MinnaNourin/Urban-Traffic-Accidents-Analysis-Dashboard-Tableau

# 🚦 城市交通事故分析    一个综合性的 **Tableau 仪表板**，用于分析印度的城市交通事故模式——涵盖死亡趋势、地理热点、因果因素以及道路/天气风险分析。 **实时仪表板：** https://public.tableau.com/views/UrbanTrafficAccidentsAnalysis/Overview ## 📊 仪表板预览 ### 概览仪表板 ### 事故原因与风险分析 --- ## 🔑 关键指标 | 指标 | 值 | |---|---| | 事故总数 | 9,99,325 | | 致命事故率 | 26.7% | | 受伤总人数 | 18,12,980 | | 平均拥堵率 | 66.7% | | 每次事故平均涉及车辆数 | 2.5 | ## 📁 仓库结构 ``` urban-traffic-accidents-analysis/ │ ├── Urban_Traffic_Accidents_Analysis.twbx # Tableau packaged workbook ├── Urban_Traffic_Accidents_Report.docx # Detailed project report ├── screenshots/ │ ├── dashboard1.png # Overview dashboard │ └── dashboard2.png # Risk analysis dashboard └── README.md ``` ## 📌 仪表板页面 ### 1. 概览仪表板 - **随时间变化的事故与死亡人数** — 月度双折线趋势图（1月至12月）；死亡人数在季风月份（6月至9月）急剧上升 - **按严重程度划分的事故** — 环形图：低 (29.37%) | 中 (26.05%) | 高 (27.08%) | 极危重 (17.49%) - **前 10 大高危地点** — 中央邦以 11.2 万起事故位居首位，其次是马哈拉施特拉邦（7.6 万）和泰米尔纳德邦（7.1 万） - **按原因划分的事故** — 路况不佳 (32.2 万) > 人为错误 (27.6 万) > 天气 (26.1 万) > 闯红灯/违反信号 (6.4 万) ### 2. 事故原因与风险分析 - **按路况划分的事故** — 干燥路面 (31 万) 和潮湿路面 (30.2 万) 位居前列；组合条形图+折线图 - **按天气划分的事故** — 多云 (27.5 万)、下雨 (25.4 万)、晴朗 (24.2 万) 是排名前三的天气条件 - **时间与星期热力图** — 识别 24 小时和 7 天内的事故高峰时段 - **地理热点图** — 州级等值线图，突出显示印度中部和南部的邦 ## 🔍 关键洞察 - **季风高峰** — 6 月至 9 月期间死亡人数几乎翻倍，与印度季风季节相吻合 - **干燥路面悖论** — 干燥路面的事故数量最高（31 万），这可能是由于车速较快和驾驶员麻痹大意所致 - **印度中部风险** — 仅中央邦就占了全国所有事故的约 11% - **人为 + 基础设施** — 路况不佳和人为错误共同导致了约 60% 的事故 - **拥堵压力** — 66.7% 的平均拥堵率表明道路基础设施承受着严重的压力 ## 🎛️ 筛选器与交互性 仪表板支持通过以下条件进行动态筛选： - **年份** | **严重程度** | **天气** | **路况** - **前 N 项 (Top N)** — 控制显示的高危地点数量 - **导航按钮** — 在概览和深度分析页面之间无缝切换 ## 📂 数据集 - **来源：** [Kaggle](https://www.kaggle.com/) — 城市交通事故数据集 - **注意：** 由于文件大小限制，原始数据集未包含在此仓库中。请直接从 Kaggle 下载并将其连接到 Tableau 工作簿。 - **范围：** 泛印度 | 所有年份 | 所有严重程度级别 ## 🛠️ 工具与技术 | 工具 | 用途 | |---|---| | Tableau Desktop | 仪表板创建与可视化 | | Mapbox / OpenStreetMap | 地理热点图 | | Kaggle | 数据来源 | ## 🚀 如何打开 1. 下载并安装 [Tableau Public](https://public.tableau.com/) 或 Tableau Desktop 2. 克隆此仓库 3. 在 Tableau 中打开 `Urban_Traffic_Accidents_Analysis.twbx` 4. 打包的工作簿包含数据提取 — 无需单独的数据连接 ## 📄 项目报告 包含一份详细的项目报告（`Urban_Traffic_Accidents_Report.docx`），涵盖： - 执行摘要与 KPI - 完整的仪表板文档 - 关键洞察与发现 - 针对道路交通安全政策的数据驱动建议 ## 💡 建议 - 在季风月份开展季节性安全宣传活动 - 优先在中央邦、马哈拉施特拉邦和泰米尔纳德邦进行道路重新铺设 - 在干燥路面上执行限速以防止驾驶员掉以轻心 - 在识别出的热点交叉路口安装智能交通监控系统 ## 🙋 作者

标签：Kaggle, Tableau, 交通事故分析, 交通模式识别, 代码示例, 仪表板, 公共安全, 印度交通, 商业智能, 城市交通, 大数据分析, 数据分析, 数据驱动决策, 智慧城市, 死亡率分析, 环境影响评估, 趋势分析, 道路安全, 风险热点