董俊龍 關(guān)利海 郝成龍

摘 要：車聯(lián)網(wǎng)數(shù)據(jù)包括車輛數(shù)據(jù)、駕駛員數(shù)據(jù)、出行數(shù)據(jù)以及環(huán)境數(shù)據(jù)。分析、挖掘車聯(lián)網(wǎng)數(shù)據(jù)之間的相關(guān)性，發(fā)現(xiàn)數(shù)據(jù)潛在規(guī)律，可以更好的指導業(yè)務(wù)策劃以及產(chǎn)品決策。本文歸納總結(jié)了相關(guān)性分析常用方法，并闡述每種方法的適用范圍、優(yōu)缺點以及如何應(yīng)用于車聯(lián)網(wǎng)數(shù)據(jù)。

關(guān)鍵詞：車聯(lián)網(wǎng);大數(shù)據(jù);相關(guān)性分析

1 前言

相關(guān)分析（Analysis of Correlation）是數(shù)據(jù)分析常用的分析方法之一。通過對不同特征或數(shù)據(jù)間的關(guān)系進行分析，發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)性，并通過這種強關(guān)聯(lián)關(guān)系，可以對未來趨勢進行預測。相關(guān)分析的方法很多，圖表描繪可以直觀發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)系，如正相關(guān)，負相關(guān)或不相關(guān)。數(shù)值計算的方法可以對數(shù)據(jù)間關(guān)系的強弱進行度量，如完全相關(guān)，不完全相關(guān)等。模型擬合的方法可以將數(shù)據(jù)間的關(guān)系轉(zhuǎn)化為數(shù)學模型，并通過模型對未來的趨勢進行預測。關(guān)聯(lián)規(guī)則挖掘的方法可以挖掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。本文結(jié)合車聯(lián)網(wǎng)數(shù)據(jù)，著重介紹幾種數(shù)據(jù)相關(guān)性分析的基本方法。

2 車聯(lián)網(wǎng)數(shù)據(jù)類型

車聯(lián)網(wǎng)數(shù)據(jù)舉例說明，如表1所示：

3 相關(guān)性分析方法

3.1 數(shù)據(jù)可視化

通過數(shù)據(jù)可視化的方法分析數(shù)據(jù)之間的相關(guān)性，如散點圖、折線圖等，適合定性分析，可直觀的表達數(shù)據(jù)之間聯(lián)系、模式或趨勢。優(yōu)點是對相關(guān)關(guān)系的展現(xiàn)清晰，缺點是無法對相關(guān)關(guān)系進行準確的度量，缺乏說服力。比如，展現(xiàn)車速與轉(zhuǎn)速之間的關(guān)系，可以通過散點圖直接表現(xiàn)。

3.2 協(xié)方差

協(xié)方差用來衡量兩個變量的總體誤差，如果兩個變量的變化趨勢一致，協(xié)方差為正，說明兩個變量正相關(guān)。如果兩個變量的變化趨勢相反，協(xié)方差為負，說明兩個變量負相關(guān)。如果兩個變量相互獨立，那么協(xié)方差就是0，說明兩個變量不相關(guān)。協(xié)方差用于定性分析，描述兩組數(shù)據(jù)之間關(guān)系的方向性。優(yōu)點在于可用數(shù)值表示相關(guān)性，缺點是無法對相關(guān)程度進行度量。

3.3 相關(guān)系數(shù)

相關(guān)系數(shù)（Correlation coefficient）是反應(yīng)變量之間關(guān)系密切程度的統(tǒng)計指標，相關(guān)系數(shù)的取值區(qū)間在1到-1之間。1表示兩個變量完全線性相關(guān)，-1表示兩個變量完全負相關(guān)，0表示兩個變量不相關(guān)。相關(guān)系數(shù)包括pearson、spearman、kendall三種計算方法，優(yōu)點在于可以定量分析，描述數(shù)據(jù)之間的單調(diào)關(guān)系，可通過數(shù)值對變量的相關(guān)性及強弱進行度量，缺點是無法利用這種關(guān)系對數(shù)據(jù)未來趨勢進行預測。如分析駕駛員體征數(shù)據(jù)與駕駛數(shù)據(jù)之間的關(guān)系。

3.4 卡方獨立性檢驗

獨立性檢驗，又稱卡方檢驗是統(tǒng)計學的一種檢驗方式，與適合性檢驗同屬于X2檢驗，它是根據(jù)次數(shù)資料判斷兩類因子彼此相關(guān)或相互獨立的假設(shè)檢驗?？ǚ姜毩⑿詸z驗，兩個類別變量的獨立性檢驗回歸分析，優(yōu)點可通過數(shù)值對變量的相關(guān)性進行度量，缺點是無法利用這種關(guān)系對數(shù)據(jù)進行預測?？ǚ綑z驗僅適用于分類型數(shù)據(jù)，如性別、天氣、開關(guān)狀態(tài)等。

3.5 回歸分析

回歸分析（regression analysis）是確定兩組或兩組以上變量間關(guān)系的統(tǒng)計方法。回歸分析按照變量的數(shù)量分為一元回歸和多元回歸，它可以用于研究數(shù)據(jù)之間具體模型關(guān)系?；貧w分析優(yōu)點是對變量間的關(guān)系用數(shù)學表達式確定，可進行數(shù)據(jù)預測。適用范圍：需要確定自變量和因變量?？蓱?yīng)用于如車輛故障診斷預測、駕駛行為風險預測等。

3.6 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則（Association Rules）是數(shù)據(jù)挖掘中較為常用的方法，它是從大量數(shù)據(jù)中挖掘頻繁項集之間的有趣聯(lián)系或相關(guān)關(guān)系。關(guān)聯(lián)規(guī)則的任務(wù)就是為了發(fā)現(xiàn)數(shù)據(jù)集中不同數(shù)據(jù)項之間的關(guān)系，如數(shù)據(jù)項對另一數(shù)據(jù)項的影響。如分析駕駛員情緒對駕駛行為的影響。

4 總結(jié)

本文總結(jié)了數(shù)據(jù)之間相關(guān)性計算方法，并以車聯(lián)網(wǎng)數(shù)據(jù)為例，說明每種方法的優(yōu)缺點以及適用范圍。相關(guān)性分析是進行機器學習、數(shù)據(jù)挖掘工作之前，前期數(shù)據(jù)探索的有效方法之一，在實際數(shù)據(jù)分析時，需要根據(jù)數(shù)據(jù)類型進行合理選擇。

參考文獻：

[1]賈俊平.統(tǒng)計學[M].中國人民大學出版社：北京，2018.