Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  market basket analysis
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Being negatively impressed by the data published by the European Commission in CARE (Community database on Accidents on the Roads in Europe), where Poland is presented as the European Country with the highest rate of fatalities in road crashes involving cyclists during 4 years period (2009-2013), the Authors decided to analyse available data. Bikes become a more and more popular means of transport and the way of active recreation. In Warsaw, the share of bicycle trips rises 1 to 3% per year. The aforementioned, together with increasing traffic density, caused 4233 registered injuries among cyclists in 2018 in Poland. In 286 cases the accidents were direct reasons for the cyclists’ death. Considering these facts, it becomes extremely important to point the most influencing factors and conditions contributing to cyclists’ serious accidents. One-dimensional or two-dimensional statistics are not sufficient to find all important associations between the road conditions and the number of cyclists’ accidents. To overcome that the association analysis is applied. The results of the analysis can contribute to increasing the knowledge and safety of transport.
PL
Opublikowane przez Komisję Europejską dane w CARE (Community database on Accidents in the Roads in Europe) wskazują, że Polska jest krajem o najwyższym wskaźniku śmiertelności rowerzystów w efekcie wypadków drogowych w okresie 2009-2013 r. Jednocześnie rower staje się coraz bardziej popularnym środkiem transportu i sposobem rekreacji. W Warszawie ruch rowerowy wzrasta od 1 do 3% rocznie. To zjawisko oraz coraz gęstszy ruch drogowy było w Polsce przyczyną 4233 zarejestrowanych wypadków w 2018 r, w których ucierpieli rowerzyści. W 286 przypadkach wypadek był przyczyną śmierci rowerzysty. W świetle powyższych informacji bardzo istotne staje się wskazanie najważniejszych czynników i warunków drogowych towarzyszących poważnym wypadkom rowerzystów. Statystyki z użyciem jednej czy dwu zmiennych są niewystarczające, gdyż okoliczności towarzyszących wypadkom jest zwykle więcej. Do badania tych okoliczności wykorzystano więc analizę asocjacji zwaną też analizą koszykową. Obserwowanemu wzrostowi ruchu rowerowego (w Warszawie podwoił się w ciągu ostatnich kilku lat) towarzyszy także wzrost długości wybudowanych ścieżek rowerowych (np. w Warszawie od 305 km w 2011 r. do 645 km w 2019 r.). Niestety podobny wzrost dotyczy liczby wypadków w udziałem rowerzystów, wśród których także są wypadki śmiertelne. Całkowitą liczbę wypadków rowerzystów w Polsce wraz z liczbą wypadków śmiertelnych w latach 2011-2019 pokazano na rys. 3. Analiza asocjacji to wyszukiwanie związków pomiędzy zdarzeniem (lub jednoczesnym wystąpieniem kilku zdarzeń) towarzyszących innemu, obserwowanemu zdarzeniu, bądź zjawisku. Inna nazwa takich analiz, to analiza koszykowa, która powstała od pierwotnego zastosowania tj. badań zawartości koszyków klientów w sklepach wielkopowierzchniowych. Wtedy celem było zwiększanie sprzedaży, jednak przydatność tego rodzaju analiz została zauważona przez naukowców i są one wykorzystywane np. w biologii [8], edukacji [9]. Naturalnym zastosowaniem analizy asocjacji jest medycyna (np. w [10]). Symptomy choroby stanowią tam poprzednik reguły, a następnikiem jest wystąpienie choroby. Zastosowania analizy koszykowej można także znaleźć w rozwiązaniach problemów z zakresu inżynierii lądowej np. w zagadnieniach dotyczących zarządzania jakością [12], w ocenie ryzyka [14], w ocenie rzetelności ofert w postępowaniach przetargowych [13]. Reguł asocjacyjnych poszukiwano już także w zagadnieniach związanych z bezpieczeństwem ruchu drogowego [15, 16, 17]. Analiza asocjacji posługuje się trzema podstawowymi wskaźnikami: wsparciem (sup od ang. support) oznaczającym udział zdarzeń z jednoczesnym wystąpieniem poprzednika i następnika w całkowitej liczbie zdarzeń, ufnością (sup od ang. confidence) wyrażającym stosunek liczby zdarzeń z jednoczesnym wystąpieniem poprzednika i następnika do liczby zdarzeń, w których wystąpił dany poprzednik, przyrostem (ang. lift), który zdefiniowany jest jako iloraz ufności i prawdopodobieństwa wystąpienia następnika. Znalezione reguły o przyroście mniejszym niż 1 nie wyjaśniają zjawiska. Przykładowe obliczenia tych trzech parametrów przedstawiono w tab. 1. Analizie poddano bazę danych stworzoną przez Instytut Transportu Samochodowego na podstawie bazy [20]. Zawiera ona informacje o 21470 wypadkach rowerzystów w Polsce jakie miały miejsce w latach 2009-2013. Rodzaje informacji jakie zawiera każdy z rekordów w bazie to: stopień obrażeń rowerzysty (lekkie, ciężkie lub śmiertelne), miejsce zdarzenia (obszar miejski lub poza nim), rodzaj ulicy/drogi (jedno lub dwujezdniowa, jedno lub dwukierunkowa), lokalizacja zdarzenia na skrzyżowaniu lub poza nim, czy skrzyżowanie było wyposażone w sygnalizację świetlną, jaki był stopień oświetlenie naturalnego (dzień, zmierzch, noc). Bazę danych (której fragment przedstawiono na rys. 4) przekształcono do postaci z binarnymi wartościami (patrz tab. 2). Niezależnie od postaci przedstawianych informacji (tabelarycznie lub graficznie) analiza więcej niż dwóch czynników jednocześnie wpływających na stopień obrażeń jest albo trudna, albo informacje są nieczytelne. Podstawowe statystyki dotyczące wypadków rowerowych przedstawiono w rozdziale 3.1. Ze względu na znaczne różnice w strukturze wypadków w obszarze miejskim i poza nim, zdecydowano na poszukiwanie