【2022BI数据分析大赛】出行交通事故情况分析与探索

楼主
我是社区第679239位番薯,欢迎点我头像关注我哦~

一、选手简介

1、选手介绍

  • 团队名称:我们队
  • 队长:毕文洋,社区用户名: SherlockB
  • 成员:谷文凡,朱俊杰
  • 成员社区用户名: yzm265829,懒猪
  • “我们队”均就读于金陵科技学院-20数据科学与大数据技术专业

 

2、参赛初衷

  • 通过FineBI比赛能更加清楚地认识到自身能力,同时提高对数据的把控和分析数据思维。对未来有关大数据可视化的专业知识、技能有更多的认识和提高。同时能锻炼自身对行业的一定认识。
  • 希望通过比赛实践提升BI工具的使用方法和技巧,能和更多FineBI大神交流学习,进行数据可视化作品以及分析思维的激烈碰撞。

 

二、作品介绍

1、业务背景

  • 交通的快速发展,极大的推动了全球经济发展,文化交流,但是交通事故不可避免的,并且逐渐增加的发生,海陆空都有且频繁的发生不同规模的事故。对社会,家庭产生极大的破坏。
  • 据统计全世界每年有超过百万人死于各种交通事故,飞机事故,汽车事故,轮船事故等等,交通分类繁多,难以深究其事故发生原因来进行防范,于是我们以海陆空三个不同的角度来研究,化繁为简,深度剖析其原因制定预防措施。

 

2、数据来源

  • 数据主要来源于百度,新浪,微信公众号,采集于各种新闻报道,后期进行提取整合。

 

3、分析思路

拿到数据先分为三个主题即海陆空,从不同方向进行解析,如事故发生时间,地点,当时天气,交通工具的状况,驾驶员的状况等方面。由于各种交通工具的特殊性,很难将它们一概而论,这样也是不合理的,根据其自身特殊性将其分类进行分析。

采用同环比分析思想和关联分析思想,依据海陆空自身特性,进行不同时间间隔的比较分析,采用关联思想,举一反三深度解析其原因。

海上和空中交通事故,分析方向以十年或五年为时间间隔进行分析,其研究方向侧重与极端天气,工具自身状况,而陆上事故以年为时间单位进行分析,其分析侧重于驾驶员的状况,及车辆的状况。

 

4、数据处理

可视化之前将数据依据需求进行排序,去重,依据相关分类进行整合。

采用python与excel表格数据预处理。

将从网络上检索来的进行筛选,处理;

将导致车祸事故的因素整合处理分析,得出最主要的事故因素,着重处理。

分析不同道路发生车祸事故,特殊道路特殊处理

 

5、可视化报告

(1)数据含义表达和图表排版布局

  • 组件:飞机飞行各阶段致命事故占比,车祸发生时间比例,各道路事故及死亡率,90年代中国船舶事故率,铁路事故原因占比,采用了饼图组件,展示了飞机,汽车,轮船在各种原因下发生事故的概率,以及导致事故发生的部分因素。

  • 组件:发生事故前五的制造商,遇难人数前五的制造商,2011-2020波音飞机事故原因,各类交通工具发生事故数量,近五年交通死亡人数,近五年车祸事故数量,车祸导致经济损失,导致全球海上全损事故统计,近年来铁路伤亡,沉船与船龄关系,采用了折线和柱状图组件,展示事故发生的数量,发生事故的原因,事故中遇难人数。
  • 组件:近50年来铁路伤亡人数,事故死亡前十省,车祸原因,事故发生的原因,采用词云组件,展示导致事故死亡的原因及人数,及死亡率最高的省份。

研究车祸发生数最多的10个省份。

分析发生事故的主要原因。

船舶事故分析

具体表明碰撞发生船只类型的占比。

对发生事故船舶的船龄进行对比,不难得出高龄船对事故的影响较大。

(2)通过分析得出的结论

  • 通过对数据进行分析,交通事故近年来大体稳定,变化趋势不大,基于科技进步,和人们安全意识增加,事故发生率与死亡率有下降的趋势,但是由于基数过大,国家还需制定更加严格的规范,以减少事故发生。
  • 通过对这些数据进行分析,我们发现公路发生事故最多,其主要原因驾驶员因素,次要因素天气,道路等,需要进一步加强驾驶员的培训,增加驾龄要求,飞机,轮船等死亡率极高,但是发生率较小,因此需要加强对交通工具自身的检测与对极端条件的预测,以减少事故发生。

(3)最终结果呈现的页面布局(注:如下图片拼接无法展现大屏魅力,可点击链接查看动态大屏)

详细动态数据大屏见如下:

  • https://bisolutions.fanruan.com/webroot/decision/link/xY6O

 

三、参赛总结

1、FineBI工具

  • 数据准备中对数据的处理要比单纯的excel更加清晰明了,对数据的各个方面的概括总结也十分清楚,让人用起来得心应手。
  • 仪表盘操作简洁,可视化图像生动有活力,给人一种想看下去,捉摸透的感觉。
  • 数据准备中的过滤中会出现两个相同的国家名称,且分别选取后所得结果差异巨大。

 

2、参赛总结

  • 克服的困难:
  • 此前参加过一次FineBI的课程,故对BI工具有一定的了解,但当时大多是老师授课,自己的实践领悟不够,还不能熟练掌握,此次处理大量的数据信息,大都归功于观看直播和帮助文档,给予了处理数据的能力。
  • 认知新感悟:
  • BI工具实现数据可视化更加的方便和快捷,与以往在excel中绘图差异较大,且更为直观灵活多变。
  • 在练习中实践,在实践中练习,本次BI大赛给予了我们更多的机会学习使用FineBI,能明显感觉到自身的提高。
分享扩散:

沙发
发表于 2022-5-10 11:19:38

案例打卡:报告配色和布局需要提升下,若能将各类型交通工具事故现象同各种交通工具事故原因数据之间进行关联分析或者事故因素分析或将更好。
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

板凳
发表于 2022-5-14 19:18:06
楼主第一张图就指出摩托车死亡率最高,后面的分析,完全跳过这个了,直接变成了航空,公路,另外关于管控,此方面的指标应该有所下降,是否可以往这方面进行深挖
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

地板
发表于 2022-5-15 11:30:06
帮你们想了一个响亮的名字,扬帆君。
看到这幅作品,想到之前动车723事故,真是一个沉痛的事件。。
参与人数 +1 F币 +1 理由
帆软苏茜 + 1 有效打卡奖励

查看全部评分

5楼
发表于 2022-5-23 20:06:45
案例打卡:这篇作品感觉可以借给《致哀后的分析——你了解空难吗?》用用。配图方面挺不错的,之前看了几篇网易的作品,有点像。
参与人数 +1 F币 +6 理由
帆软苏茜 + 6 有效打卡奖励

查看全部评分

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表