在各类事故中,交通事故无论从发生次数,还是从死亡人数上来讲,都位列各类事故之首,且呈上升势态,其死亡人数约占各类事故总死亡人数的70%。2001年起交通事故死亡人数突破10万(10.6万)大关,交通安全问题成了道路交通运输领域亟待解决的重要问题。事故黑点作为交通事故的高发点段,所造成的经济损失及伤亡人数都占有较大比重,黑点的形成原因并不是单方面的,往往是由两个或者多个原因共同引起的,如何判定事故黑点、分析黑点成因及对未知黑点进行排查是当前交通管理工作的难点所在。研究、分析事故黑点的成因及其影响度,可以为事故黑点的预防及解决提供决策支持,对降低我国的交通事故数量,提高交通管理工作的实效性,提升我国交通的综合形象具有重要意义。聚类分析作为数据挖掘技术的重要组成部分,是分析海量、复杂数据的有效工具,获取智能决策信息的主要手段。传统获取信息的方式是从单数据集合挖掘知识,而忽略了多数据集合之间的合作影响。而事故黑点成因并不单一,存在多种因素各自独立而又相互合作影响的情况。面对交通事故的日趋严峻,事故黑点的逐日增加,利用信息合作来对其成因进行分析,更确切的反映实际情况显得尤为必要。本文以某事故黑点为例,在模糊聚类分析方法的基础上,深入研究了基于信息合作的模糊聚类法在事故黑点成因分析中的应用,着重开展了以下研究工作:1.对各种模糊聚类初始化算法进行分析比较,提出了改进的模糊聚类初始化算法,通过计算平均信息熵值结合减法聚类方法对模糊聚类数目和初始聚类中心进行优选。2.选择信息合作聚类算法模型进行数据集之间的合作分析,针对应用提出改进的合作模糊聚类算法,对选择初始中心点的方法以及聚类有效性函数方面做了改进,实验结果说明合作模糊聚类算法在迭代次数和接近类中心程度上优于合作聚类算法。3.提出并分析、实现了基于合作模糊聚类的事故黑点成因分析方法,以某事故黑点为例进行实例分析,结果表明该合作分析法能用于实践辅助决策。最后总结了全文的工作和创新之处,并对进一步应用研究进行了展望。