随着全球车辆数量的逐年增加,交通事故呈不断上升趋势,这已成为一个令世界各国高度关注的问题。为了提高交通安全,我国和欧美发达国家都在不断加强交通事故分析和研究。挖掘事故致因和事故预警不仅对降低事故发生和减少事故造成的损失起着积极作用,而且有关事故致因的规律有利于协助相关机构建立适当的法律法规以及制定事故相关的理论框架和预防计划。交通事故致因包括时间、天气、地理位置、交通流量、驾驶员状态、是否多车事故等,这些事故致因不仅具有多维数据的多维特征,而且属性之间的依赖性强,用户无法直接获得事故致因;此外,事故还具有不确定性,人们无法凭借经验准确地预测事故发生,因此需要对事故进行深层次的分析挖掘和预警。针对交通事故致因挖掘和事故预警,本文主要做了以下工作:1.基于可视分析对事故数据进行特征分析,提取事故时空模式,共性特征以及不确定性,针对传统Apriori事故致因挖掘会产生无用的关联规则,本文基于可视分析优化Apriori算法并可视化构建事故挖掘约束集,帮助用户减少分析压力,同时提高挖掘效率。2.通过构建交通事故预警模型,帮助用户感知未来可能发生事故的形态。当前事故预测还未解释事故特征对事故结果的影响,未能让用户更加清楚地了解事故的特征对事故严重性的影响。本文基于XGBOOST和SHAP对事故进行预警并分析事故重要的特征以及特征是如何影响事故的严重性。3.设计并实现了交通事故致因挖掘和事故预警系统,用于挖掘和分析事故发生的模式与规律,帮助用户感知未来可能发生的事故形态。该系统基于可视分析技术,分析事故的时空模式、共性特征以及不确定性,可视化构建事故挖掘约束集,实现事故致因挖掘和分析,同时实现事故预警,警示用户的可能面临的危险,并解释说明发生事故的原因。最后运用案例分析和用户评估证明了本文系统的实用性和创新性,对减少事故发生具有重要帮助。