data-driven road safety policy 從資料看交通安全（柯維然）

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

視覺化交通事故資料分析平台

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

Q&Ats771164@gmail.com