公路交通事故驾驶员事故前操作行为模式研究

交通事故的成因错综复杂,驾驶员驾驶过程中感知、判断、决策任一环节出现差错都可能导致道路交通事故的发生。以公路交通事故为研究对象,运用AHP分析方法和模糊评判方法,分析了影响驾驶员事故前操作行为的影响因素,建立了驾驶员事故前对各感知因素的评价指标体系及驾驶员对各影响指标的评价模型,并用模糊数学和模糊推理的方法建立了基于交通事故的驾驶员事故前操作行为模式模糊控制规则。该研究成果可以运用于对车辆驾驶人的安全培训,提高交通运输的安全性;也可用于交通事故的鉴定与处理环节,提高交通事故鉴定水平,使相关部门对交通事故的处理更为妥善。     

关联规则在先进技术与产品推荐系统中的应用

目的为使客户能方便快捷地在网络中浏览和购买先进适用技术与产品,有效地获取所需信息.方法采用了数据挖掘中的关联规则方法,建立先进适用技术与产品之间的关联规则,将其存入相应的先进适用技术与产品的知识库.结果开发了先进适用技术与产品关联信息的推荐系统,可以根据客户的需求在知识库中提取出相关的先进适用技术与产品.建立先进适用技术与产品推荐模型.结论基于关联规则的技术与产品推荐系统,能够从大量的数据中的找出先进适用技术产品之间的关联信息,并对客户的需求有针对性地推荐相关的先进适用技术或产品,该系统具有准确性和实时性,更好地实现了先进适用技术与产品的推广.     

基于关联规则挖掘的教学质量监控系统应用

关联规则挖掘是数据挖掘研究的一个重要分支,它可以挖掘出数据库中的项目或属性间的未知或被隐藏的关系。将基于关联规则技术的Apriori改进算法,应用于教学质量监控分析系统中,对教师的教学质量评价数据信息进行挖掘和分析,找出对教师的教学质量有较大影响的因素,为学校的教学管理提供决策支持,并由此探索出一种利用关联规则来对大量数据进行挖掘分析、解决实际问题的思路和方法。     

数据挖掘软件Clementine在干部培训教学评估中的应用

关联规则数据挖掘技术可以有效分析干部培训院校教学评估数据,发现评估指标之间的关联,为教学工作和教师发展提供良好的建议。介绍了关联规则挖掘的概念、算法、工具,并使用Clementine工具对实际数据进行分析而产生出强关联规则,验证了在教师培养和管理中,应着眼改进教学方法以及提高理论联系实际的程度。     

基于遗传算法的关联规则挖掘方法及应用

对关联规则的数据挖掘和遗传算法进行了介绍,提出了一种采用遗传算法的关联规则提取方法,并以交通事故的原因分析为例,进行了关联规则挖掘.     

基于遗传算法的关联规则挖掘方法及应用

对关联规则的数据挖掘和遗传算法进行了介绍，提出了一种采用遗传算法的关联规则提取方法，并以交通事故的原因分析为例，进行了关联规则挖掘．     

关联规则挖掘的Apriori算法的改进与应用

研究发现交通事故数据的模式及潜在规律,针对关联规则挖掘Apriori算法用于交通事故分析效率上的不足,提出了一种改进的Apriori算法,用来分析大量的交通事故记录,从中找到导致交通事故发生的频繁因素组合,从而为交通管理部门采取相应的措施提供决策支持.实验表明:与Apriori算法相比,改进算法具有更好的性能,更适用于交通事故记录分析,能够挖掘出大量符合真实规律的关联规则.     

关联规则在高校学生成绩分析中的应用

介绍数据挖掘与关联规则的基本理论以及关联规则的Apriori算法在考试系统中的具体应用,通过对某校计算机专业的考试成绩进行分析,挖掘出某些课程对其他课程的影响程度,找出课程之间的联系,指导学科教学计划与课时安排,促进教学质量的提高.     

低支持度关联规则挖掘的一种算法

针对已有的对低支持度关联规则进行挖掘的算法中没有提出对具有多个相关项的关联规则进行挖掘的有效方法，本文提出一种能够对低支持度关联规则的多个相关项进行有效挖掘的方法。算法基于相似度来衡量各个相关项的关联程度，在已有算法的基础上增加了一次特殊的矩阵转换，从而将对项的相似度衡量方法进行了转换，转换后的矩阵可以基于Apriori性质来拓展多个相似相关项。算法在低支持度情况下具有较高的挖掘效率和良好的挖掘效果，算法还可以用来挖掘多个项之间的排斥规则。     

基于数据挖掘的高校学生成绩预警系统

为充分利用高校教务管理信息、提高高校教学质量、加强学生学习成绩管理,以学生综合数据库为基础,开发基于数据挖掘的高校学生学习成绩预警系统;引入数据挖掘关联规则方法,根据数据类型特点,对学生成绩进行离散化处理;利用Apriori算法对学生课程成绩数据进行关联规则挖掘,预设一定的支持度的条件下,由数据库找出具有一定内在联系和不同可信度的课程成绩作为关联规则;将规则用于学生成绩的预警,有利于对处于危险区的学生提前作出预警通知.该预警系统能够加强教务管理系统的应用,对提高学生学习成绩具有良好效果.     

