这将是一份超强的作品合集！！！

这里包含了“贵阳交通事故成因分析竞赛”所有获奖团队的作品，特等奖一个，一等奖三个，二等奖五个，三等奖八个，总共17份超精华的决赛创意方案。

从数据挖掘到数据分析，从模型建立到风险评估，从概率计算到预测模型，从算法设计到数理统计，从分析结果到决策建议……应有尽有，宛若大师般描绘出的曼妙风景，让人流连忘返。

阅读这些作品像是跟大神的精神交流，像是充满仪式感的盛宴，我无法像他们是怎样创造出这些优秀的作品的，但是当事实摆在眼前，你只能去惊叹，平庸与优秀的差别在于，平庸的人一直在想象，优秀的人总是不断超越想象。

特等奖

忘了爱

以严谨的方法并结合多源数据，一步步逼近引起交通事故的幕后黑手，撰写了较为全面的数据分析报告。为管理者更好地基于数据做出决策，开发了两款数据驱动应用。

一等奖

求真

方案由浅入深、由简单到复杂，结合地理信息分别运用了单因素分析、一般线性模型、空间误差模型、空间面板数据分析、持续风险模型、生存分析参数模型、Logit回归分析等方法进行了研究。方案考虑了一般模型中无法顾及的空间相关性，并将空间相关性与时间效应结合，使估计结果更为准确。

沐威智造

主要利用描述性统计、数据融合、数据挖掘等方法，结合百度开源LBS服务的开发者API接口及GIS地理信息系统，挖掘事故的地理位置信息，将事故进行区域划分，分别总结了事故高发的各项诱因。

Notheory

从自然条件、驾校、群体、车型、地点各个方面对交通事故成因进行探索，利用统计分析方法对数据进行全面的认识，并使用图表可视化，直观展示事故规律；使用数据挖掘关联规则分析方法分析事故属性之间的内在联系，合理地对事故成因做出解释。

二等奖

cdzj

利用多种数据来源、融合统计学习、机器学习等多种技术方法，结合实际，细致、全面地分析了交通事故的影响因素，提炼出影响道路交通安全的诸要素及其影响的轻重程度，并从人、车、环境、管理方面提出一系列的改进措施。

Trafficer  of BJUT

在定性分析交通事故量在时间尺度和空间尺度变化规律的基础上，建立对数线性回归模型定量讨论五类城市空间要素与城市交通事故量时空分布的关系。运用研究成果，建立了较为精确的交通事故时间和位置分布的预测模型，并在此基础上研发了面向出行者的事故预警平台和面向管理者事故处理警力调度平台。

广西大学复杂性科学与大数据研究所

利用交通事故数据和违章数据进行了全面的同济分析，并进行事故时空分布可视化显示，形成了全面的交通事故成因分析报告，并以此作为依据提出了具有可行性的解决方案。

三傻大闹宝莱坞

如何选择合适的驾校？哪里每天都在发生相同事故？老司机与新手有哪些区别？女司机在想什么吗？三个数据分析的新手,历时6个月,使用3种分析方法,利用5种数据分析工具,引入6方面外部数据,从一开始的不能不会，到现在的娓娓道来,一切用数据说话。

萌哒哒的皮卡嗷呜噗啵

从交通事故的表面现象中找寻隐藏的规律、深层的原因以及潜在的隐患是我们致力于达成的目标。而基于所得结论和目标状态，我们分别站在政府部门、大数据孵化中心和研究员的角度，提出了一系列解决方案，力图使数据真正产生经济价值和社会效益。

三等奖

步履不停

运用了关联规则、决策树、条件概率分析等数据挖掘方法，同时结合OpenStreetMap、百度地图等地图工具进行综合分析，得到了一些有意义的结论和建议；最后使用了如ECharts、百度地图热力图API等进行可视化处理。

sparkexeprt

充分利用互联网公共平台提供的开放数据，采用图挖掘的方法，分析挖掘出故意发生交通事故的事故责任人；采用地图可视化分析的方法，分析挖掘事故发生的密集区域；采用多维统计可视化分析的方法，辅助分析交通事故各种因素之间的关联关系。

云集实验室

BigAlarm实时交通事故大数据分析与预警系统，是通过机器学习的计算模型，对大数据进行实时处理，获取关键数据信息，为交通管理部门和驾驶员提供实时交通事故的分析和预警。

Diglab

首先利用单个字段分析影响交通事故的主要原因，同时我们结合百度地图找出了疑似碰瓷者，利用GraphX对肇事者和受害者建立图模型检测出了一些疑似骗保者。利用贝叶斯模型来预测驾驶员发生事故的概率，对于发生事故概率非常高的驾驶员应该及时提醒他们，避免发生事故。

Euler

使用了分类器的方法，对五万多条交通事故数据进行了清洗、处理、分析和建模，最终做到了对不同个体容易发生交通事故的时间和类型的个性化预测。这不仅将使我们可以告别导航仪千篇一律的危险路段提醒，更让我们可以在准确的时间对需要注意的事项进行定向的提醒。

北京锐安科技

基于事故影响因素“时间-人员-车辆-道路-天气”构成的闭合星型数据模型，利用统计分析、聚类分析、关联分析、相似度计算、卡方检验等技术完成了贵阳交通事故成因定性分析。除竞赛数据外，补充了地图数据、政府数据、舆情数据、自有知识库等，通过不同数据相互补充、相互印证，从而得出更丰富、更准确的事故成因分析结论。

Freeman凡人哥

方案采用KMeans聚类算法对事故发生地点进行聚类，得到事故多发地段的中心点，并收集以此点为中心的一定范围内的交通事故数据作为多发地段事故数据。最后采用Apriori算法，将七种事故成因描述作为类，进行类关联规则的挖掘，并对挖掘结果进行分析，最终提出多致因因素下的道路安全改善措施。

DMML$There_bears

在对数据进行预处理和初步探索之后，从时间、地理位置等多个角度和维度尝试通过数据可视化的方式让数据“讲自己的故事”。在此基础上在通过主成分分析（PCA）的方法来寻找解释性高的潜在因素挖掘潜在交通事故成因并提出相关决策建议。

一点感想

我害怕优秀的人。我祈祷他们永远不知道我的不安，免得他们会更轻易击垮我，甚至连打败我的意愿都没有。因为他们的榜样是伟人，就算不能企及，退一步也还是我远不如的成功者。我害怕优秀的人，他们知道「无知」在小孩身上才可爱，而我已经是一个成年的人。

我害怕优秀的人，他们能避免我要经历的失败，也不必经历一般人不可避免的迷茫。我害怕优秀的人，他们懂得生命太短，人总是聪明得太迟。我害怕优秀的人，他们的一小时，甚至就是我的一生。

点击下载获奖作品全部源文件