數(shù)據(jù)挖掘在道路交通事故中的應(yīng)用論文
數(shù)據(jù)挖掘技術(shù)在金融業(yè)、醫(yī)療保健業(yè)、市場業(yè)、零售業(yè)和制造業(yè)等很多領(lǐng)域都得到了很好的應(yīng)用。針對交通安全領(lǐng)域中交通事故數(shù)據(jù)利用率低的現(xiàn)狀，可以通過數(shù)據(jù)挖掘?qū)ο嚓P(guān)交通事故數(shù)據(jù)進(jìn)行統(tǒng)計分析，從而發(fā)現(xiàn)其中的關(guān)聯(lián)，這對提升交通安全水平具有非常重要的意義。
1數(shù)據(jù)挖掘技術(shù)概述
數(shù)據(jù)挖掘（DataMining）即對大量數(shù)據(jù)進(jìn)行有效的分類統(tǒng)計，從而整理出有規(guī)律的、有價值的、潛在的未知信息。一般來講，這些數(shù)據(jù)存在極大的隨機(jī)性和不完全性，其包括各行各業(yè)各個方面的數(shù)據(jù)。數(shù)據(jù)挖掘是一個結(jié)合了數(shù)據(jù)庫、人工智能、機(jī)器學(xué)習(xí)的學(xué)科，涉及統(tǒng)計數(shù)據(jù)和技術(shù)理論等領(lǐng)域。
2數(shù)據(jù)挖掘關(guān)聯(lián)分析研究
關(guān)聯(lián)分析作為數(shù)據(jù)挖掘中的重要組成部分，其主要作用就是通過數(shù)據(jù)之間的相互關(guān)聯(lián)從而發(fā)現(xiàn)數(shù)據(jù)集中某種未知的聯(lián)系。關(guān)聯(lián)分析最初是在20世紀(jì)90年代初被提出來的，一直備受關(guān)注。已被廣泛應(yīng)用于各行各業(yè)，包括醫(yī)療體檢、電子商務(wù)、商業(yè)金融等各個領(lǐng)域。關(guān)聯(lián)規(guī)則的挖掘一般可分成兩個步驟[1]：
�。�1）找出頻繁項集，不小于最小支持度的項集；
�。�2）生成強(qiáng)關(guān)聯(lián)規(guī)則，不小于最小置信度的關(guān)聯(lián)規(guī)則。相對于生成強(qiáng)關(guān)聯(lián)規(guī)則，找出頻繁項集這一步比較麻煩。由R.Agrawal等人在1994年提出的Apriori算法是生成頻繁項集的經(jīng)典算法[2]。Apriori算法使用了Level-wise搜索的迭代方法，即用k-項集探索（k+1）-項集。Apriori算法在整體上可分為兩個部分。
�。�1）發(fā)現(xiàn)頻集。這個部分是最重要的，開銷相繼產(chǎn)生了各種各樣的頻集算法，專門用于發(fā)現(xiàn)頻集，以降低其復(fù)雜度、提高發(fā)現(xiàn)頻集的效率。
（2）利用所獲得的頻繁項集各種算法主要致力產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。當(dāng)然頻集構(gòu)成的聯(lián)規(guī)則未必是強(qiáng)關(guān)聯(lián)規(guī)則，還要檢驗構(gòu)成的關(guān)聯(lián)規(guī)則的支持度和支持度是否超過它們的閾值。Apriori算法找出頻繁項集分為兩步：連接和剪枝。
�。�1）連接。集合Lk-1為頻繁k-1項集的集合，它通過與自身連接就可以生成候選k項集的集合，記作Ck。
