典型文献
基于FP-growth算法的交通事故和违法关联规则研究
文献摘要：
交通事故和交通违法之间的关联规则是交通安全领域的重要研究问题.本文提出了一种基于时空约束条件的交通事故和交通违法数据关联方法,采用FP-growth(频繁模式)关联分析算法深入挖掘事故和违法之间的内在关联和潜在规律.选取苏州市吴江区中心城区2017年2176条交通事故数据和98584条交通违法数据作为研究对象,通过基于时空约束的数据关联方法获得1417条交通事故和违法关联数据,关联数据在空间和时间上分布均匀,数据的发生时间集中于每天7:00～22:00之间且具有明显的早、晚高峰现象;通过FP-growth算法获得5类交通事故和4类交通违法共18条强关联规则.研究结果表明,"闯红灯"违法行为会导致交通事故产生,下雨或堵车会加剧违法行为转化成交通事故.车辆"违停"违法行为关联所有交通事故类型,导致周边的交通安全风险明显提高.关联规则可以帮助交通管理者制定更有效的措施减少相关交通违法行为,从源头减少交通事故的发生,提高城市交通安全水平.
文献关键词：
城市交通;交通事故;关联规则;交通违法
中图分类号：
作者姓名：
李昀轩;李萌;陆建;顾欣
作者机构：
清华大学,土木工程系,北京100084;东南大学,交通学院,南京210096;北京工业大学,北京市交通工程重点实验室,北京100124
文献出处：
引用格式：
[1]李昀轩;李萌;陆建;顾欣-.基于FP-growth算法的交通事故和违法关联规则研究)[J].交通运输工程与信息学报,2022(01):119-127
A类：
B类：
FP,growth,安全领域,研究问题,时空约束,法数,数据关联方法,频繁模式,内在关联,联和,苏州市,吴江区,中心城区,事故数据,关联数据,空间和时,发生时间,法共,强关联规则,闯红灯,下雨,堵车,转化成,成交,交通事故类型,交通安全风险,交通管理,交通违法行为,少交,高城,城市交通安全,安全水平
AB值：
0.287093
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
