数据挖掘技术在出租车交通事故分析中的应用研究

论文摘要

随着经济的发展和人们生活水平的提高,出租车占城市客运交通的比重越来越大,同时大量出租车交通事故也随之而来,因此必须加强出租车行业各方面管理,尽量减少交通事故的发生。数据库技术已经在交通管理领域得到充分的应用,使得交通领域尤其是交通事故领域积累了海量的数据,而在这些数据中存在着大量有价值的、有潜在关联关系的数据。将数据挖掘技术应用在交通领域,通过数据挖掘技术对交通事故数据进行挖掘,成为国内外关注的一个重要科研课题。本文的主要工作是对数据挖掘中的聚类分析和关联规则技术进行研究,并将其应用到出租车交通事故分析系统中。首先,结合国内外研究的现状和发展趋势,系统论述了数据挖掘技术及其算法。根据出租车交通事故的特点,有选择地构建数据挖掘模型。然后,详细介绍了系统的需求分析和系统设计,重点讨论了在数据预处理阶段,对事故数据进行处理的各种方法。在此基础上,具体介绍了实现的过程和意义。本文研究核心是如何将数据挖掘技术应用到出租车交通事故分析系统中,深入研究聚类分析中的K-means算法和关联规则中的Apriori算法,分析算法中存在的问题,对原算法进行了改进,是本文的一个创新点,实验证明改进算法优于原算法。本文通过利用关联规则和聚类分析的改进算法对交通事故数据进行数据挖掘,并对挖掘结果进行了分析,验证了系统有效性,达到了实验的目的。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 出租车在城市交通中的地位
• 1.2 出租车交通事故国内外研究现状
• 1.3 系统开发的必要性
• 1.4 采用数据挖掘技术的意义
• 1.5 论文的主要内容
• 1.6 本文的结构
• 第2章 数据挖掘简介
• 2.1 数据挖掘的概念
• 2.2 数据挖掘的功能
• 2.3 数据挖掘的过程
• 2.4 关联规则挖掘
• 2.4.1 关联规则的算法及演化
• 2.4.2 多维多层的关联规则
• 2.5 聚类分析概述
• 2.6 数据预处理
• 2.6.1 数据预处理基本过程
• 2.6.2 数据转换与清理
• 2.6.3 数据集成
• 2.6.4 数据变换
• 2.6.5 数据归约
• 2.7 数据挖掘应用和存在问题
• 2.8 本章小结
• 第3章 需求分析与系统设计
• 3.1 交通事故分析系统的需求分析
• 3.2 系统设计
• 3.2.1 系统结构
• 3.2.2 系统功能设计
• 3.2.3 系统实施方案
• 3.2.4 数据库设计
• 3.3 系统配置
• 3.4 本章小结
• 第4章 交通事故的聚类分析
• 4.1 用于聚类分析的数据预处理
• 4.1.1 数据清理方法
• 4.1.2 噪声数据方法
• 4.1.3 数据归约方法
• 4.2 基于属性聚类的应用
• 4.2.1 单属性聚类分析
• 4.2.2 多属性聚类分析
• 4.3 本章小结
• 第5章 交通事故的关联规则发现
• 5.1 Apriori算法介绍
• 5.2 经典的发现频繁项目集算法
• 5.3 关联规则生成算法
• 5.4 算法改进思想
• 5.5 改进的Apriori算法正确性证明
• 5.6 本章小结
• 第6章 出租车交通事故分析系统的实现
• 6.1 聚类分析的实现
• 6.1.1 实现的关键技术
• 6.1.2 聚类分析的实现
• 6.2 关联规则的实现
• 6.3 挖掘工作的指导意义
• 6.4 本章小结
• 第7章 总结与展望
• 7.1 本文工作的总结
• 7.2 进一步的工作
• 参考文献
• 致谢