�。�2）剪枝。頻繁k項集的集合Lk是Ck的子集。剪枝首先利用Apriori算法的性質(zhì)（頻繁項集的所有非空子集都是頻繁的，如果不滿足這個條件，就從候選集合Ck中刪除）對Ck進(jìn)行壓縮；然后，通過掃描所有的事務(wù)，確定壓縮后Ck中的每個候選的支持度；最后與設(shè)定的最小支持度進(jìn)行比較，如果支持度不小于最小支持度，則認(rèn)為該候選項是頻繁的。目前，在互聯(lián)網(wǎng)技術(shù)及科學(xué)技術(shù)的快速發(fā)展下，人工智能、機(jī)器識別等技術(shù)興起，關(guān)聯(lián)分析也被越來越多應(yīng)用其中，并在不斷發(fā)展中提出了大量的改進(jìn)算法。
3數(shù)據(jù)挖掘關(guān)聯(lián)分析在道路交通事故原因分析當(dāng)中的應(yīng)用
近年來，我國越來越多的學(xué)者將數(shù)據(jù)挖掘關(guān)聯(lián)分析應(yīng)用于道路交通事故的研究中，主要是分析道路、車輛、行人以及環(huán)境等因素與交通事故之間的某種聯(lián)系。Pande和Abdel-Aty[3]通過關(guān)聯(lián)分析研究了美國佛羅里達(dá)州2004年非交叉口發(fā)生的道路交通事故，重點(diǎn)分析了各個不同的影響因素與交通事故之間的內(nèi)在聯(lián)系，通過研究得出如下結(jié)論，道路照明條件不足是引發(fā)道路交通事故的主要因素，除此之外，還發(fā)現(xiàn)天氣惡劣的環(huán)境下道路彎道的直線段也極易發(fā)生交通事故。Graves[4]利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則對歐洲道路交通事故進(jìn)行了分析，主要研究了交通事故與道路設(shè)施狀況之間的關(guān)聯(lián)，通過研究發(fā)現(xiàn)了易導(dǎo)致交通事故發(fā)生的各個道路設(shè)施狀況因素，此研究為歐洲路面建設(shè)及投資提供了強(qiáng)大的決策支持。我國學(xué)者董立巖在研究道路交通事故數(shù)據(jù)的文獻(xiàn)中，將粗糙集與關(guān)聯(lián)分析進(jìn)行了融合，提出了基于偏好信息的決策規(guī)則簡約算法并將其應(yīng)用其中，通過分析發(fā)現(xiàn)了道路交通事故的未知規(guī)律。王艷玲通過關(guān)聯(lián)分析中的因子關(guān)聯(lián)樹模型重點(diǎn)分析了影響道路交通事故最重要的因子，發(fā)現(xiàn)在道路交通事故常見的誘因人、車、路及環(huán)境中對事故影響最大的因子是環(huán)境。許卉瑩等利用關(guān)聯(lián)分析、聚類分析以及決策樹分析三種數(shù)據(jù)挖掘技術(shù)對道路交通事故數(shù)據(jù)進(jìn)行分析，最終得出了科學(xué)的道路交通事故預(yù)防和交通安全管理決策依據(jù)。尚威等在研究中，對大量的道路交通數(shù)據(jù)進(jìn)行了有效整合，并在此基礎(chǔ)上按照交通事故相關(guān)因素的不同特點(diǎn)整理出與事故發(fā)生有關(guān)的字段數(shù)據(jù)，形成新的事故數(shù)據(jù)記錄表，然后再根據(jù)多維關(guān)聯(lián)規(guī)則對記錄的相關(guān)數(shù)據(jù)進(jìn)行分析，從而發(fā)現(xiàn)了事故誘導(dǎo)因素記錄字段值和事故結(jié)果字段值組成的道路交通事故頻繁字段的組合。張聽等在充分掌握聚類數(shù)據(jù)挖掘理論與方法的基礎(chǔ)上，提出了多目標(biāo)聚類分析框架和一個啟發(fā)式的聚類算法k-WANMI，并將其用在道路交通事故的聚類研究中對不同權(quán)重的屬性進(jìn)行了多目標(biāo)分析。同樣，許宏科也利用該方法對公路隧道交通流數(shù)據(jù)進(jìn)行了聚類分析，其在研究中不僅明確了隧道交通流的峰值規(guī)律，而且還根據(jù)這種規(guī)律制訂了隧道監(jiān)控設(shè)備的不同控制方案，對提高隧道交通安全的水平做了極大的貢獻(xiàn)。