應用資料挖掘於交通事故群集分析

Using Data Mining in Traffic Accidents Clustering Analysis

吳冠宏(Kuan-Hung Wu)

指導教授 ： 吳信宏

亞洲大學/資訊學院/資訊科學與應用學系碩士班/碩士(2004年)

摘要

台灣的交通雖然越來越便利，然而交通事故仍是層出不窮，時常可見車禍的發生，至今如何改善交通安全的問題仍然是個十分重要的議題。隨著時代的進步與需要，資料庫中的資料量日趨龐大，如何從資料庫中找出有用的知識以解決問題更是受到重視。本篇論文將利用資料挖掘(Data Mining)技術中的Two-Step法、自組織映射圖(Self-Organizing Maps)與K平均值演算法(K-Means Methods)來分析大量的車禍資料以進行分群工作，幫助我們從其中找出有用的資訊提供建議或決策，以減少車禍的發生，其分群結果發現K-Means在車禍事故中具有比較好的分群能力，能有效的區分出不同的群集。

關鍵字

資料挖掘 ； 交通事故 ； 群集分析 ； 自組織映射圖 ； K平均值演算法

並列摘要

It is an essential issue in improving traffic safety in Taiwan though the traffic network has become much more convenient. In addition, the amount of data in databases has been drastically growing. Thus, gathering useful knowledge to resolve problems from databases have become critical. This paper uses the techniques of Two-Step, Self-Organizing Maps (SOM), and K-Means method in data mining to analyze and cluster a large amount of traffic accidents data to possibly provide useful suggestions or decisions to reduce the number of traffic accidents.

並列關鍵字

Data mining ； Traffic accident ； Cluster analysis ； SOM ； K-Means

參考文獻

14. 吳建昌，車禍肇事中人體受正面撞擊之損傷分析，私立大葉大學機械工程學系碩士論文，2002。

23. 陳俊任，應用資料挖掘於顧客關係管理之研究-以化妝品業為例，私立元智大學工業工程研究所碩士論文，2000。

24. 張敏亮、吳信宏、郭廣洋，「應用資料探勘於車禍肇事環境之關聯規則」，2004產業管理創新研討會論文集，526-531，2004。

37. Buttrey, S. E. and C. Karo, “Using K-nearest-neighbor classification in the leaves of a tree,” Computational Statistics and Data Analysis, 40, 27-37, 2002.

39. Davidson, I., “Understanding K-means non-hierarchical clustering,” SUNY Albany Technical Report 02-2, 2002.