(44.192.10.166) 您好!臺灣時間:2021/03/06 04:08
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林俊伸
研究生(外文):Jiun-Shen Lin
論文名稱:應用資料探勘技術於酒後駕車交通事故之研究
論文名稱(外文):Using Data Mining Techniques to Analyze the Drunk Driving Accident
指導教授:吳信宏吳信宏引用關係
指導教授(外文):Hsin-Hung Wu
學位類別:碩士
校院名稱:國立彰化師範大學
系所名稱:行銷與流通管理研究所
學門:商業及管理學門
學類:行銷與流通學類
論文種類:學術論文
論文出版年:2010
畢業學年度:98
語文別:中文
論文頁數:68
中文關鍵詞:交通事故資料探勘決策樹分類迴歸樹類神經網路
外文關鍵詞:traffic accidentdata miningdecision treeclassification and regression treeArtificial Neural Network
相關次數:
  • 被引用被引用:0
  • 點閱點閱:438
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
依據行政院衛生署民國97年死因統計資料,交通事故為國內十大死因第六位。影響交通事故的因素很多,不同的事故因素會造成不同的傷亡程度,其中因酒醉駕駛或酒駕肇事過失致死的悲劇更是時有所聞,所以透過資料的顯現讓駕駛人有所警惕,減少造成事故發生的不良因素,有其必要性。因此本研究主要在探討因為酒醉肇事而產生事故受傷程度與主要傷處之間關係,運用資料探勘技術挖掘重要資訊。
過去在交通事故領域進行資料探勘,常因受限於資料取得不易,而容易造成預測失準的情況。本研究為求謹慎與準確,採用行政院警政署民國94年至96年全國交通事故資料進行分析,透過SPSS Clementine 12.0進行決策樹分析,目標變數為受傷程度及主要傷處,投入文獻收集而來之13個因素,利用分類迴歸樹(Classification and Regression Tree)及類神經網路(Artificial Neural Network),建立預測模型。除此之外,本研究再針對受傷程度投入自行整理的25項因素建立預測模型,分類迴歸樹透過主成分分析進行維度縮減,箤取出十個因素,建立預測模型;類神經網路則透過25項因素模型所歸納出的21個重要因素,進行維度縮減動作,最後以9項因素為類神經網路維度縮減的預測模型。
預測模式分類結果發現,受傷程度之模型分類迴歸樹的預測率介於74.31%至78.94%之間,類神經網路的預測正確率則介於66.24%至75.34%。本研究經由維度縮減來達到因素降維的動作,研究結果也證實具有一定的效益。此結果顯示利用較少的維度可以有效的代表原本的因素,可使資料探勘過程更具效率。最後本研究結果發現駕駛人使用保護裝備可以有效降低26.3%的死亡率,另外在道路類別為省道、道路型態為彎曲路的事故車禍較易引起酒駕肇事死亡的嚴重性。

According to historical statistics, traffic accidents are one of the critical reasons to cause deaths in Taiwan. There are many factors causing traffic accidents as well as the degree of injury. For example, drunk driving often results in serious casualties such that it is necessary to remind drivers to avoid that misconduct by using existing database. This study uses data mining techniques to discover the hidden information in the raw data by identifying the relationship between drunk driving and the degree and site of injury. This study based on the accidents data set incurred in Taiwan from 2005 to 2007 uses Classification and Regression Tree (CRT) model and Artificial Neural Network model of the SPSS Clementine 12.0 software. The target variable is the degree of injury and site of injury, while thirteen input variables are collected from the literature, twenty-five variables are chosen from this study, and ten variables are selected after dimesion reduction. The established CRT model has an accuracy of 74.31% to 78.94%, while ANN model has an accuracy of 66.24% to 75.34% in prediction. Moreover, by performing dimension reduction to reduce the number of input variables, the selected variables can be represented well for the original variables, and the entire process can be more efficiency to generate the similar results in terms of accuracy.
