數(shù)據(jù)挖掘技術(shù)在交通事故分析中的應(yīng)用

式中，i取值1、2，U分別表示有交通事故和無交通事故樣本，P(Ui)表示類別為Ui的樣本占樣本總數(shù)中的比例。
根據(jù)式(1)，信息熵H(U的計算算法為：

式中P(Vj)表示屬性A中取值為Vj的樣本占樣本總數(shù)的比例，P(Ui|Vj)表示屬性A取值Vj時，類別為Ui的概率。
例如，對于駕駛員年齡屬性，j的取值范圍是駕駛員的年齡范圍，約20～70；i的取值范圍仍是1、2，表示事故的有無。則駕駛員年齡屬性條件熵計算的具體算法為：

分別計算出決策屬性的互信息Gain(年齡)、Gain(駕齡)、Gain(性別)的數(shù)值，選擇互信息最大的屬性作為決策樹的根節(jié)點。依該屬性的取值作為分枝，每個分枝對應(yīng)一個子集。對于每一個子集，重新計算其所含樣本的信息熵、條件熵和互信息，確定該子集的當(dāng)前節(jié)點及其分枝，直到遍歷了所有的決策屬性，獲得全部的葉子節(jié)點。葉子節(jié)點的數(shù)值就是從決策樹根節(jié)點開始，沿相關(guān)路徑(分枝)到達(dá)葉子節(jié)點所包含的樣本集可能發(fā)生交通事故的概率。
這樣建立的決策樹及概率分布就把交通事故與駕駛員的關(guān)系清晰地表露出來，同樣，也可選擇其他挖掘主題如交通事故與機(jī)動車輛的關(guān)系、與天氣的關(guān)系等進(jìn)行挖掘。

4 結(jié)語
經(jīng)過多年的發(fā)展與積累，與交通管理相關(guān)的部門積累了大量的與交通安全相關(guān)的數(shù)據(jù)資源，充分利用這些數(shù)據(jù)資源，使其為促進(jìn)經(jīng)濟(jì)發(fā)展、創(chuàng)建和諧社會服務(wù)。數(shù)據(jù)挖掘技術(shù)是開發(fā)這些數(shù)據(jù)資源的有效手段，可以找出這些海量數(shù)據(jù)之間的內(nèi)在的規(guī)律性的聯(lián)系，從而為相關(guān)部門或機(jī)構(gòu)的宏觀決策提供技術(shù)支持。與其他相關(guān)研究不同．這里的工作基于對機(jī)動車駕駛員總體樣本的研究，結(jié)果會更真實可信，指導(dǎo)意義更強。