[发明专利]一种用于交通事故分析的不平衡数据处理方法

说明书

本发明公开了一种用于交通事故分析的不平衡数据处理方法，先获取交通事故数据，并进行数据联合和数据清洗，得到原始数据表；再对原始数据表中的事故严重程度进行等级划分，并对影响因子进行离散化，得到优化数据表；然后在优化数据表中，根据事故严重程度的等级分布，划分出正样本和负样本，并对正样本进行不平衡数据重采样，得到平衡数据表；最后将获得的平衡数据表和优化数据表输入贝叶斯分类器，依据最大后验概率确定事故案例的最终分类。本发明有效解决通过原始不平衡交通事故数据集进行推理、预测分类时，分析结果偏向于多数类样本的问题，同时对少数类样本的识别能力保持在可接受的水平。

技术领域

本发明涉及交通安全分析预测技术领域，特别是涉及一种用于交通事故分析的不平衡数据处理方法。

背景技术

道路交通事故频发的问题一直是人们关注的焦点，虽然事故的发生具有随机性，但人员重伤、死亡等严重事故造成的负面影响远大于一般财产损失事故，对社会及个人的负担更为沉重。因此，针对道路交通事故严重程度的分析研究，对挖掘事故客观规律，提高交通安全水平有着重要意义。

然而，交通事故数据集通常是不平衡的，财产损失或人员轻伤事故占据较多实例作为负样本，人员死亡事故占据较少实例作为正样本。在实际情况中，少数类特征往往更加重要，将少数类样本误分通常会付出更大代价，针对事故严重程度的分析正面临这样的问题。

为提高模型对少数类样本的识别性能，充分挖掘数据集的潜在价值，对交通不平衡事故数据的预处理必不可少。然而现有研究在进行交通事故的推理、分类等分析研究时较少考虑交通事故数据的类不平衡性，即使获得较高的准确率也难以反映对少数类样本分析结果的“优劣”。

发明内容

本发明提供一种用于交通事故分析的不平衡数据处理方法，该方法能够克服利用原始不平衡交通事故数据集进行推理、预测时，分析结果偏向于多数类样本的问题。

本发明的技术方案如下：

一种用于交通事故分析的不平衡数据处理方法，包括以下步骤：

S1：获取交通事故数据，设定多个事故属性，事故属性包括n个影响因子和1个决策变量，其中决策变量是事故严重程度；

S2：依据事故属性进行数据联合得到新的数据表，对得到的数据表进行数据清洗，获得交通事故的原始数据表；

S3：对原始数据表中的事故严重程度进行等级划分，并对影响因子进行离散化，得到优化数据表；

S4：在优化数据表中，根据事故严重程度的等级分布，划分出正样本和负样本，并对正样本进行不平衡数据重采样，得到平衡数据表；

S5：将获得的平衡数据表和优化数据表输入贝叶斯分类器，依据最大后验概率确定事故案例的最终分类。

进一步，步骤S1中，包括14个影响因子，分别为：行驶状态、安全带使用情况、车辆安全气囊状态、事故形态、是否超载、道路横断面位置、路口路段类型、道路线形、道路类型、交通控制方式、事故发生时间、天气、能见度、照明条件。

进一步，步骤S2中，依据事故属性进行数据联合得到新的数据表的具体过程如下；

在获取的交通事故数据中，应用SQL多表关联查询语句，将14个影响因子和1个决策变量对应的数据提取出来，创建得到新的数据表；

新的数据表中共有16列，首列为案例编号，尾列为事故严重程度，中间14列分别为14个影响因子，则该表中每行表示的是同一事故案例中影响因子和决策变量对应的数据。

进一步，步骤S2中，对得到的数据表进行数据清洗的具体过程如下；

先清除重复的事故案例：