誌謝 Ⅰ
中文摘要 II
Abstract III
圖目錄 VI
表目錄 VII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 1
第三節 研究範圍與對象 2
第四節 研究流程 3
第二章 文獻探討 5
第一節 資料探勘 5
第二節 決策樹 8
第三節 類神經網路的定義 12
第四節 維度縮減 14
第五節 交通事故 15
第六節 酒後駕車 17
第三章 研究方法 18
第一節 資料來源與範圍 18
第二節 研究方法與流程 18
第四章 研究結果 23
第一節 分類迴歸樹模型 23
第二節 類神經網路模型 48
第三節 模式比較 53
第四節 類神經網路雙目標模型 56
第五節 相關政策擬定 59
第五章 結論與建議 61
第一節 結論 61
第二節 未來研究建議 62
參考文獻 63


圖 目 錄
圖1.1 研究流程圖 4
圖2.1 資料庫知識發現過程 6
圖2.2 分類迴歸樹分割動作 10
圖2.3 神經元構造 12
圖2.4 倒傳遞類神經網路架構 14
圖4.1 CRT 受傷程度13 因素最佳樹層 24
圖4.2 CRT 主要傷處13 因素最佳樹層 25
圖4.3 CRT 受傷程度25 因素最佳樹層 36
圖4.4 陡坡圖 41
圖4.5 CRT 受傷程度10 因素最佳樹層 44
圖4.6 類神經網路13 因素受傷程度模型回饋圖 48
圖4.7 類神經網路13 因素主要傷處模型回饋圖 49
圖4.8 類神經網路25 因素受傷程度模型回饋圖 51
圖4.9 類神經網路9 因素受傷程度模型回饋圖 52
圖4.10 類神經網路雙目標13 因素模型回饋圖 57
圖4.11 類神經網路雙目標25 因素模型回饋圖 59


表 目 錄
表2.1 血液酒精濃度對駕駛能力之影響 17
表3.1 選取事故樣本資料 18
表3.2 輸入因素各欄位項說明 20
表4.1 CRT 受傷程度13 因素預測模型結果 23
表4.2 CRT 主要傷處13 因素預測模型結果 23
表4.3 CRT 受傷程度13 因素模型重要因素 26
表4.4 CRT 主要傷處13 因素模型重要因素 26
表4.5 受傷程度13 因素分類迴歸樹分割節點規則 27
表4.6 主要傷處13 因素分類迴歸樹分割節點規則 29
表4.7 CRT 受傷程度13 因素模型預測分類正確率 32
表4.8 CRT 受傷程度13 因素模型訓練樣本預測分類情形 32
表4.9 CRT 受傷程度13 因素模型測試樣本預測分類情形 33
表4.10 CRT 受傷程度13 因素型Ⅰ及型Ⅱ誤差說明 33
表4.11 CRT 主要傷處13 項因素模型預測分類正確率 33
表4.12 CRT 主要傷處13 項因素模型訓練樣本預測分類情形 34
表4.13 CRT 主要傷處13 項因素模型測試樣本預測分類情形 34
表4.14 CRT 受傷程度25 因素預測模型結果 35
表4.15 CRT 受傷程度25 因素模型重要因素 37
表4.16 受傷程度25 因素分類迴歸樹分割節點規則 38
表4.17 CRT 受傷程度25 因素模型預測分類正確率 39
表4.18 CRT 受傷程度25 因素模型訓練樣本預測分類情形 40
表4.19 CRT 受傷程度25 因素模型測試樣本預測分類情形 40
表4.20 CRT 受傷程度25 因素型Ⅰ及型Ⅱ誤差說明 40
表4.21 解說變異量 41
表4.22 成份矩陣 42
表4.23 轉軸後的成份矩陣 43
表4.24 CRT 受傷程度10 因素預測模型結果 43
表4.25 CRT 受傷程度10 因素模型重要因素 45
表4.26 受傷程度10 因素分類迴歸樹分割節點規則 45
表4.27 CRT 受傷程度10 因素模型預測分類正確率 46
表4.28 CRT 受傷程度10 因素模型訓練樣本預測分類情形 47
表4.29 CRT 受傷程度10 因素模型測試樣本預測分類情形 47
表4.30 CRT 受傷程度10 因素型Ⅰ及型Ⅱ誤差說明 47
表4.31 類神經網路13 因素受傷程度模型準確度 48
表4.32 類神經網路13 因素受傷程度重要因素 48
表4.33 類神經網路13 因素主要傷處模型準確度 49
