fig.4 The silhouette coefficient distribution when K is from 2 to 7

圖5 K為2～7時(shí)的輪廓系數(shù)數(shù)值變化情況Fig.5 When K is from 2 to 7,the silhouette coefficient value changes

使用K-means++算法將樣本分為三類，并繪制3個(gè)駕駛?cè)巳后w的概率密度分布曲線如圖6所示。

圖6 概率密度分布曲線Fig.6 Probability density distribution curve

聚類中心對(duì)應(yīng)類別下的樣本數(shù)目如表2所示。

表2 聚類中心對(duì)應(yīng)類別下的樣本數(shù)目Table 2 The number of samples under the corresponding category in the cluster center

由圖6及表2可知，駕駛員群體存在一定特征：群體0在Z0、Z1、Z2、Z5屬性上最大，占比27.56%；群體1在Z0、Z3、Z4屬性上最小，占比34.07%；群體2在Z1、Z2、Z5屬性上最小，在Z3、Z4屬性上最大，占比38.16%。將駕駛?cè)巳后w分為3個(gè)類型，具體如下。

(1)針對(duì)群體0進(jìn)行分析，駕駛經(jīng)驗(yàn)(Z1)或年齡(Z2)較高，事故責(zé)任(Z3)較高的駕駛?cè)巳后w往往存在較高的車輛的不安全狀態(tài)值(Z5)，較高的傷亡人數(shù)(Z0)。駕駛經(jīng)驗(yàn)較多或年齡較大的駕駛?cè)巳后w往往具備良好的駕駛技能，可以較好地對(duì)危險(xiǎn)狀況做出判斷和處理。這類駕駛?cè)藢?duì)自己的駕駛能力有盲目的自信，以至于忽視了車輛的不安全狀態(tài)對(duì)駕駛風(fēng)險(xiǎn)的影響，在汽車處于制動(dòng)不良、照明及信號(hào)裝置失效等狀態(tài)下仍選擇上路行駛。年齡的影響也使這類群體有著更高的傷亡率。對(duì)于此類群體，可以開(kāi)展車輛使用方面的安全狀態(tài)教育，減少對(duì)車輛安全狀態(tài)的忽視帶來(lái)的安全隱患。

(2)針對(duì)群體1進(jìn)行分析，事故責(zé)任(Z3)較低的駕駛?cè)巳后w，往往不安全行為值(Z4)與車輛的不安全狀態(tài)值(Z5)均較低。此類事故多為事故對(duì)方承擔(dān)責(zé)任，對(duì)此類群體應(yīng)按照自愿接受交通安全教育的原則，適度對(duì)其進(jìn)行安全出行引導(dǎo)。

(3)針對(duì)群體2進(jìn)行分析，駕駛經(jīng)驗(yàn)(Z1)或年齡(Z2)較低，事故責(zé)任(Z3)較高的駕駛?cè)巳后w往往存在較高的不安全行為值(Z4)。駕駛經(jīng)驗(yàn)較少或年齡較小的駕駛?cè)巳后w，在駕駛機(jī)動(dòng)車時(shí)存在僥幸心理，因此不安全行為較為嚴(yán)重，如醉酒駕駛、逆向行駛、違法信號(hào)燈通行等。此類群體發(fā)生交通事故的頻率最高，風(fēng)險(xiǎn)性最大。對(duì)于此類駕駛?cè)巳后w，可以開(kāi)展交通安全行為教育，減少不良駕駛行為帶來(lái)的安全隱患。

5 結(jié)論

以中國(guó)公安交通管理綜合應(yīng)用平臺(tái)2020年的機(jī)動(dòng)車交通事故數(shù)據(jù)為基礎(chǔ)，使用K-means++算法對(duì)肇事駕駛?cè)说奶卣鬟M(jìn)行聚類分析，將駕駛?cè)巳后w分為3個(gè)類別，得出了不同駕駛?cè)巳后w與交通事故致因因素的關(guān)聯(lián)性，為針對(duì)性地開(kāi)展交通安全教育提供有效途徑。