论文部分内容阅读
近年来，人们的出行需求与日俱增，中大型城市人口密集、交通流量大，这些地区往往交通事故频发，其交通安全问题日益突出。数据挖掘技术是近年来数据分析处理的热门方法之一，我们可以利用它来研究大量的交通事故数据，使其自主地从大型数据库或数据仓库中找到隐藏的、有价值的知识。只要能获得引起交通事故的主要因素，并掌握交通事故规律，交管部门便可以据此采取更有针对性的措施，有效地减少交通事故，提高道路交通安全水平。本文将改进数据挖掘算法建立多维数据仓库（Multi-DimensionalData Warehouse,简称M-DDW）来处理交通事故数据，提高交通安全分析效果。文章主要内容为：（1）通过对交通事故原始数据的处理，提取出多个关键性事故因素。（2）根据上一步提取的事故因素，我们将改进传统的单维数据仓库模型，提出本文的M-DDW模型。新的多维模型可高效地存储和处理多维数据，提高数据挖掘的效率。（3）基于数据挖掘技术的关联规则经典算法-Apriori算法，我们将获得新的多维Apriori（Multi-DimensionalApriori，简称M-DA）算法。经典Apriori算法只能处理低维度的输入，针对交通事故数据的多维度性，我们需要将原算法进行多维改进。（4）建立系统实验平台，创建M-DDW应用模型，应用M-DA算法对交通事故数据仓库进行挖掘，从而得出各种交通事故因素之间关联程度，得到有价值的关联规则，并提供给交管部门，协助其进行高效的交通安全分析。