表4.34 類神經網路13 因素主要傷處模型重要因素 49
表4.35 類神經網路25 因素受傷程度模型準確度 50
表4.36 類神經網路25 因素受傷程度模型重要因素 50
表4.37 類神經網路維度縮減測試 51
表4.38 類神經網路9 因素受傷程度模型準確度 52
表4.39 類神經網路9 因素受傷程度模型重要因素 52
表4.40 模式分類正確率比較 53
表4.41 模式建構耗費時間比較 54
表4.42 重要因素比較 55
表4.43 分類迴歸樹模型誤差比較 56
表4.44 類神經網路雙目標13 因素模型準確度 57
表4.45 類神經網路雙目標13 因素模型重要因素 57
表4.46 類神經網路雙目標25 因素模型準確度 58
表4.47 類神經網路雙目標25 因素模型重要因素 58
表4.48 駕駛人使用保護裝備的影響 59
表4.49 道路類別影響酒後駕車受傷程度 60
表4.50 道路型態影響酒後駕車受傷程度 60
一、中文部分
王建智、王麗雁、陳銘樹 (2008),「應用決策樹演算法以探究高科技員工潛在的糖尿病之危險因子」,健康管理學刊,第六卷,第二期,135-146頁。
王秀雯(2004),「應用資料挖掘技術於交通事故傷亡嚴重程度之研究」,國立嘉義大學運輸與物流工程研究所未出版碩士論文。
王媚慧(2004),「應用資料探勘於顧客的行為分析-以半導體業為例」,淡江大學資訊工程研究所未出版碩士論文。
甘堯昌(2006),「以資料採礦技術探討影響個股績效之關鍵因素-以台灣上市個股為例」,大同大學資訊經營研究所未出版碩士論文。
朱記民(1999),「類神經網路技術應用在中央空調可變風量控制系統之研究」,國立彰化師範大學工業教育系未出版碩士論文。
余清祥(2005),「病例分類與資料縮減研究-應用蛋白質資料庫檢測癌症」,行政院國家科學委員會專題研究計畫。
吳秀英(1988),「交通傷害事故危險因子的探討」,國立陽明大學公共衛生研究所未出版碩士論文。
吳冠宏、吳信宏、郭廣洋(2006),「應用分群技術於交通事故資料分析」,品質學報,第十三卷,第三期,305-312頁。
吳坤達(2009),「主成份分析類神經網路於影像編碼之應用」,義守大學資訊工程研究所未出版碩士論文。
吳振晃(2003),「資料採礦技術於銀行授信之應用以消費者貸款為例」,中國文化大學資訊管理研究所未出版碩士論文。
李燕鳴、白璐(2000),「飲酒相關交通事故之醫療花費及死亡率情況分析」,台灣家庭醫學雜誌,第十卷,第三期,148-161頁。
李金鳳、蔡孟哲(2001),「利用決策樹分類法建置資料倉儲中檢核與整合大量企業之機制」,朝陽學報,第六期,147-166頁。
汪明生、黃國良、郭文俊(2005),「酒後駕車風險知覺之實驗研究-資訊整合理論之應用」,管理學報,第二十二卷,第四期,429-447頁。
林大煜、鄭俊明、曹瑞和、袁正平(1992),「駕駛人行為反應之研究-違規駕駛人性向測驗分析與矯正模式建立之研究」,行政院交通部運輸研究所研究報告。
周歆凱、蘇喜、黃興進、蔡明足、翁林仲(2006),「運用決策樹技術探討急診病患醫療費用之消耗」,台灣衛誌,第二十五卷,第五期,430-439頁。
胡明強(2001),「應用倒傳遞類神經網路於象棋棋子之辨識」,國立彰化師範大學工業教育學系碩士論文。
凃嘉峪、曾光華、何雍慶(2006),「應用資料採礦技術分析生物科技新產品之市場區隔:以健康食用油為例」,科技管理學刊,第十一卷,第四期,63-98頁。
陳文華(2000),「運用資料倉儲技術於顧客關係管理」,能力雜誌,第五百二十七期,132-138頁。
陳志和(2000),「都市地區肇事嚴重程度預測模式之研究」,國立成功大學交通管理科學研究所未出版碩士論文。
陳宏銘(2001),「設計最佳化之演化式模糊決策樹」,逢甲大學資訊工程學系未出版碩士論文。
陳怡妃(2003),「資料探勘顧客保留分類模式之建構- 以健康休閒俱樂部為例」,輔仁大學管理學研究所未出版碩士論文。
陳明志(2008),「酒後駕車者之問題行為症候群研究-以臺北市為例」,國立台北大學犯罪學研究所未出版碩士論文。
陳高村(1997),「道路交通事故處理與鑑定」,中央警察大學,桃園。
