高速公路交通事故成因分析与关联因素研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (5): 218-220.

高速公路交通事故成因分析与关联因素研究

何松柏¹,袁晓洁²,窦志成²,王亚军¹

1.军事交通学院，天津　300161
2.南开大学　信息技术科学学院，天津　300071

收稿日期:2007-06-12 修回日期:2007-08-20 出版日期:2008-02-11 发布日期:2008-02-11
通讯作者: 何松柏

Analysis on cause and research on associated factors of freeway traffic accident

HE Song-bai¹,YUAN Xiao-jie²,DOU Zhi-cheng²,WANG Ya-jun¹

1.Academy of Military Transport，Tianjin 300161，China
2.College of Information Technical Science，Nankai University，Tianjin 300071，China

Received:2007-06-12 Revised:2007-08-20 Online:2008-02-11 Published:2008-02-11
Contact: HE Song-bai

摘要/Abstract

摘要： 基于主成分分析原理研究了主成分分析在高速公路交通事故中的应用，根据数据分析结果，得出了影响交通安全的主要原因，进而采用关联规则挖掘方法挖掘出导致事故原因的条件因素，从而提出相应的预防措施，以达到降低高速公路交通事故发生的目的。

关键词: 高速公路, 交通事故, 主成分分析, 关联规则挖掘

Abstract: This paper introduces an application of principal component analysis for freeway traffic accident.The authors first investigated main reasons which might cause traffic accident by principal component analysis，and then analyzed the conditional factors by association rule mining.It is helpful for reducing the occurrences ratio of traffic accident by making corresponding protective measures to investigated conditional factors.

Key words: freeway, traffic accident, principal components analysis, association rule mining

何松柏¹,袁晓洁²,窦志成²,王亚军¹. 高速公路交通事故成因分析与关联因素研究[J]. 计算机工程与应用, 2008, 44(5): 218-220.

HE Song-bai¹,YUAN Xiao-jie²,DOU Zhi-cheng²,WANG Ya-jun¹. Analysis on cause and research on associated factors of freeway traffic accident[J]. Computer Engineering and Applications, 2008, 44(5): 218-220.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[3]	丁冰，杨祖莨，丁洁，刘晋峰，闫国亮. 基于改进YOLOv3的高速公路隧道内停车检测方法[J]. 计算机工程与应用, 2021, 57(23): 234-239.
[4]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[5]	张东梅，买日旦·吾守尔，古兰拜尔·吐尔洪. 面向高维混合不平衡信贷数据的单类分类方法[J]. 计算机工程与应用, 2021, 57(10): 233-240.
[6]	章诗琪，魏斐斐，范馨月. 受天气与交通事故影响的安全路线选择模型[J]. 计算机工程与应用, 2021, 57(10): 246-251.
[7]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[8]	邱宁佳，王晓霞，王鹏，周思丞，王艳春. 结合迁移学习模型的卷积神经网络算法研究[J]. 计算机工程与应用, 2020, 56(5): 43-48.
[9]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[10]	邱宁佳，沈卓睿，王辉，王鹏. 通信垃圾文本识别的半监督学习优化算法[J]. 计算机工程与应用, 2020, 56(17): 121-128.
[11]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[12]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.
[13]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[14]	陈佳，刘冬雪，武大硕. 基于特征选取与LSTM模型的股指预测方法研究[J]. 计算机工程与应用, 2019, 55(6): 108-112.
[15]	刘敬学1，孟凡荣1，周勇1，刘兵1，2. 字符级卷积神经网络短文本分类算法[J]. 计算机工程与应用, 2019, 55(5): 135-142.