基于加权关联规则的交通事故分析

考虑到各种交通事故因素对交通事故属性本身的影响有轻重之分,基于传统的关联规则挖掘模型,提出了一种加权关联规则的模型,设计与实现了加权关联规则的挖掘算法,并应用到道路交通事故属性的分析中。     

基于关联规则挖掘的车辆故障码分析

本文中基于车载诊断原理，将车载自诊断过程产生和保存的故障码（diagnostic trouble codes, DTC）分析与关联规则挖掘相结合，提出适用于挖掘故障码数据关联的改进FP-Tree算法，并根据得到的关联规则建立整车故障码关联图，将其应用于历史数据分析流程与车辆维修流程。挖掘数据中有趣关联规则，提供关联可视化结果；对维修过程读取的驳杂故障码进行分析，减小故障码复杂性，分析主要故障码，缩短基于故障码的检修时间，协助维修人员定位故障。     

浅析关联规则挖掘算法

数据挖掘(Data Mining),指的是从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐含的、事先未知的潜在有用信息.本文首先介绍了关联规则的基本概念、分类、价值衡量方法,然后详细叙述了现有的关联规则挖掘算法.最后对于实际问题的解决作了简单讨论.本文主要涉及单维布尔关联规则,对多层和多维关联规则挖掘仅作简单介绍.     

带约束条件数据关联规则的挖掘

文章提出了一个基于约束条件、以用户为中心、交互性较强的关联规则挖掘模型。这一体系结构中约束条件的结构是相当丰富的，包括域、类和ＳＱＬ类型的集合约束，它们使用户能清楚地定义他们所想要挖掘的关联规则。文章作者将挖掘出的关联规则所应满足的条件用约束的关联查询语句来表示。     

基于灰色关联与Apriori算法的道路交通事故数据分析

针对运用关联规则挖掘道路交通事故(road traffic accident,简称RTA)数据产生大量无效规则与使用灰色关联分析无法发现数据隐藏联系的缺陷,提出将灰色关联分析与关联规则的Apriori算法相结合的方法,并将其运用于RTA数据。首先进行数据预处理;然后运用灰色关联分析,找到与RTA发生数有强关联的因素,并保留其数据,反之剔除相关数据;最后对保留下来的数据进行关联规则挖掘,找到数据之间令人感兴趣的联系。将此方法运用在四川省RTA数据上,通过与仅采用Apriori算法相对比,实验结果表明:此算法的时间缩短了近40%,冗余规则减少了近50%。由此挖掘出了RTA数据之间有趣的联系,并证明了灰色关联分析与Apriori算法相结合方法的有效性。     

基于FP-Growth算法的盾构掘进参数与隧道管片渗漏关联性分析

为研究隧道管片渗漏与盾构掘进参数之间的关联性,对关联规则中的Apriori算法与FP-Growth算法进行比较,选择FP-Growth算法作为文章研究使用的关联规则算法。选取关键掘进参数并对其数据筛选、划分及编码。采用FP-Growth算法,结合Matlab数据分析语言编程,挖掘基于掘进参数频繁项集的管片渗漏关联规则,分析关键掘进参数渗漏原理。依据渗漏频繁项集和渗漏规则,推荐4个关键掘进参数组合的预设范围,并应用在某隧道东线的盾构掘进中。结果表明,关键掘进参数组合优化后的成环管片发生渗漏的概率降低29.36%。     

基于大数据挖掘技术的车载自组织网络状态异常检测

基于主成分分析法与Apriori关联规则挖掘算法,提出一种利用大数据技术检测车载自组织网络(VANET)运行状态异常的方法。运用主成分分析法从大数据中挖掘出关键评估指标;针对关键指标采用并行关联规则模型,挖掘强关联规则,进而找出主要影响因素;基于历史数据和自组织人工神经网络预测方法,输入主要影响因素值,输出关键评估指标值。对评估指标值进行算例分析,利用VANET状态异常检测方法预测指标概率,结果表明,所提方法得到的预测值较仅使用人工神经网络方法准确性高。     