陳姍霓(2004),「整合類神經網路、多元適應性雲形迴歸與分類迴歸樹於信用評等模式之建構-以房屋貸款為例」,天主教輔仁大學管理學研究所未出版碩士論文。
陳耀茂(2005),「資料採礦利用Clementine使用手冊」,鼎茂圖書股份有限公司,台北。
陳艷星(2007),「倒傳遞類神經網路法於烏山頭水庫壩體滲流量觀測值分析之研究」,國立成功大學水利及海洋工程研究所未出版碩士論文。
徐芳玲(2002),「以主成分分析應用在決策樹名目屬性值之二元分割上」,國立成功大學資訊管理研究所未出版碩士論文。
許中川、洪鋕鋒(1997),「資料庫知識發掘前置處理與欄位拆解」,第三屆國際資訊管理暨實務研討會論文集,362-369頁。
許耀文(2008),「資料採礦技術應用於鋪面養護維修管理之研究」,國立中央大學土木工程學系未出版論文。
張敏亮(2005),「應用資料探勘於交通事故環境之關聯規則與預測」,臺中健康暨管理學院資訊科學與應用學系未出版碩士論文。
張新立、葉純志(2003),「酒後駕車防治措施成效之監控與評估-以台北市為例」,運輸計劃季刊,第三十二卷,第一期,131-150頁。
張育慈(2006),「試題測驗之函數資料分析」,逢甲大學統計與精算研究所未出版碩士論文。
張雅幀(2005),「3C零售連銷通路之資料庫行銷策略探討」,國立高雄第一科技大學行銷與流通管理系,碩士論文。
葉建良(2005),「利用CART分類與迴歸樹建立消費者信用貸款違約風險評估模型之研究-以國內A銀行為例」,輔仁大學應用統計學研究所未出版碩士論文。
楊金聲(2005),「利用類神經網路與線性迴歸進行成本預測之研究-以印刷電路板產業為例」,中原大學資訊管理學系未出版碩士論文。
楊錦章(2000),「對新竹市行動電話消費者之購買行為的研究」,中華大學電機工程學系未出版碩士論文。
蔡中志(2000),「血液唾液連液吐氣酒精濃度檢測方法實用性評估」,交通部道路安全委員會報告。
蔡宗穎(2000),「水產養殖土地利用變遷之多變量預測模式建立-以屏東縣水產養殖用地為例」,國立臺灣大學地理環境資源研究所未出版碩士論文。
劉宜妝(2002),「資料採礦之應用研究-台灣地區漁市場行情資料庫之關聯法則分析」,國立中興大學行銷系未出版碩士論文。
謝益銘(1998),「提昇酒後駕車執法品質之研究」,中央警察大學警政研究所未出版碩士論文。
蕭乃綺(2005),「應用資料採礦技術於我國壽險顧客價值分析之研究」,東海大學工業工程與經營資訊研究所未出版碩士論文。
簡德年(2001),「智慧資本構面下企業危機診斷模式之建構-類神經網路、分類迴歸樹與鑑別分析方法之應用」,國立台北科技大學商業自動化與管理研究所未出版碩士論文。
簡辰丞(2001),「結合MACD與類神經模糊技術之股票預測模型-以金融股為例」,靜宜大學企業管理研究所未出版碩士論文。
簡瑞增(2008),「應用非參數型模式分析大卡車交通事故傷亡嚴重程度」,國立嘉義大學運輸與物流工程研究所未出版碩士論文。
盧世銘(2004),「資料採礦技術之商業應用研究以航空公司會員系統為例」,國立政治大學經營管理碩士學程資訊管理組未出版碩士論文。
顏瑋廷(2001),「應用類神經網路法於表皮及肩胛骨之運動分析與模式建立」,國立成功大學工業設計學系未出版碩士論文。
顏能通(2005),「應用類神經網路於模鑄型變壓器部份放電音頻信號之辨識」,國立成功大學電機工程研究所未出版碩士論文。
嚴仕偉(2005),「整合類神經網路與資料採礦於金融最佳決策代理系統之規劃與設計」,國立交通大學資訊管理研究所未出版碩士論文。
羅巧芳、吳信宏、張恩啟、鄭易英(2008),「應用資料探勘於戶外活動用品專賣店之顧客忠誠及價值分析」,品質學報,第十五卷,第四期,293-303頁。

二、英文部分
Al-Ghamdi, A. S. (2002). “Using logistic regression to estimate the influence of accident factors on accident severity,” Accident Analysis and Prevention, 34(6), 729-741.
