我国社会经济的高速发展离不开日益发达的道路交通运输，发达、快速的道路交通运输已经成为经济发展的必备条件。同时，随着人们的购买能力的增强，私家车的数量大幅上升，密集的道路车辆也加剧着道路交通事故的发生。目前，道路交通事故造成的财产损失是国民经济快速发展的一个不利因素，其造成的人员伤亡导致了许多家庭悲剧，对社会和谐稳定非常不利。所以，有效预防交通事故、合理改善交通条件、保证安全的交通环境是与每个人息息相关，全社会都高度关注的问题。　　引起交通事故发生的因素来自各个方面，在众多道路交通安全事故因素中存在着某些潜在的规律。如果能合理地分析这些交通事故记录并有效地挖掘出大量交通事故中存在的内在联系，交通管理部门就可以根据这些科学的数据来采取相应的措施达到改进交通安全状况的目的。传统上的数据处理技术和数据分析工具已经难以高效准确的分析交通事故复杂多样性的特点。　　在如今的信息时代，数据库技术在众多领域的应用极大的提高了社会生产力，交通管理领域的应用使得相关部门在处理交通事故时积累了大量的数据，而在这些丰富的数据中存在着某种关联关系，这些关系通常具有潜在价值，并且是传统方法难以发现的。将数据挖掘技术引入到对交通事故的分析与预防，对交通事故过程中搜集到的数据进行挖掘并对产生的结果进行分析，最终达到预防交通事故的目的，已经全社会密切关心的一个问题。　　本文首先介绍了国内外交通事故管理的现状和发展趋势，然后完整地阐述了数据挖掘的基本概念、方法、步骤和功能。阐述了数据预处理步骤和方法，仔细讨论了系统的需求分析并做了相应的系统设计。　　本文主要研究内容是把数据挖掘方法应用于道路交通事故异常项分析系统中，详细探讨关联规则中的 FP-Growth算法，对该算法的优势和劣势进行了讨论，并针对该算法的缺点做了算法改进。本文将 FP-Growth算法及其改进算法应用在交通事故数据挖掘过程中，然后分析了挖掘结果，验证了系统有效性，并证明了改进之后的算法其性能得到了提高。初步达到了实验的目的。