模糊聚类分析在交通事故分析中的应用.doc

模糊数学实验报告 题目：模糊聚类分析在交通事故分析中的应用 姓 名 xxxxxxxxx 学 号 xxxxxxxxxxxx 年级专业 xxxxxxxxxxxxx 指导教师 xxxxxxxx 20xx年x月xx日 模糊聚类分析在交通事故分析中的应用 姓名：xx 班级：xxxxxxxxx 学号：xxxxxxxxx xxxxxxxxxx 摘 要：在模糊集理论及模糊聚类分析方法的四个步骤基础上，深入研究了模糊聚类分析法步骤在交通事故分析中的应用。通过对1999 年我国交通事故相关数据进行统计，运用模糊聚类分析方法中两种不同的方法得出相似关系矩阵，应用平方法计算传递闭包，最终作出模糊聚类分析，并对两种方法进行比较。通过对交通事故进行分类，对掌握交通安全情况有很大的帮助。 关键词：模糊相似矩阵；传递闭包；模糊聚类分析；交通事故 随着经济的迅速发展，人民的生活得到了极大的改善，单位用车和私家车就越来越多，随之而来的是交通事故发生也越来越多，已引起人们和有关部门的关注和重视。 本文在模糊理论基础上，选取1999 年我国交通事故相关数据，进行分析统计，运用模糊聚类分析方法做出模糊聚类分析。希望通过对交通事故进行分类，对掌握交通安全情况有很大的帮助，特别在发现交通存在的问题后，分析结果可提供给相关部门参考，针对问题采取措施改善我国交通事故较多的现状。 1 选择统计指标 数据采自2002 年中国统计年鉴，分析我国交通现状，选取交通事故中具有代表性的几种情况——汽车、摩托车、拖拉机、自行车、行人乘车作为五个类及即五个单元，对5 种行驶方式安全程度分类。 设5 种行驶方式组成一个分类集合：分别代表汽车、摩托车、拖拉机、自行车、行人乘车。每种行驶方式均采用代表性的方面（发生起数、死亡人数、受伤人数、损失折款） 作为四项统计指标， 即有：这里表示为第i 种行驶方式的第j 项指标。这四项成绩指标为：发生起数，死亡人数，受伤人数，损失折款。原始数据如表1 所示。 2 数据标准化 数据标准化常采用公式，对数据进行处理。本文采用较为精确的极差转化方法对数据标准化。 首先，对数据进行偏差转换。由偏差转换公式： 于是，原始数据可转换为表2。 而后，对表2 中的数据应用极差化法，从而可得到标准化数据。由极差化法公式： 则标准化后的数据如表3 所示。 3 应用最大最小法进行聚类分析 最大最小法公式为： 将标准化后数据代入上式，得相似关系矩阵： 应用平方法求得传递闭包 由上可知是模糊等价矩阵，是传递闭包，即。 可得如下分类： 当时，将U分成一类。 当时， 将U分成二类。 当时， 将U分成三类。 当时， 将U分成四类。 当时，将U 分成五类。 聚类图如图1 所示。 结果分析：在应用最大最小法分类结果中，按进行分类，由于过分强调5 种行驶方式统计指标上的差异，而没有注意到各指标的相互影响关系，没有真正起到分类的作用，因而不可取。按及分类又完全忽视了5 种行驶方式上所表现出的各种差异，分类太粗。 本例的模糊聚类按、分类比较不仅将具有相同特征统计指标的行驶方式归并到了一块，而且还将不同特征统计指标的行驶方式区分开来。 4 应用夹角余弦法进行聚类分析 夹角余弦公式为： 将标准化后数据代入上式，得模糊相似关系矩阵: 应用平方法求得传递闭包。 可得如下分类： 当时，将U分成一类。 当时， 将U分成二类。 当时， 将U分成三类。 当时， 将U分成四类。 当时，将U 分成五类。 聚类图如图2 所示。 结果分析：在应用夹角余弦法分类结果中，按进行分类，由于过分强调5 种行驶方式统计指标上的差异，而没有注意到各指标的相互影响关系，没有真正起到分类的作用，因而不可取。按及分类又完全忽视了5 种行驶方式上所表现出的各种差异，分类太粗。本例的模糊聚类按、分类比较不仅将具有相同特征统计指标的行驶方式归并到了一块，而且还将不同特征统计指标的行驶方式区分开来。 行驶方式的分类利于分析交通运输中何种方式比较安全。从例子中可以看出，通过对1999 年我国交通事故基本情况进行聚类分析，可以了解到汽车这种交通工具的事故指标较高；摩托车、自行车、行人乘车这三种行驶方式的事故指标比较接近，各项指标属一般；拖拉机这种交通工具的事故指标较低。 5 总 结 本文通过应用聚类分析中的两种不同的方法进行交通事故的分析，在应用的过程得知最大最小法的计算过程较为简便，夹角余弦的计算过程较为复杂，两种方法的数据存在着差异，相对比较夹角余弦的分析数据较精确。 6附录代码部分：(m文件) F-JIR.m Function[R]=F_JIR(cs,X) %模糊聚类分析建立模糊相似矩阵 %X，数据矩