Berry, J. A. and Linoff, G. (1997), Data Mining Techniques for Marketing, Sales, and Customer Support, New York: John Wiley & Sons Inc.
Berson, A., Smith, S., and Thearling, K. (2000), Building Data Mining Application for CRM, New York: McGraw-Hill Inc.
Camdeviren, H. A., Yazici, A. C., Akkus, Z., Bugdayci, R., Sungur, M. A., (2007), “Comparison of logistic regression model and classification tree: An application to postpartum depression data”, Expert Systems with Applications, 32(4), 987-994
Chang, L. Y. (2005), “Empirical analysis of the effectiveness of mandated motorcycle helmet use in Taiwan,” Journal of the Eastern Asia Society for Transportation Studies, 6, 3629-3644.
Chan, K. H. C. and Gerry, K. L. (2002), “Data mining and customer relationship marketing in the banking industry,” Singapore Management Review 2002, 24, 1-27.
Cios, K., and Pedrycz W., and Swiniarski R. (1998), Data Mining Methods for Knowledge Discovery, Boston: Kluwer Academic Publishers.
Dissanayake, S. and Lu, J. J. (2002), ”Factors influential in making an injury severity difference to older drivers involved in fixed object-passenger car crashes,” Accident Analysis and Prevention, 34(5), 609-618.
Fayyad, U., Piatetsky, G., and Smith, P. (1996), “From data mining to knowledge discovery in databases,” AI Magazine, 17(3), 37-54.
Fu, Y. (1997), ”Data mining,” IEEE Potentials, 16(4), 18-20.
Fu, C. Y. (2004), “Combining loglinear model with classification and regression tree (CART): an application to birth data”, Computational Statistics & Data Analysis, 45(4), 865-874.
Ha, S. H. and Park, S. C. (1998), “Application of data mining tools to hotel data mart on the Interanet for database marketing,” Expert Systems with Applications, 15(1), 1-31.
Han, J. and. Kamber, M., (2000), Data Mining: Concepts and Techniques, San Francisco: Morgan Kaufmann Publisher.
Huang, S. -C., Chang, E. -C., and Wu, H. -H. (2009), “A case study of applying data mining techniques in an outfitter’s customer value analysis,” Expert Systems with Applications, 36, 5909-5915.
Kenkel, D. S. (1993), “Drinking, driving, and deterrence: the effectiveness and social costs of alternative policies,” Journal of Law and Economics, 36(2), 877-913.
Kleissner, C. (1998), “Data mining for the enterprise,” Proceedings of the Hawaii International Conference on System Sciences, 7, 295-304.
Kim, K., Nitz, L., Richardson, J., and Li, L. (1995) “Personal and behavioral predictors of automobile crash and injury severity,” Accident Analysis and Prevention, 27(4), 469-481.
Kockelman, K. M. and Kweon, Y. J. (2002) “Driver injury severity: an application of ordered probit models,” Accident Analysis and Prevention, 34, 313-321.
Kuhnert, P. M., Do, K. A., and McClure, R. (2000), “Combining non-parametric models with logistic regression: an application to motor vehicle injury data,” Computational Statistics & Data Analysis, 34(3), 371-386.