基于Apriori算法对地面沉降影响因素的数据挖掘及分析

为有效利用盾构法施工过程中产生和积累的大量掘进历史数据、挖掘知识和信息,以优化掘进参数、控制地表沉降,采集某地铁相邻两区间的地面沉降数据及掘进参数,基于数据挖掘技术,通过对比优缺点,综合等宽离散和k-means聚类2种方法将数据离散化,并采用Aprioir算法进行关联规则挖掘。通过分析关联规则得到以下结论: 出土率、注浆填充率和俯仰角对沉降值影响较大,掘进速度和刀盘转矩对沉降值也有一定影响。根据数据离散区间和关联规则,给出穿越土层为圆砾和卵石时的注浆填充率建议值为185%~190%,注浆压力建议区间为0.16~0.22 MPa,同时建议俯仰角纠偏幅度宜平均每3环小于±0.2°。     

BRT综合评价体系的关联规则挖掘分析

利用关联规则挖掘技术,对BRT综合评价体系中各评价指标与综合评价结果之间的关系进行量化分析,得到各评价指标的支持度和可信度,并采用Apriori算法找出BRT综合评价体系中满足最小支持度和最小置信度要求的强关联规则;根据各评价指标与综合评价结果之间关联关系所具有的可信度,判断BRT综合评价体系中各评价指标设置的科学性和各指标权值分配的合理性。应用实例表明,关联规则方法对于验证BRT综合评价体系构建是否科学合理具有重要意义。     

改进的关联规则挖掘算法及其在教育信息挖掘中的应用

利用数据挖掘的关联规则技术，可以从大量数据中发现有价值的规则。文章利用改进的Apriori算法对上海海事大学的教育信息数据库进行了挖掘，从中发现了一些有价值的规则，为学校的教育决策和教学管理提供了有指导意义的信息。文章还实现了大量规则的文本和图形可视化。     

关联规则挖掘算法

本文提出了数据挖掘中的时间余度、空间余度、时空复杂度和用户期望满意度等概念,并对它们进行了量化定义;给出了基于上述概念的关联规则挖掘算法AACE;针对算法进行了实验,证明了算法的有用性和应用价值。     

汽车故障诊断中的缺省规则挖掘

对基于Rough集理论的缺省规则挖掘算法进行了研究，在引入规则支持度概念后，提出了一种基于Rough集的缺省规则挖掘新算法。并将该算法应用于汽车故障诊断领域的知识挖掘。试用表明该算法具有一定的实用价值。     

基于知识挖掘的全面质量控制

实现全面质量控制是企业实施先进生产模式的重要基础。本文将全面质量控制分解为:内部质量控制与外部质量控制;然后提出了一套针对全面质量控制的知识挖掘方法,具体包含:基于内部质量活动成本的知识挖掘,以质量活动的成本数据及变化趋势为原始数据,应用apriori算法进行布尔型关联规则挖掘;基于外部质量控制中的故障模式的知识挖掘,在分析外部质量控制过程中产生的质量信息基础上,进行故障原因分析知识的数据挖掘和从故障现象到故障原因的聚类挖掘。     

高速公路入城段碰擦与追尾事故分析

高速入城段的车流混杂,驾驶环境复杂,交通事故高发,其中以碰擦与追尾事故为主。采集G2京沪高速公路上海入城段事故数据,以平均兴趣度作为最优指标,采用改进的关联规则Apriori算法挖掘高兴趣度的碰擦与追尾关联规则,发现碰擦、追尾事故与天气、车型、地点等因素关联较大。在上述基础上,基于支持向量机构建高速公路入城段的追尾与碰擦判断模型,输入所有事故因素组合,得出所有可能发生追尾与碰擦的因素组合。研究成果可为高速公路安全管理与事故预防工作提供理论支持,制定精准的交通安全改善措施和管理。     

基于关联规则与离群点的新能源汽车动力域入侵检测

为提高新能源汽车动力域中针对篡改攻击的入侵检测系统效果,建立包括关联规则检测和离群点检测的动力域防护模型,通过实车采集固定工况下的动力域报文数据,基于关联规则算法建立规则库检测篡改攻击;在关联规则检测的基础上通过离群点检测,检测复杂类型的篡改攻击。仿真结果表明,该方法相比于传统的关联规则方法检测准确率提高5.83%,能有效检测针对新能源汽车动力域的篡改攻击。     

