[论文解读] Road Accidents in the UK (Analysis and Visualization)

Anjul Tyagi, Ayush Kumar+2 more|arXiv (Cornell University)|Jul 29, 2019

Traffic and Road Safety参考文献 1被引用 4

一句话总结

本研究应用多重对应分析（MCA）对英国道路事故中的关键因素——邮区、星期几和驾驶员年龄组——进行可视化与相关性分析，揭示出利物浦（L）在周六事故达到高峰，且主要涉及26–35岁驾驶员的模式。此外，通过假设检验与时间序列分析处理MCA难以充分表示的变量，发现年事故数量呈下降趋势，且性别间事故频率存在显著差异。

ABSTRACT

Analysis of road accidents is crucial to understand the factors involved and their impact. Accidents usually involve multiple variables like time, weather conditions, age of driver, etc. and hence it is challenging to analyze the data. To solve this problem, we use Multiple Correspondence Analysis (MCA) to first, filter out the most number of variables which can be visualized effectively in two dimensions and then study the correlations among these variables in a two dimensional scatter plot. Other variables, for which MCA cannot capture ample variance in the projected dimensions, we use hypothesis testing and time series analysis for the study.

研究动机与目标

• 通过降维方法识别并可视化英国道路事故数据中最具影响力的变量。
• 通过MCA理解事故地点（邮区）、星期几与驾驶员年龄组之间的相关性。
• 使用假设检验与时间序列分析对难以可视化的变量（如车辆类型、天气与性别）进行分析。
• 预测事故频率随时间的变化趋势，并评估伦敦夏季奥运会等重大事件的影响。

提出的方法

• 采用多重对应分析（MCA）将高维事故数据降维至二维，以实现可视化与相关性分析。
• 使用判别度量评估每个变量在MCA投影中的表示准确性，优先关注邮区、星期几与驾驶员年龄组。
• 应用Welch’s t检验进行假设检验，比较不同群体（如男性与女性驾驶员、夏季与冬季）的事故频率。
• 采用自回归模型进行时间序列分析，以2005至2014年月度事故趋势为依据进行建模与预测。
• 将MCA与补充分析相结合，针对MCA表示度较低的变量，确保全面提取洞察。
• 通过均方根误差（RMSE）验证预测结果，自回归模型的RMSE为699.84。

实验结果

研究问题

• RQ1 邮区、星期几与驾驶员年龄组的哪些组合事故频率最高，它们之间存在何种相关性？
• RQ2 男性与女性驾驶员之间的事故频率是否存在显著差异，具体如何比较？
• RQ3 2012年伦敦夏季奥运会的举办是否显著影响了日均事故率？
• RQ4 靠近地铁站的区域是否比其他区域具有更高的事故率？
• RQ5 2005至2014年间英国月度事故频率的长期趋势如何，是否可被可靠预测？

主要发现

• 利物浦（L）邮区在周六发生最多事故，主要涉及26–35岁驾驶员。
• 年轻驾驶员（18–25岁）的日均事故数量比年长驾驶员（65–85岁）高出85至89起。
• 男性驾驶员比女性驾驶员每日多造成428至439起事故。
• 靠近地铁站的区域日均事故数量比非地铁区域多9至29起。
• 夏季日均事故数量比冬季多15至30起。
• 自回归模型预测月度事故趋势的均方根误差为699.84，表明2005至2014年间整体呈下降趋势。