Larose, D. T. (2006), Data Mining Methods and Models, Canada: Wiley.
Lenne´, M. G., Triggs, T. J., and Redman, J. R. (1999), “Alcohol, time of day, and driving experience: effects on simulated driving performance and subjective mood,” Transportation Human Factors, 1(4), 331-346.
Liao, S. -H. and Chen, Y. J. (2004), “Mining customer knowledge for electronic catalog marketing”, Expert Systems with Applications, 27(4), 521-532.
Magazzu, D., Comelli, M., and Marinoni, A. (2006), “Are car drivers holding a motorcycle licence less responsible for motorcycle - car crash occurrences? a non-parametric approach,” Accident Analysis and Prevention, 38(2), 365-370.
Newgard, C. D., Lewis, R. J., and Jolly B. T. (2002), “Use of out-of-hospital variables to predict severity of injury in pediatric patients involved in motor vehicle crashes,” Annals of Emergency Medicine, 39(5), 481-491.
Schechtman, E., Shinar, D., and Compton, R. C. (1999), “The relationship between drinking habits and safe driving behaviors,” Transportation Research Part F: Traffic Psychology and Behaviour, 2(1), 15-26.
Su, C. C. (2010), “Media consumption in Taiwan: mining the Shin Hsin Communication database.” Asia Pacific Management Review, 15(1), 113-131.
Zhang, J., Lindsay, J., Clarke, K., Robbins, G., and Mao, Y. (2000), “Factors affecting the severity of motor vehicle traffic crashes involving elderly drivers in Ontario,” Accident Analysis and Prevention, 32(1), 117-125.

三、網路資源
行政院交通部統計月報(2009)。線上檢索日期2009年12月23日。網址:
http://www.motc.gov.tw/motchypage/monthly_report/c3050.xls
行政院衛生署97年度死因統計(2009)。線上檢索日期2009年12月23日。網址:http://www.doh.gov.tw/CHT2006/DisplayStatisticFile.aspx?d=71700&s=1
行政院內政部警政署98年第11號統計通報(2009)。線上檢索日期2009年12月23日。網址: http://www.npa.gov.tw/NPAGip/wSite/public/Attachment/f1237337198218.pdf
行政院內政部警政署警察法規-道路交通事故處理辦法(2005)。線上檢索日期2009年12月24日。網址:
http://notes.npa.gov.tw/police/laws.nsf

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 羅巧芳、吳信宏、張恩啟、鄭易英(2008),「應用資料探勘於戶外活動用品專賣店之顧客忠誠及價值分析」,品質學報,第十五卷,第四期,293-303頁。
2. 張新立、葉純志(2003),「酒後駕車防治措施成效之監控與評估-以台北市為例」,運輸計劃季刊,第三十二卷,第一期,131-150頁。
3. 陳文華(2000),「運用資料倉儲技術於顧客關係管理」,能力雜誌,第五百二十七期,132-138頁。
4. 凃嘉峪、曾光華、何雍慶(2006),「應用資料採礦技術分析生物科技新產品之市場區隔:以健康食用油為例」,科技管理學刊,第十一卷,第四期,63-98頁。
5. 汪明生、黃國良、郭文俊(2005),「酒後駕車風險知覺之實驗研究-資訊整合理論之應用」,管理學報,第二十二卷,第四期,429-447頁。
6. 李金鳳、蔡孟哲(2001),「利用決策樹分類法建置資料倉儲中檢核與整合大量企業之機制」,朝陽學報,第六期,147-166頁。
7. 李燕鳴、白璐(2000),「飲酒相關交通事故之醫療花費及死亡率情況分析」,台灣家庭醫學雜誌,第十卷,第三期,148-161頁。
8. 吳冠宏、吳信宏、郭廣洋(2006),「應用分群技術於交通事故資料分析」,品質學報,第十三卷,第三期,305-312頁。
9. 王建智、王麗雁、陳銘樹 (2008),「應用決策樹演算法以探究高科技員工潛在的糖尿病之危險因子」,健康管理學刊,第六卷,第二期,135-146頁。
 
系統版面圖檔 系統版面圖檔