## 1.
:::info
欄位
* 車流量(M03A)
* accident(路段發生事故機率)
* **previous_10min ==(狀態)==**
* **previous_20min ==(狀態)==**
* m03a_pcu_biggap(接近偵測點的兩路段交通量是否差異超過50)
:::

---

### 平日
#### **目標 : 車流量(M03A)**

正確率: 90.7279 %

>**previous_10min=超高流量**
>正確率: 76.322 %
>

#### 目標 : accident
正確率: 64.5828 %
>**previous_10min=超高流量**
>正確率: 68.4315 %
>

>**M03A_PCU=低流量**
>正確率: 54.0496 %
>

---

### 假日
* 目標 : 車流量(M03A)
* accident(路段發生事故機率)
* previous_10min
* previous_20min
* m03a_pcu_biggap(接近偵測點的兩路段交通量是否差異超過50)

正確率: 90.445 %

---
## 2.
:::info
欄位
* 車流量(M03A)
* accident(路段發生事故機率)
* **previous_10min ==(差異:設定100)==**
* **previous_20min ==(差異:設定100)==**
* m03a_pcu_biggap(接近偵測點的兩路段交通量是否差異超過50)
:::
### 平日
#### 目標: 車流量(M03A)
正確率: 69.5232 %

#### 目標: accident
正確率: 64.4027 %

---
## 3.
:::info
欄位
* 車流量(M03A)
* accident(路段發生事故機率)
* **previous_10min ==(差異:設定50)==**
* **previous_20min ==(差異:設定50)==**
* m03a_pcu_biggap(接近偵測點的兩路段交通量是否差異超過50)
:::
### 平日
#### 目標: 車流量(M03A)
正確率: 69.8406 %

>[!Caution]**M03A_PCU_BigGap=前後路段交通量差異大**
>正確率過低

#### 目標: accident
正確率: 64.4087 %

>[!Caution]**M03A_PCU=低流量**

>[!Tip]**M03A_PCU=高流量**
>正確率: 51.9271 %
>欄位: biggap, accident, holiday, week, previous_10min, previous_20min, speed
>
><font color="#1936C9">正確率: 59.6%</font>

>[!Tip]**M03A_PCU=超高流量**
>正確率: 70.1985 %
>欄位: biggap, accident, holiday, week, previous_10min, previous_20min, speed
>
><font color="#FF0000">在車流量為超高流量時，若車速為快，易發生事故！</font>

#### 目標: biggap
正確率: 78.0634 %

#### 關聯性
1. **M03A_PCU=超低流量 Previous_20min=無差異 1275080 ==> Previous_10min=無差異 1268048** <conf:(0.99)> lift:(1.03) lev:(0.02) [39961] conv:(6.68)
2. **M03A_PCU=超低流量 1317309 ==> Previous_10min=無差異 1301974** <conf:(0.99)> lift:(1.03) lev:(0.02) [33214] conv:(3.17)
3. **M03A_PCU_BigGap=差異小 Previous_20min=無差異 1377180 ==> Previous_10min=無差異 1360769** <conf:(0.99)> lift:(1.03) lev:(0.02) [34345] conv:(3.09)
4. **Previous_20min=無差異 1798107 ==> Previous_10min=無差異 1766580** <conf:(0.98)> lift:(1.02) lev:(0.02) [34742] conv:(2.1)
5. **M03A_PCU_BigGap=差異小 1446413 ==> Previous_10min=無差異 1412208** <conf:(0.98)> lift:(1.01) lev:(0.01) [19102] conv:(1.56)
6. **M03A_PCU=超低流量 Previous_10min=無差異 1301974 ==> Previous_20min=無差異 1268048** <conf:(0.97)> lift:(1.05) lev:(0.03) [58608] conv:(2.73)
7. **M03A_PCU=超低流量 1317309 ==> Previous_20min=無差異 1275080** <conf:(0.97)> lift:(1.04) lev:(0.03) [51395] conv:(2.22)
8. **M03A_PCU_BigGap=差異小 Previous_10min=無差異 1412208 ==> Previous_20min=無差異 1360769** <conf:(0.96)> lift:(1.04) lev:(0.03) [48929] conv:(1.95)
9. **M03A_PCU=超低流量 1317309 ==> Previous_10min=無差異 Previous_20min=無差異 1268048** <conf:(0.96)> lift:(1.05) lev:(0.03) [65818] conv:(2.34)
10. **M03A_PCU_BigGap=差異小 1446413 ==> Previous_20min=無差異 1377180** <conf:(0.95)> lift:(1.02) lev:(0.02) [33566] conv:(1.48)