A data mining approach to characterize road accident locations

Data mining has been proven as a reliable technique to analyze road accidents and provide productive results. Most of the road accident data analysis use data mining techniques, focusing on identifying factors that affect the severity of an accident. However, any damage resulting from road accidents is always unacceptable in terms of health, property damage and other economic factors. Sometimes, it is found that road accident occurrences are more frequent at certain specific locations. The analysis of these locations can help in identifying certain road accident features that make a road accident to occur frequently in these locations. Association rule mining is one of the popular data mining techniques that identify the correlation in various attributes of road accident. In this paper, we first applied k-means algorithm to group the accident locations into three categories, high-frequency, moderate-frequency and low-frequency accident locations. k-means algorithm takes accident frequency count as a parameter to cluster the locations. Then we used association rule mining to characterize these locations. The rules revealed different factors associated with road accidents at different locations with varying accident frequencies. The association rules for high-frequency accident location disclosed that intersections on highways are more dangerous for every type of accidents. High-frequency accident locations mostly involved two-wheeler accidents at hilly regions. In moderate-frequency accident locations, colonies near local roads and intersection on highway roads are found dangerous for pedestrian hit accidents. Low-frequency accident locations are scattered throughout the district and the most of the accidents at these locations were not critical. Although the data set was limited to some selected attributes, our approach extracted some useful hidden information from the data which can be utilized to take some preventive efforts in these locations.

     

安全事故形势综合评价与预测

以河南省的道路交通事故形势和河南省近20年来的道路交通事故统计数据为例,应用主成分分析法,并借助SPSS统计软件,对事故统计数据进行更深层次的分析,研究事故发生和发展的规律.同时,结合交通事故的特点,在定性分析的基础上,根据灰色理论,建立了交通事故灰色系统预测模型,对今后几年河南省的道路交通事故发生情况进行综合评价和预测,为各类安全事故形势预测提供参考方法.     

基于交通事故间距分布特征的事故黑点鉴定新方法

常用的事故多发点鉴定方法都需在分析事故数据前将路段进行划分,这与事故的空间分布不一致,易导致事故多发点的割裂分析。在对交通事故数据统计分析基础上,验证了单位里程事故数服从泊松分布,并推导出事故间距服从负指数分布,进而可计算出异常事故间距的界限值,认为构成异常事故间距的事故与路况可能存在一定联系,并根据小概率事件原理,可确定出异常事故间距连续出现个数的下限值,大于该下限值的连续事故异常间距构成路段即为事故多发地点。     

基于时间序列关系的GBRT交通事故预测模型

道路交通事故是道路交通安全水平的具体表现。在当前交通事故预测工作中,存在对数据中时间序列关系的挖掘不充分、预测的周期宏观、交通事故相关的影响因素考虑不全等问题。该文提出一种基于时间序列关系的梯度提升回归树(GBRT)交通事故模型。该模型对英国Leicester的2005?2015年每天的交通事故数、死亡人数、涉事的车辆数进行预测。实验结果显示,引入时间序列关系有助于提升模型预测精度。预测结果为交通管理部门的决策起到参考作用,建模方式为同类型预测问题的建模工作带来了积极的参考意义。     

基于粗糙集的道路交通事故预警算法研究

按照历史道路交通事故数据分析,把交通事故分为具有不同特征的道路交通事故类型,归纳造成不同特征的道路交通事故发生原因(人,道路,车辆,天气等),利用粗糙集理论在事故原因与事故类型之间建立一个映射规则,为道路交通事故的预警提出了既快又简的融合算法。通过安装在汽车上的算法数据库,建立道路交通事故监测预报系统,根据监测驾驶员可在事故来临之前做出正确的调控措施,把道路交通事故消灭在萌芽状态中。     

佳木斯市道路交通事故成因分析及其应对技术研究

道路交通事故是现代社会的一大公害,本文从佳木斯市道路交通安全现状出发,分析了佳木斯市道路交通事故的诱发因素,提出了降低和预防道路交通事故的发生,确保行车安全的相应措施．     

基于MapInfo的道路交通事故数据库设计

道路交通事故所造成的人员伤亡及财产损失较为严重,减少事故数量、分析事故原因成为目前各国亟待解决的问题。文中由道路交通事故个案统计指标入手,构建道路交通事故数据库,在MapInfo7.0平台上,以城市地理数据库为基础,设计Access事故数据库,通过数据格式转换完成两者链接。以哈尔滨为例实现事故情况的查询、统计、管理、原因分析等功能,希望为道路交通安全科研人员和管理者提供帮助。     

车体痕迹检验在交通事故成因认定中的应用

交通事故成因分析是依法处理交通事故的重要环节,而车体痕迹检验结果是确定某些交通事故成因的重要证据。通过一起交通事故成因判定案例,讨论了在交通事故痕迹鉴定中车体痕迹和微量物证种属的检验方法,分析了车体痕迹特征、微量物证与交通事故成因认定的关系。     

特大交通事故动态分布拟合及灰色拓扑预测模型

根据国家统计局1996-2012年特大交通事故的统计资料,利用Matlab软件对交通事故的4项指标进行动态分布拟合,以灰色预测模型为基础建立了灰色拓扑预测模型,并预测了未来5年的特大交通事故发生情况.结果表明,灰色拓扑预测模型精度达到1级标准,说明该模型对我国特大交通事故发生情况的预测具有可靠性.