AbstractOne of the key objectives i

Abstract
One of the key objectives in accident data analysis to identify the main factors associated
with a road and traffic accident. However, heterogeneous nature of road accident
data makes the analysis task difficult. Data segmentation has been used widely to
overcome this heterogeneity of the accident data. In this paper, we proposed a framework
that used K-modes clustering technique as a preliminary task for segmentation
of 11,574 road accidents on road network of Dehradun (India) between 2009 and 2014
(both included). Next, association rule mining are used to identify the various circumstances
that are associated with the occurrence of an accident for both the entire data
set (EDS) and the clusters identified by K-modes clustering algorithm. The findings of
cluster based analysis and entire data set analysis are then compared. The results reveal
that the combination of k mode clustering and association rule mining is very inspiring
as it produces important information that would remain hidden if no segmentation
has been performed prior to generate association rules. Further a trend analysis have
also been performed for each clusters and EDS accidents which finds different trends
in different cluster whereas a positive trend is shown by EDS. Trend analysis also shows
that prior segmentation of accident data is very important before analysis.
Keywords: Data mining, Accident analysis, Road accidents, Clustering

ผลลัพธ์ (ไทย) 1:

บทคัดย่อวัตถุประสงค์สำคัญในการวิเคราะห์ข้อมูลอุบัติเหตุเพื่อระบุปัจจัยที่เกี่ยวข้องอย่างใดอย่างหนึ่งมีถนนและการจราจรอุบัติเหตุ อย่างไรก็ตาม ลักษณะชนิดของอุบัติเหตุถนนข้อมูลทำให้งานวิเคราะห์ยาก แบ่งกลุ่มข้อมูลที่มีการใช้กันอย่างแพร่หลายเอาชนะนี้ heterogeneity ข้อมูลอุบัติเหตุ ในกระดาษนี้ เรานำเสนองานที่ใช้ K-โหมดคลัสเตอร์เทคนิคเป็นงานเบื้องต้นสำหรับการแบ่งส่วน11,574 ถนนอุบัติเหตุบนถนนเครือข่ายของเดราดูน (อินเดีย) ระหว่าง 2009 และ 2557(ทั้งรวม) ถัดไป สมาคมกฎเหมืองใช้ระบุถึงสถานการณ์ต่าง ๆเกี่ยวข้องกับการเกิดอุบัติเหตุสำหรับข้อมูลทั้งหมดตั้ง (EDS) และคลัสเตอร์ที่ระบุโหมด K คลัสเตอร์อัลกอริทึม ผลการวิจัยของคลัสเตอร์ที่ใช้วิเคราะห์และชุดข้อมูลทั้งหมดจากนั้นเปรียบเทียบ เปิดเผยผลการว่า ชุดของ k โหมดคลัสเตอร์สมาคมกฎเหมืองแร่และเป็นแรงบันดาลใจมากเป็นผลิตข้อมูลสำคัญที่จะถูกซ่อนถ้าไม่แบ่งมีการดำเนินการก่อนการสร้างความสัมพันธ์ของกฎ การ วิเคราะห์แนวโน้มได้ยัง ได้ดำเนินการสำหรับแต่ละกลุ่มและอุบัติเหตุ EDS ซึ่งพบแนวโน้มที่แตกต่างกันในคลัสเตอร์ที่แตกต่างกันในขณะที่แนวโน้มเป็นบวกจะแสดงการวิเคราะห์แนวโน้มของ EDS. แสดงแบ่งกลุ่มข้อมูลอุบัติเหตุที่ล่วงหน้าเป็นสิ่งสำคัญมากก่อนที่จะวิเคราะห์คำสำคัญ: การทำเหมืองข้อมูล การวิเคราะห์อุบัติเหตุ อุบัติเหตุทางถนน คลัสเตอร์

