论文题名: | 基于数据挖掘技术的交通安全分析 |
关键词: | 交通事故处理;数据挖掘;多维数据仓库;关联规则;Apriori算法 |
摘要: | 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-Dimensional Data 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-Dimensional Apriori,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。 |
作者: | 刘谋忠 |
专业: | 控制科学与工程 |
导师: | 孙敏 |
授予学位: | 硕士 |
授予学位单位: | 上海交通大学 |
学位年度: | 2014 |
正文语种: | 中文 |