徐磊和方源敏在研究中，提出了由簡化信息熵構(gòu)造的'改進(jìn)C4.5決策樹算法，并將其應(yīng)用在交通事故數(shù)據(jù)的研究中，對交通數(shù)據(jù)進(jìn)行了正確分類，發(fā)現(xiàn)了一些隱藏的規(guī)則和知識，為交通管理提供了依據(jù)。劉軍、艾力斯木吐拉、馬曉松運(yùn)用多維關(guān)聯(lián)規(guī)則分析交通事故記錄，從而找到導(dǎo)致交通事故發(fā)生次數(shù)多的主要原因，并且指導(dǎo)相關(guān)部門作出相應(yīng)的決策。楊希剛運(yùn)用關(guān)聯(lián)規(guī)則為現(xiàn)實中的交通事故的預(yù)防提供依據(jù)。吉林大學(xué)的吳昊等人，基于關(guān)聯(lián)規(guī)則的理論基礎(chǔ)，定義了公路交通事故屬性模型，并結(jié)合改進(jìn)后的Apriori算法，分析了交通事故歷史數(shù)據(jù)信息，為有關(guān)單位和用戶尋找道路黑點(diǎn)（即事故多發(fā)點(diǎn)）提供了技術(shù)支援和決策幫助。
4結(jié)語
通過數(shù)據(jù)挖掘中的關(guān)聯(lián)分析方法雖然能夠?qū)Φ缆方煌ㄊ鹿实南嚓P(guān)因素進(jìn)行清晰的分析，但是目前在這一方面的研究仍有不足之處。因為關(guān)聯(lián)分析在道路交通事故的研究中往往只能片面發(fā)現(xiàn)某一種或幾種因素影響交通事故的規(guī)律，很難將所有影響因素結(jié)合起來進(jìn)行全面系統(tǒng)的分析。然而道路交通事故的發(fā)生通常都是由相應(yīng)因素導(dǎo)致，而后事故當(dāng)事人意識到危險源的存在并采取措施，直到事故發(fā)生的連續(xù)過程，整體來看體現(xiàn)了時序性。也就是說，道路交通事故是受到一系列按照時間先后順序排列的影響因素組合共同作用而發(fā)生的，從整體的角度出發(fā)研究事故發(fā)生機(jī)理更加科學(xué)。
參考文獻(xiàn)
[1]楊秀萍.大數(shù)據(jù)下關(guān)聯(lián)規(guī)則算法的改進(jìn)及應(yīng)用[J].計算機(jī)與現(xiàn)代化,2014(12):23-26.
[2]王云,蘇勇.關(guān)聯(lián)規(guī)則挖掘在道路交通事故分析中的應(yīng)用[J].科學(xué)技術(shù)與工程,2008(7):1824-1827.
[3]徐磊,方源敏.基于決策樹C4.5改進(jìn)算法的交通數(shù)據(jù)挖掘[J].微處理機(jī),2010,31(6):57-59.
[4]楊希剛.數(shù)據(jù)挖掘在交通事故中的應(yīng)用[[J].軟件導(dǎo)刊,2008,7(26):18-20.
【數(shù)據(jù)挖掘在道路交通事故中的應(yīng)用論文】相關(guān)文章：
1.數(shù)據(jù)挖掘技術(shù)在經(jīng)濟(jì)統(tǒng)計中的應(yīng)用論文
2.數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用研究論文
3.Web數(shù)據(jù)挖掘在電子商務(wù)的應(yīng)用論文
4.計算機(jī)Web數(shù)據(jù)挖掘技術(shù)在現(xiàn)代商業(yè)中的應(yīng)用論文
5.Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用研究論文
6.計算機(jī)教學(xué)評價中數(shù)據(jù)挖掘的應(yīng)用論文