改革开放以来,我国经济快速发展,私家车数量急剧上升,目前,我国汽车保有量已达1.04亿辆之多。伴随这么高的汽车拥有量而来的就是各种交通问题的出现。交通事故的频发给人们的财产和生命安全带来了严重威胁。交通拥堵问题给我们的出行带来了不便,耽误了很多宝贵的时间,一定程度上降低了大家的幸福感。传统的方法,如拓宽道路、增加交通管制人员等,已经满足不了现阶段的需求。近年来,数据挖掘技术的兴起,让我们看到了解决这个问题的希望。由于计算机科学的快速发展以及利用现代化的硬件技术进行采集数据,导致在很多领域产生了大量的数据需要收集和处理。在过去的十年中,交通管理领域成为了一个产生无限多数据的科学新领域。本文主要介绍了利用关联规则挖掘分析交通事故发生的真正原因和用决策树分类方法对收集到的数据进行分类,为以后交通管理者提供决策支持,缓解现在出现的各种交通问题。论文以新乡市2011年12月到2012年12月道路交通事故数据为数据源,由于交通事故数据所含属性较多,所以采用多层关联规则挖掘方法。论文将交通事故数据分为三层,三层中的属性逐层细化,设置合适的最小支持度阈值对其进行逐层挖掘。进而产生关联规则集合。交通管理人员可以在交通管理中筛选运用这些经过关联规则产生的规则表达式,对交通事故做定性分析,可以为交通管理者提供有效的指导方法,在一定程度上预防和减少道路交通事故的发生。论文还提出将决策树分类方式应用于交通领域,对收集到的交通数据进行分类,可以从这些大量无序的数据中找到很多潜在规律,为了说明问题,避开了复杂的办法,采用了一个简单例子,解释并创建了一个决策树。通过例子说明了将决策树应用到交通领域切实可行,可以帮助交通管理者进行决策制定,并且可以对交通新事件进行预测,定程度上缓解现在交通拥堵的问题,并为以后的交通安全和预测研究提供支持。