reguł asocjacyjnych odrębnie dla tych dwóch obszarów. Drugim założeniem było połączenie kategorii obrażeń ciężkich i śmiertelnych w jedną kategorię oznaczaną FS (ang. fatal and serious injuries), gdyż poszukiwanie reguł wyłącznie dla wypadków śmiertelnych pozwoliło znaleźć małą liczbę mało znaczących reguł (z przyrostem poniżej 1). Najsilniejsze, istotne reguły znalezione po przyjęciu wyżej opisanych założeń przedstawiono w tab. 6, 7, 8 i 9. Regułą o największej ufności jest następująca reguła (nr 10 w tab. 9): jeśli wypadek miał miejsce poza terenem miejskim na skrzyżowaniu drogi jednojezdniowej, dwukierunkowej, w czasie zmierzchu lub nocą, to w wyniku wypadku rowerzysta zmarł lub doznał ciężkich obrażeń ciała, z ufnością 80,0%. Nie znaleziono natomiast istotnych reguł dotyczących wypadków ze skutkiem FS dla obszarów miejskich. Najbardziej zaskakującym wnioskiem z przeprowadzonych analiz jest mała istotność sygnalizacji świetlnej w obszarze miejskim dla ciężkich wypadków w ruchu rowerowym. Natomiast poza obszarem miejskim, o ile skrzyżowanie posiada sygnalizację świetlną, w wypadku z udziałem rowerzysty można spodziewać się jego lekkich obrażeń z ufnością 65,2% przy wsparciu reguły 41,4%. Należy podkreślić, że przedstawione w artykule analizy były wykonane w oparciu o bazę danych, która nie zawiera wielu informacji istotnych z punktu widzenia przyczyn wypadków drogowych z udziałem rowerzystów takich jak: sztuczne oświetlenie ulicy lub drogi, oświetlenie osobiste rowerzysty, czy wypadek miał miejsce na ścieżce rowerowej, jakie były warunki pogodowe. Uwzględnienie ich w analizie koszykowej mogłoby doprowadzić do znalezienia reguł o większej istotności oraz do wniosków, które jeszcze w większym stopniu mogłyby się przyczynić do zapobiegania wypadkom rowerzystów.
2
Content available Asocjacje treści rekomendacji bezpieczeństwa
PL
W artykule przedstawiono identyfikację i analizę powiązań (relacji), które mogą występować między składowymi treści rekomendacji bezpieczeństwa i zdarzeniami kolejowymi. Do realizacji zadania wybrano metodę MBA (market basket analysis), a obliczenia przeprowadzono w programie STATISTICA. Przyjęto trzy warianty uzyskiwania rozwiązań, różniące się wartościami granicznymi (minimalnymi) współczynników jakości reguł oraz prawdziwością zdań i składowych reguł. Wyniki wraz z interpretacją przedstawiono w postaci tabel i sieci reguł asocjacji.
EN
The article presents the identification and analysis of relationships that may occur between the safety recommendations and rail events. The MBA method was used, and the calculations were performed in the STATISTICA. Three variants of solutions have been developed, differing in the limits of the quality factors of the association rules. Results and interpretations are presented in the form of tables and a network of association rules.
PL
W sieciach sklepach wielkopowierzchniowych jednym z kluczowych czynników sukcesu jest efektywne zarządzanie zapasami, obejmujące gromadzenie informacji dotyczących fluktuacji popytu, wzorców zachowań konsumentów, planowanie zapasów magazynowych oraz harmonogramowanie dostaw. Analiza wzorców zachowań klientów i generowanego przez nich popytu ma szczególne znaczenie dla planowania zapasów w metodach minimalizujących ilość przechowywanego towaru. Przy pomocy narzędzi informatycznych zebrane dane mogą być przetworzone na informacje, które mogą przyczyniać się do uzyskania przez przedsiębiorstwo przewagi konkurencyjnej. W niniejszym artykule przedstawiono możliwość zastosowania jednej z technik zaliczanych do data mining – analizy koszykowej (ang. market basket analysis, MBA) – do odnajdywania wzorców zachowań wśród klientów hipermarketów oraz wykorzystania otrzymywanych rezultatów w planowaniu zapasów magazynowych.
EN
One of the key-factors of success for grocery and general merchandise retail networks is effective inventory management, which includes collecting data upon demand changes, patterns of consumer behavior, inventory replenishment planning, delivery scheduling. Analysis of the patterns of customer behavior and the demand they claim is relevant for inventory planning in methods aiming to minimize the amount of goods stored in their warehouses. Collected data may be processed into information by some information tools and obtained information may help the company to achieve a strong competitive position. In this paper a possibility of utilization of market basket analysis for unrevealing patterns of customer behavior patterns and utilizing obtained results in inventory rotation planning.
4
Content available remote How to improve efficiency of analysis of sequential data?
EN
Many of todays database applications, including market basket analysis, web log analysis, DNA and protein sequence analysis utilize databases to store and retrieve sequential data. Commercial database management systems allow to store sequential data, but they do not support efficient querying of such data. To increase the efficiency of analysis of sequential data new index structures need to be developed. In this paper we propose an indexing scheme for non-timestamped sequences of sets, which supports set subsequence queries. Our contribution is threefold. First, we describe the index logical and physical structure, second, we provide algorithms for set subsequence queries utilizing this structure, and finally we perform experimental evaluation of the index, which proves its feasibility and advantages in set subsequence query processing.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.