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
หนึ่งในวัตถุประสงค์สำคัญในการวิเคราะห์ข้อมูลการเกิดอุบัติเหตุในการระบุปัจจัยหลักที่เกี่ยวข้อง
กับถนนและการจราจรที่เกิดอุบัติเหตุ แต่ธรรมชาติที่แตกต่างกันของการเกิดอุบัติเหตุบนท้องถนน
ข้อมูลที่ทำให้งานวิเคราะห์ที่ยาก การแบ่งส่วนข้อมูลที่ได้รับการใช้กันอย่างแพร่หลายในการ
เอาชนะความแตกต่างของข้อมูลอุบัติเหตุที่เกิดขึ้นนี้ ในบทความนี้เราจะเสนอกรอบการทำงาน
ที่ใช้เทคนิค K-โหมดการจัดกลุ่มเป็นงานเบื้องต้นสำหรับการแบ่งส่วน
ของ 11,574 อุบัติเหตุบนท้องถนนในเครือข่ายถนน Dehradun (อินเดีย) ระหว่างปี 2009 และ 2014
(ทั้งรวม) ถัดไปสมาคมเหมืองแร่กฎที่ใช้ในการระบุสถานการณ์ต่าง ๆ
ที่เกี่ยวข้องกับการเกิดอุบัติเหตุทั้งข้อมูลทั้งหมดนั้น
ชุด (EDS) และกลุ่มที่ระบุโดย K-โหมดขั้นตอนวิธีการจัดกลุ่ม ผลการ
วิเคราะห์กลุ่มที่ใช้และการวิเคราะห์ชุดข้อมูลทั้งหมดจะถูกเปรียบเทียบแล้ว ผลการศึกษาพบ
ว่าการรวมกันของการจัดกลุ่มโหมด K และเหมืองแร่สมาคมกฎเป็นแรงบันดาลใจมาก
ที่สุดเท่าที่จะผลิตข้อมูลที่สำคัญที่จะยังคงซ่อนอยู่หากไม่มีการแบ่งส่วน
ได้รับการดำเนินการก่อนที่จะมีการสร้างกฎสมาคม นอกจากนี้การวิเคราะห์แนวโน้มได้
รับการดำเนินการสำหรับแต่ละกลุ่มและอุบัติเหตุ EDS ซึ่งพบว่าแนวโน้มที่แตกต่างกัน
ในคลัสเตอร์ที่แตกต่างกันในขณะที่แนวโน้มในเชิงบวกจะปรากฏโดย EDS การวิเคราะห์แนวโน้มยังแสดงให้เห็น
ว่าการแบ่งส่วนของข้อมูลก่อนการเกิดอุบัติเหตุเป็นสิ่งสำคัญมากก่อนที่จะวิเคราะห์.
คำสำคัญ: การทำเหมืองข้อมูลการวิเคราะห์อุบัติเหตุอุบัติเหตุบนท้องถนน, การจัดกลุ่ม

ผลลัพธ์ (ไทย) 3:

บทคัดย่อหนึ่งในวัตถุประสงค์หลักในการวิเคราะห์ข้อมูลอุบัติเหตุเพื่อระบุปัจจัยที่เกี่ยวข้องกับถนนและอุบัติเหตุจราจร อย่างไรก็ตาม ด้วยธรรมชาติที่แตกต่างกันของอุบัติเหตุทางถนนข้อมูลทำให้วิเคราะห์ยาก การแบ่งส่วนของข้อมูล มีการใช้อย่างกว้างขวางเพื่อเอาชนะความหลากหลายของข้อมูลอุบัติเหตุ ในกระดาษนี้เราเสนอกรอบที่ใช้เทคนิค k-modes การจัดกลุ่มงานเบื้องต้นสำหรับการเป็นของ 11574 อุบัติเหตุบนถนนในโครงข่ายถนนของ Dehradun ( อินเดีย ) ระหว่างปี 2009 และ 2014( รวม ) ต่อมาสมาคมกฎเหมืองแร่ใช้เพื่อระบุสถานการณ์ต่าง ๆที่เกี่ยวข้องกับการเกิดอุบัติเหตุทั้งข้อมูลทั้งหมดชุด ( EDS ) และกลุ่มที่ระบุโดย k-modes การจัดกลุ่มขั้นตอนวิธี ผลการวิจัยของกลุ่มตามการวิเคราะห์และทั้งชุดข้อมูลการวิเคราะห์และเปรียบเทียบ การเปิดเผยที่การรวมกันของ K โหมดการจัดกลุ่มและสมาคมกฎเหมืองแร่เป็นแรงบันดาลใจมากมันผลิตข้อมูลที่สำคัญจะถูกซ่อนไว้ถ้าไม่มีการแบ่งส่วนได้รับการปฏิบัติก่อนที่จะสร้างกฎสมาคม การวิเคราะห์แนวโน้มได้ต่อไปนอกจากนี้ยังดำเนินการสำหรับแต่ละกลุ่ม และการศึกษาการเกิดอุบัติเหตุซึ่งพบแนวโน้มต่าง ๆในแต่ละกลุ่ม ส่วนแนวโน้มเป็นบวกแสดงโดยการวิเคราะห์แนวโน้มแผนที่ยังแสดงให้เห็นว่าการแบ่งส่วนของข้อมูลก่อนว่า อุบัติเหตุเป็นสิ่งที่สำคัญมากก่อนการวิเคราะห์คำสำคัญ : การทำเหมืองข้อมูลการวิเคราะห์ข้อมูลอุบัติเหตุทางถนน อุบัติเหตุ