基于关联规则的居民公共交通依赖性致因分析

鉴别不同出行者对公共交通的依赖程度,并分析其形成的致因差异,有助于从规划设计、政策制定等维度针对性地改善公共交通服务质量。设计并实施了居民出行的行为调查（revealed preference,RP）线上问卷,在数据质量检验的基础上引入关联匹配技术,通过融合出行调查数据与公共交通出行交易数据实现了个体公共交通出行链提取。提出了公共交通依赖性度量指标与关键致因指标,构建了AGNES-Apriori模型开展公共交通依赖性分级与不同层级群体强关联规则挖掘,并据此提出了公共交通依赖性层级提升的“两阶段”框架及出行激励策略集。结果表明：(1)居民公共交通依赖性可被划分为低、较低、较高和高依赖性4个层级,不同层级对应的强关联规则间具有显著差异性;(2)关联规则包含的指标数量与3个参数值呈负相关关系,高依赖性强关联规则出现的概率为低依赖性的2.1倍;(3)家和目的地到站点总距离、收入、小汽车可用性等客观条件是影响居民公共交通依赖性的关键致因,而公共交通出行低自由度是导致居民公共交通依赖性降低的重要原因;(4)较低的客观条件指标值通常促使居民形成较高的公共交通依赖性;(5)小汽车低可用性变量主要出现在...     

基于关联规则挖掘的路段流量关系的分析

采用关联规则挖掘方法对路段流量之间的关系进行分析并结合模糊规则提取路段流量之间的模糊推理规则，从而由一个路段的流量可以推理其他路段的流量，这样便可以在路网流量预测算法中采用尽可能少的路段，从而达到系统降阶的目的。现场试验及仿真实验证明，本文所提算法的确可以实现系统的有效降阶，使得现有路网流量预测算法满足实际需求。虽然在一定程度上损失了预测精度，但这个损失仍然在可接受范围之内。     

基于定位数据的旅游出行链提取方法及客流时空特征分析

旅游交通出行信息的提取为挖掘旅游者出行时空特征提供数据基础,从而对旅游交通规划与设计、旅游客运优化以及多模式旅游交通协调系统构建等提供支持.本研究以客运包车定位数据为基础,利用DBSCAN算法建立了旅游出行停留点识别方法,并基于关联规则技术提出了出行链提取、分类方法.论文以青海省热度排名前三的青海湖,塔尔寺和茶卡盐湖为研究对象,从多时间粒度挖掘了旅游出行者的旅游交通客流月/日变特征和旅游时间分布特征,以及旅客出发时间、抵达时间、景区驻留时间等信息.论文的主要方法及研究结论可为政府主管部门、景区监管部门以及交通运营管理部门提供决策支持.     

基于关联分析的路面病害成因确定方法

为了克服目前以经验法为主的路面病害成因确定方法存在的不足,提出基于关联分析的路面病害成因分析方法(PDGAA),该方法基于路面病害、建设信息、运营信息等建立的数据仓库,利用数据挖掘中的关联分析技术,发现病害和影响因子之间的关联规则,并基于关联规则的支持度、置信度等指标判断病害的可能原因.建立了PDGAA的数学模型,对关联分析流程、数据准备、数据预处理方法等进行了研究,并将该方法在工程实际中进行了应用.结果表明:该方法能够在大量数据集中客观地发现路面病害成因.     

基于多源文本挖掘的城市交通舆情分析——以苏州为例

通过多媒体收集的各类交通信息构成了丰富的交通舆情,充分挖掘舆情中所蕴含的信息对宏观掌控交通问题的发展变化、制定全面的交通解决方案具有重大意义.基于网络论坛、热线电话及交通广播听众路况播报的文本数据,采用多种文本挖掘方法研究交通舆情价值.文本数据预处理后,利用SVM模型进行交通舆情主题自动分类,并通过对应分析探究不同数据源的舆情特点及其差异,基于Apriori算法利用关联规则分析关键词隐含的交通现象,另外,使用共现网络分析方法深入挖掘舆情所反映的交通问题及其随时间的变化.通过对姑苏区投诉数据和苏州交通广播微信路况数据的实证研究发现:姑苏区交通基础设施相关的投诉最多;通过不同渠道反映的舆情内容有明显差异;道路改造后,实施新的交通管理方案时会引发较多的争议和抱怨.此外,通过文本挖掘还发现了苏州市早高峰由西向东方向拥堵严重,晚高峰时各方向均较为拥堵的规律.