---
## 4. 事故發生率與天氣的相關性
### 目標: 事故

交通量較<font color="#1936C9">低</font>時<font color="#1936C9">溫度</font>較影響事故發生率
交通量較<font color="#FF0000">高</font>時<font color="#FF0000">風速</font>較影響事故發生率

---
## 5.
### 目標: 交通量

### 目標: 事故

---
## 本周新進度
### 目標accident
正確率 : 57.816 %
>[!Warning] 高流量分析
>正確率 : 83.7251 %
>
>* <font color="#FF0000">**風速在其中扮演重要分類依據**
>當車流量較多時，若風速較低，在總共51165數據中，有8成的數據顯示易發生事故</font>
>
><font color="#F7A004">1. **風速與車速的交互影響**
>* 車速快且風速低時的風險增加：
風速低的條件下，快速行駛時發生事件的可能性顯著增加 (易發生 (51165.0/10008.0))，這可能是因為駕駛者在風速低的環境下會更傾向於保持或提高車速，而忽略了其他的交通因素。</font>
>2. 時間與假期的影響
>* 平日時段事件發生的趨勢：
在平日，從上午6點到下午6點的時段 (6-9, 9-12, 12-15, 15-18) 發生事件的風險都較高，尤其是在中午時段（12-15）和下午時段（15-18），這可能是因為這些時段車流量較大，駕駛者更容易出現疲勞和注意力不集中等情況。
在晚間時段 (18-21)，若前10分鐘車流量變化大，則風險較高 (易發生 (8.0/3.0))，但若車流量無明顯變化，風險則降低 (不易 (131.0/55.0))，顯示出車流量變化對駕駛者判斷的影響。
>* 假日時段事件發生的趨勢：
假日的上午6點到9點 (6-9) 和晚上6點到次日早晨 (18-21, 21-24, 0-6) 發生事件的可能性很低，這可能是因為假日時段駕駛者的心態更為放鬆，車輛的密度和流量相對較低。
>* <font color="#F7A004">在假日的上午 (9-12) 和中午時段 (12-15)，發生事件的風險較高，尤其是車流量差異小的情況下（易發生 (202.0/71.0)）。</font>
>3. 車流量差異對事件發生的影響
>* 前10分鐘和前20分鐘車流量差異：
在晚間尖峰 (18-21) 和假日下午尖峰 (15-18) 時段中，前10分鐘車流量差異大的情況下，發生事件的可能性明顯增加，這表示短時間內車流量的劇烈變化會對駕駛者的行為產生顯著影響。
>* 前20分鐘車流量無差異時，若車流量差異大（M03A_PCU_BigGap = 差異大），風險依然較高，這意味著長時間車流量的穩定性對交通安全至關重要。
>
>**綜合結論**
>* 車速和風速的綜合作用：風速和車速的結合對駕駛行為產生不同的影響，特別是風速低時車速快以及風速高時車速快的組合。
時間段的差異：不同行車時段的事件風險各異，特別是在高車流量和交通密集的時段。
>* 假期影響：假日與平日的駕駛行為差異明顯，假日駕駛者的風險意識可能較低。
>* <font color="#F7A004">車流量變化的影響：車流量在短時間內的變化對駕駛者的反應和行為有重要影響。</font>

