智能交通系统是当前研究与应用的热点，交通事故分析作为该系统的重要组成部分，一直以来受到人们的关注。交通事故本身具有随机性强，具体发生时间、具体发生地点，具体损失程度不可预测的特点，给交通事故的预防带来很大不便。对交通事故历史数据的模式挖掘研究，可以帮助交通管理人员辨识交通事故的重要诱因组合，进而从管理实践及法规制定方面做出相应的规避措施，有助于减少未来事故发生的可能，达到预防的目的。此外，这种研究对智能交通领域的深入探索、功能完善及促进城市交通健康和谐、有序发展具有重要意义。 本文根据交通事故数据的离散、多维度、因素间关系模糊的特点，结合数据挖掘在离散、多维度变量间挖掘关联关系的算法关联规则，提出了一种交通事故数据分析方法——交通事故模式挖掘，主要工作成果为： ●设计实现了一个交通事故数据的预处理技术。本文针对交通事故数据的特征，基于交通事故数据收集使用现状，结合数据挖掘对分析数据的需求，实现了交通事故数据的输入控制，转录加载及因素转换等事故数据预处理工作。 ●挖掘事故数据集的全集模式，并给出模式解释评价方法。基于待分析事故数据集的属性选择，在事故数据集全集中进行模式挖掘，分析找出交通事故诱因组合及损失结果构成的事故模式及该事故模式在整体事故数据集中的关键程度，并给出对挖掘出的事故模式进行解释评价的方法 ●挖掘指定时间段，指定损失类型的事故模式。交通事故的时间分布并不均匀，各损失类型的事故数也差距极大，存在一些在全集模式挖掘中无法得到的事故模式有待单独挖掘。本文依据用户的分析需要，使用过滤机制对整体事故数据集进行时间段筛选及损失类型筛选，围绕挖掘目标得出新的数据集，并在此基础上挖掘交通事故模式。 ●设计并实现了一个交通事故数据挖掘子系统。以前期工作中的智能交通数据挖掘平台UTDD为基础，设计并实现了一个交通事故数据挖掘子系统，并成功应用于一个实现了ITS系统中