交通情况在这个社会极速发展、大部分道路已经饱和的时代,变得日趋复杂。道路设施、路网设计、驾驶员基本情况以及行人行为规范等各方面问题也在这个大环境下逐渐暴露,而交通事故也在以上问题的不断刺激下产生,因此对交通事故的深层分析有助于挖掘交通系统中的弊端,同时根据研究结果对交通事故发生中的一些致因进行有效阻断可以降低事故的概率。本文以道路交通系统为基础,以事故产生机理为起点,将交通事故综合分析模型应用于道路交通事故,将事故综合研究细分成三个方向:事故的单因素分析、事故的多因素分析以及事故的分类分析,针对不同分析层面的要求分别选取了PCA特征提取算法、Apriori关联规则算法和K-Means聚类算法。为了提高Apriori算法与交通事故的关联性,将事故按照严重程度进行分类处理,同时通过合理的静态抽样方法提高了提高数据挖掘效率。针对K-Means中初始均值点选取进行了改进,将Canopy聚类结果与随机选取方法相结合,提高了算法的抗噪音能力以及聚类效果。研究最后将上述分析模型应用于英国公开交通事故数据集,并根据实验结果对交通事故进行各个层面的分析和总计。结果显示不同的模型分析层面可以挖掘数据中更丰富的知识,因而可以更全面的分析交通事故并了解道路系统中的潜在问题。