交通事故數(shù)據(jù)挖掘的多維關(guān)聯(lián)規(guī)則研究.pdf

1、隨著車速提高、交通量增長(zhǎng)，道路交通事故已日益引起各有關(guān)部門的重視。交通事故的發(fā)生受多種因素的影響，能否對(duì)已發(fā)生事故做出正確的分析將直接影響到能否對(duì)未來(lái)類似事故的成功避免。隨著社會(huì)的發(fā)展，交通事故的復(fù)雜性也在逐漸增強(qiáng)，傳統(tǒng)的分析、預(yù)防方法已呈現(xiàn)其局限性。本文提出一種利用數(shù)據(jù)挖掘領(lǐng)域中的多維關(guān)聯(lián)規(guī)則技術(shù)從記錄交通事故的海量數(shù)據(jù)中尋找有用信息的方法，通過(guò)找出可能導(dǎo)致交通事故發(fā)生的頻繁因素組合來(lái)發(fā)現(xiàn)某些事故誘因之間聯(lián)系的內(nèi)在規(guī)律。如果根據(jù)事故誘

2、因之間的聯(lián)系規(guī)律，進(jìn)行人為控制和干預(yù)，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(shù)據(jù)挖掘(Data Mining)是一個(gè)從海量有噪聲、不完整數(shù)據(jù)中挖掘出有意義知識(shí)模式的過(guò)程。數(shù)據(jù)挖掘方法的提出，讓人們有能力發(fā)現(xiàn)海量數(shù)據(jù)中蘊(yùn)藏的有用信息。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的主要方法，反映一個(gè)事物與其它事物之間的相互依存性和關(guān)聯(lián)性[1]，是指在數(shù)據(jù)集中支持度和置信度分別滿足給定閾值的規(guī)則。關(guān)聯(lián)規(guī)則挖掘的經(jīng)典Apriori算法就是根據(jù)有

3、關(guān)頻繁項(xiàng)集特性的先驗(yàn)知識(shí)而命名的，算法中蘊(yùn)含的一條基本性質(zhì)是一個(gè)頻繁項(xiàng)集的任一子集均應(yīng)是頻繁的。借助一定的專業(yè)領(lǐng)域知識(shí)，關(guān)聯(lián)規(guī)則可以直接用于分析數(shù)據(jù)的因果關(guān)系，進(jìn)一步探索，做出規(guī)則預(yù)測(cè)。從大量的數(shù)據(jù)中發(fā)現(xiàn)其關(guān)聯(lián)關(guān)系對(duì)于決策分析是極為有用的。
　　 本文針對(duì)道路交通事故這一實(shí)際問(wèn)題，對(duì)經(jīng)典單維單層的Apriori算法進(jìn)行改進(jìn)，實(shí)現(xiàn)挖掘多維多數(shù)據(jù)類型關(guān)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(shù)據(jù)模型對(duì)道路交通

4、事故屬性的數(shù)據(jù)組織建模；將大量雜亂無(wú)章的交通事故數(shù)據(jù)組織為可進(jìn)行數(shù)據(jù)挖掘的屬性信息，用于分析各種相關(guān)因素間的復(fù)雜關(guān)系；通過(guò)數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則技術(shù)處理交通事故數(shù)據(jù)，提取和分析了道路交通事故的規(guī)律；重點(diǎn)分析、闡述了車輛事故屬性數(shù)據(jù)關(guān)聯(lián)規(guī)則提取的算法，然后對(duì)該算法進(jìn)行了驗(yàn)證。
　　 用本文的方法對(duì)交通事故數(shù)據(jù)進(jìn)行提取、分析得到關(guān)聯(lián)規(guī)則，展現(xiàn)了關(guān)聯(lián)規(guī)則提取技術(shù)的使用價(jià)值。對(duì)于本文建立的道路交通事故屬性的數(shù)據(jù)模型，可以進(jìn)一步細(xì)化，以便能夠