>[!Warning] 高流量分析(改為離峰尖峰、加入高速公路南北項column)
>正確率 : 84.5397 %
>
>* <font color="#FF0000">**溫度在其中扮演重要分類依據**
>當車流量較多時，若溫度較低時，在總共2010筆數據中，有9.9成的數據顯示易發生事故</font>
>
>1. **方向與發生機率的關聯性**：
>* <font color="#F7A004">國道1號與國道3號的比較：
>當車速快且在國道1號時，無論方向如何（南北），事件發生的可能性都很高，尤其是在北向的情況下（16059.0/1871.0）。這可能表明國道1號在北向的某些時段或路段可能存在更高的風險因素，例如交通擁擠、路況變化等。</font>
>* 方向和車流差異的關聯性：
>在國道3號南向時，如果前20分鐘車流差異大，發生事件的可能性更高（如1570.0/504.0），這顯示出車流變化對於南向行車安全的影響。
>2. **車流量差異與事件發生的相關性**：
>* <font color="#F7A004">前10分鐘和前20分鐘車流量差異：
> 前10分鐘或前20分鐘的車流量差異顯著影響事件的發生。當車流量有明顯差異時，事件的可能性增加。這可能暗示著車輛在這些時間段中更容易受到突發車流變化的影響，導致安全事件的發生。</font>
>* 車速和車流量差異：
>在車速快的情況下，前10分鐘或前20分鐘車流量差異大的情況下，發生事件的可能性顯著增加（如139.0/63.0）。這說明在高車速的情況下，車流變化對於事件的影響更加明顯。
>3. **時間和假期對事件發生的影響**：
>* 離峰和尖峰時段：
>在不同的高速公路和風速類別下，離峰和尖峰時段對事件發生的影響各異。例如，在國道1號上，離峰和尖峰時段的事件發生可能性非常高（如2007.0/710.0和1003.0/80.0），這表明這些時間段的交通特徵可能對事件發生有重要影響。
>* <font color="#F7A004">假期的影響：假期對事件的發生也有顯著影響。在假日和非假日期間，事件發生的概率存在顯著差異，特別是在國道3號南向車速慢的情況下（如無放假時的858.0/353.0）。這可能反映了駕駛者在假期和非假期期間的行為差異。</font>
>4. **風速和車速的交互作用**：
>* 低風速與高車速的組合：
>在國道3號上，當風速低且車速快時，發生事件的可能性增加（如3700.0/277.0）。這表明低風速環境下的高速行駛可能會增加風險。
>* 高風速與低車速的組合：當車速慢且風速高時，事件的可能性也有所增加。這暗示著在高風速條件下，降低車速可能無法完全減少事件發生的風險，可能需要採取額外的預防措施。
>5. **天氣與交通行為的影響**：
>* <font color="#F7A004">低溫下的行為模式：在低溫條件下，事故發生的可能性偏高。這可能是因為低溫影響車輛的性能和駕駛者的反應速度。</font>
>* 不同高速公路上的差異：在國道1號和國道3號上，不同天氣條件對事件發生的影響存在顯著差異。這可能反映了這些道路的設計和環境特徵的不同。
>
>**結論**
>* 道路類型：國道1號和國道3號在不同條件下的事件發生率存在明顯差異，可能與這些道路的設計和環境特徵有關。
>* 車流量變化：前10分鐘和前20分鐘車流量差異是影響事件發生的重要因素，尤其是在高車速的情況下。
>* 時間和假期：離峰、晨間尖峰、晚間尖峰以及假日和非假日期間的駕駛者行為存在明顯差異，這些差異對交通安全有直接影響。
>* 車速和風速：不同風速條件下的車速行為也顯示出對事件發生率的影響。例如，低風速高車速和高風速低車速的組合分別增加事件的可能性。
---
## 前幾周規則統整
1. **事故發生率與天氣的相關性**:
交通量較<font color="#1936C9">低</font>時<font color="#1936C9">溫度</font>較影響事故發生率
交通量較<font color="#FF0000">高</font>時<font color="#FF0000">風速</font>較影響事故發生率
2. **事故發生率與交通量的相關性**:
在車流量為超高流量時，若車速為快，易發生事故
可能導致的原因：
* 駕駛行為變異增加：在超高流量的情況下，駕駛者可能會更頻繁地進行超車、變換車道等動作，這些行為在高速行駛時會增加事故的風險。
* 視覺感知受限：當交通流量超高時，駕駛者的視野可能會受到限制，無法及時察覺前方的突發情況。當車速較快時，這種限制會進一步加劇，增加事故的發生概率。
* 反應時間減少：在車速較快的情況下，駕駛者的反應時間相對較短，任何突發情況（如前車突然減速或變道）都會導致駕駛者無法及時做出反應，從而增加事故的可能性。

3. **M03A_PCU_BigGap與事故發生率的相關性**
提出 PCU=高流量 後做的分析，M03A_PCU_BigGap 常作為根節點，這表明前後路段車流量差異大是事故發生的關鍵因素之一。當差異「大」時，整體上事故發生的概率明顯增加。這提示我們，車流的不穩定性可能是導致交通事故的核心原因之一。