data-driven road safety policy 從資料看交通安全(柯維然)
DESCRIPTION
《SmartGov 政府開竅會議》的講者簡報。(2014.07.19) 講者:柯維然 講題:從資料看交通安全 相關資訊: http://codefortomorrow.org/portfolio/immersion/149TRANSCRIPT
從資料看交通安全
柯維然 odie
About Me
● 巡官
● Traffic science & Statistics
● Programmer
● Photography & Saxphone
Today
● Data source ?
● 視覺化交通事故資料
● 統計分析交通事故資料
● 困難&感想&抱怨....
人、事件、時間、地點、車種
從資料找出危險
交通安全相關資料
● 警政署-交通事故統計
● 衛生機關-死傷統計
● 交通機關-流量、道路幾何資料等等
● 監理機關-機動車輛持有數
● 保險資料
交通事故類型
● A1 : 事故後24小時內死亡● A2 : 事故後24小時後死亡(受傷)● A3 : 財損
各種表單
● 受理交通事故登記表● 道路交通事故談話紀錄表● 交通事故調查筆錄● 現場照片紀錄表● 酒精測試觀察紀錄表● 肇因研判表● 對方當事人資料表● 還有其他....
輸出這樣的Raw Data
視覺化交通事故資料
視覺化交通事故資料
視覺化交通事故分析平台
當日所有的事故基本資料
把地址轉成經緯度坐標輸出csv檔
上傳到google fusion table
把key與時間設定好
統計分析交通資料
● 前情提要
○ 新竹市101年機動車輛登記數411,113輛
○ 新竹市101年交通事故件數共計12767件
■ A1 : 30件
■ A2 : 4748件
■ A3 : 7369件
事故件數月變化
事故件數日變化
A2類事故各時段發生率
每日事故發生件數分配
年齡與車種分析
(機車,82年次)
(自小客,70年次)
自小貨
肇事因素統計
6 未依規定讓車23 為注意車前狀態8 左轉彎未依規定17 為保持安全間格25 違反管制號誌或指揮26 違反特定標線禁制
路口交通事故發生分析
路口A2事故發生率預測模型研究
● 取得新竹市幹道路口尖峰(7-9,17-19)、離峰
(14-16)流量觀測資料
● 利用事故日變化去推估日流量,進而計算年流
量
● 選取40個路口,使用Bayesian statistic去建立
事故發生機率P的分配
路口A2事故發生率預測模型研究
● 選取40個路口
○ 流量最大路口年流量為2百萬pcu
○ 平均年流量為1.2百萬pcu
○ 平均路口事故發生率為3.9件/百萬pcu
○ 路口平均發生件數4.6件,變異數8.74,總和180件
研究過程
● 假設事故發生率 P ~ Gamma(a,b)● 利用路口事故件數與年流量推估參數a,b => P ~ Gamma(3.714,54.14)● 而事後機率分配為
○ => P ~ Gamma(3.714+Xi , 54.14+Ei)○ Xi 為新觀測到的事故件數
○ Ei 為新觀測到的年流量
A2事故發生率的機率分配
推估路口交通事故發生件數
應用事故機率發生分配
● 給定年流量值的路口,推估該路口事故發生件數
● 觀測某路口(或多個路口),可以利用觀測值再去更新機率
分配
○ 某個路口102年發生4件事故,流量1.2百萬pcu,更新
後的機率分配為P ~ Gamma(7.714,55.34)● 可以計算某事件發生下,事故發生的機率
○ 闖紅燈後,發生事故的機率是多少?● 路口到底多危險!
困難&感想&抱怨
● 困難:○ 長官開竅?○ 無法用新的思維來決策
○ 錯以為各種績效與數字就是"分析"○ 資源只用在最有"表現"的地方
○ 有人才,沒位置
困難&感想&抱怨
● 感想:○ 孟子:當仁不讓
○ 沒有資源、不一定有鼓勵、你需要的是很多熱情
○ 延伸你的專業,服務社稷人群
○ 不一定有結果,但一定要有堅持
感謝各位聆聽