交通事故數據挖掘的多維關聯(lián)規(guī)則研究.pdf

1、隨著車速提高、交通量增長，道路交通事故已日益引起各有關部門的重視。交通事故的發(fā)生受多種因素的影響，能否對已發(fā)生事故做出正確的分析將直接影響到能否對未來類似事故的成功避免。隨著社會的發(fā)展，交通事故的復雜性也在逐漸增強，傳統(tǒng)的分析、預防方法已呈現其局限性。本文提出一種利用數據挖掘領域中的多維關聯(lián)規(guī)則技術從記錄交通事故的海量數據中尋找有用信息的方法，通過找出可能導致交通事故發(fā)生的頻繁因素組合來發(fā)現某些事故誘因之間聯(lián)系的內在規(guī)律。如果根據事故誘

2、因之間的聯(lián)系規(guī)律，進行人為控制和干預，使事故發(fā)生條件缺失，可以降低交通事故發(fā)生的概率。
　　 數據挖掘(Data Mining)是一個從海量有噪聲、不完整數據中挖掘出有意義知識模式的過程。數據挖掘方法的提出，讓人們有能力發(fā)現海量數據中蘊藏的有用信息。關聯(lián)規(guī)則是數據挖掘的主要方法，反映一個事物與其它事物之間的相互依存性和關聯(lián)性[1]，是指在數據集中支持度和置信度分別滿足給定閾值的規(guī)則。關聯(lián)規(guī)則挖掘的經典Apriori算法就是根據有

3、關頻繁項集特性的先驗知識而命名的，算法中蘊含的一條基本性質是一個頻繁項集的任一子集均應是頻繁的。借助一定的專業(yè)領域知識，關聯(lián)規(guī)則可以直接用于分析數據的因果關系，進一步探索，做出規(guī)則預測。從大量的數據中發(fā)現其關聯(lián)關系對于決策分析是極為有用的。
　　 本文針對道路交通事故這一實際問題，對經典單維單層的Apriori算法進行改進，實現挖掘多維多數據類型關聯(lián)規(guī)則的新算法；給出了道路交通事故屬性的定義，并且采取全星型連接數據模型對道路交通

4、事故屬性的數據組織建模；將大量雜亂無章的交通事故數據組織為可進行數據挖掘的屬性信息，用于分析各種相關因素間的復雜關系；通過數據挖掘的關聯(lián)規(guī)則技術處理交通事故數據，提取和分析了道路交通事故的規(guī)律；重點分析、闡述了車輛事故屬性數據關聯(lián)規(guī)則提取的算法，然后對該算法進行了驗證。
　　 用本文的方法對交通事故數據進行提取、分析得到關聯(lián)規(guī)則，展現了關聯(lián)規(guī)則提取技術的使用價值。對于本文建立的道路交通事故屬性的數據模型，可以進一步細化，以便能夠