交通数据分析帮你避开99%的酒驾司机

简介:



借助手头的交通数据,我们发现了酒驾者在年龄、性别和地域的分布上有这样的规律,酒驾人群和失信人群还有一些有趣的联系……

---------------

手把手辅导,教会为止

距离课程开始仅 1 天

用云实验环境

完成第1个数据科学项目

美国大选数据分析与可视化

电商销量预测

海量文本分析

3月18日开课 小班辅导

名额有限 欲报从速

详情见文末

---------------



提到酒驾,最先想到的是这样的段子:一个司机喝酒后,遇到交警查酒驾,主动要求对着仪器测酒驾。交警瞪他:走路的来吹啥吹,给我滚远点!然后司机不服气地开了车来到交警面前:现在让吹了吧,然后就没有然后了……


生活中,酒驾司机就没有段子里那么可爱了。世界卫生组织的事故调查显示,大约50%-60%的交通事故与酒后驾驶有关。酒后驾驶已经被世界卫生组织列为车祸致死的首要原因。酒驾的老司机们,正让每一位出行者心怀恐惧。


身边的妹子们也常为交通安全忧心忡忡。她们常问,怎样才能不遇到酒驾司机呢?如果能对酒驾老司机们出没的时间段和常去地点有所了解,是不是这样就能避开他们了呢?借助手头的交通数据,我们今天就来分析一下吧。



知己知彼

酒驾司机中30~45岁男性占比最高

 


欲破酒驾司机的金刚阵,首先要对“目标”有所了解。


从上图中可以发现,酒驾司机们以男性为主,女性极少,不过二者年龄都主要集中在30~45岁。此时的他们处于事业的上升期、巩固期,应酬比较多。


今后再有这样的老司机来约你,记得要三思而后行哦。



观机而动

夜晚凌晨高发,工作日休息日峰值不同

 


那么,酒驾司机最喜欢在什么时间活动呢?


如图所示,酒驾的高峰期集中在晚上23:00到凌晨3:00,而其中酒驾最频繁的时刻就是23:00到零点之间。此时正是大部分饭局集中结束的时刻,“酒酣胸胆尚开张”的老司机就常常在这个时刻出现。


本座要提醒的是,喝呆了就在后座微微笑吧,别开车了呀!



而在时间之外,大家都懂的,在工作日与非工作日,人的作息完全有可能在不同时区。一个是第二天要闻鸡起舞,一个是第二天能睡个天昏地暗,老司机们的活动时间还一致吗?



以周五与周日为例,从图中可以看到,酒驾发生的高峰时间有明显差异。与上述分析一致,二者的高峰同样出现在晚上21:00到凌晨4:30;但不同的是,周五偏向于深夜,周日则偏向于凌晨,或者说周六的饭局往往持续到第二天凌晨,周日晚上的饭局则相对较少。


毕竟第二天是“黑色星期一”,若晚上太疯狂,隔天起床岂不是要像隔壁日本朋友一样,痛苦到分分钟要做“切腹”运动啊!




按图索骥

酒驾司机最爱在哪里出没?

 

避开以上时段出行,几乎就可以避免99%的酒驾吧?可是谁家不会参个聚会、庆个节日啊,晚上要出门怎么办呢?遇见酒驾就像是遇见那个对的人,不仅要在对的时间,也要在对的空间,二者缺一不可。那么偏爱夜间活动的老司机喜欢在哪些地方出现呢?


以深圳市为例,我们制作了一张酒驾高发地点示意图,如下图所示,酒驾发生的地点大多集中在宝山区、南山区、福田区和罗湖区。



为了探究酒驾司机的习性,我们先总结了高发地区的特点:



可见,酒驾高发区域主要有两个特点,一是商铺密集繁荣,消费场所丰富,即便在深夜也能有较多选择;二是分布有高速道路,交通便利。纳尼?喝酒后还爱上高速?在酒精的作用下,一些老司机果然胆大包天。夜间的高速路,值得你加倍小心!




闻一知十

酒驾跟个人信用关系有多密切

 

近年,各地公安部交管局都在积极推进酒驾醉驾与个人征信挂钩,加大信用惩戒力度并推动个人守法自律。可是你知道吗?对比酒驾人群和失信人群,居然还发现了以下特点——



如图所示,不管是金融逾期的人群比例,还是法院老赖的出现概率,酒驾群体的失信几率几乎都是普通人群的三倍呢。


如果一位有醉驾记录的老司机一脸真诚地找你借钱,你借还是不借呢?从数据分析的角度来看,你得多留神哦!



高达50%的酒驾事故率确实可怕,不过随着政府查处力度不断增大,各地酒驾率、事故率均有所下降。妹子们也可以比较放心地上街“逛吃逛吃“啦!


随着大数据技术的不断发展,现在部分城市和地区的交警已经可以使用大数据实时监测交通状况,均衡分配警力查酒驾,可减少以前因警力分配不足而有漏网之鱼的现象哦。虽然对于酒驾的查处和惩罚力度不断增强,不过要根除这种现象,还得让“喝酒不开车”成为每个公民的自觉行为准则哦。


直接代价


酒驾:驾驶证记12分,暂扣6个月机动车驾驶证,1000元罚款。


醉驾:约束至酒醒,吊销驾驶证,5年内不得重新取得机动车驾驶证,追究刑事责任。


酒驾营运机动车:处15日拘留,5000元罚款,吊销驾驶证,5年内不得重新取得机动车驾驶证。


醉驾营运机动车:约束至酒醒,吊销机动车驾驶证,追究刑事责任,10年内不得重新取得机动车驾驶证,重新取得驾驶证后不得驾驶营运机动车。


因酒驾发生重大交通事故构成犯罪的,追究刑事责任,吊销机动车驾驶证,终生禁驾。


附加代价


征信:如果醉驾,律师、医师会被吊销执照;国家干部、公务员、法官被开除公职,开除党籍;参军、入党、出国、留学受限制。家长醉驾入刑,犯罪记录伴随终身,子女入党、上警校、考公务员都会受到限制。


经济:因醉驾判刑被用人单位辞退,无法获得经济补偿;导致事故后,保险公司不予理赔。如果因为饮酒或者醉酒驾驶发生交通事故,造成人员伤亡,车辆损坏,财产损失更多,代价更高。


入刑:一旦发生事故,构成交通肇事罪,处3年以下有期徒刑或者拘役;逃逸或者有其他特别恶劣情节的,处3年以上7年以下有期徒刑;因逃逸致人死亡的,处7年以上有期徒刑。

原文发布时间为:2017-03-18

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
7月前
|
机器学习/深度学习 数据可视化 数据挖掘
SPSS用K均值聚类KMEANS、决策树、逻辑回归和T检验研究通勤出行交通方式选择的影响因素调查数据分析
SPSS用K均值聚类KMEANS、决策树、逻辑回归和T检验研究通勤出行交通方式选择的影响因素调查数据分析
|
存储 机器学习/深度学习 消息中间件
基于交通工具联网的数据分析
截止到2021年年底,包括中国在内的国家和地区超过一半以上的新组装车辆都已配备了互联网接口。当前全球联网车数量已经超过了3亿辆... ...
425 0
基于交通工具联网的数据分析
|
4月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
86 2
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
198 4
|
4月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
87 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
22天前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
2月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
30 2
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
60 5
|
4月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
130 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
4月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
81 1