随着经济的迅猛发展和人们生活水平的提高,中小城市汽车的数量越来越庞大,同时大量交通事故也随之而来,因此必须加强对中小城市交通的各方面管理,尽可能减少交通事故的发生。众所周知,数据库技术已经在交通管理领域得到充分的应用,使得交通管理领域尤其是交通事故处理领域积累了海量的数据,而在这些数据中存在着大量有价值的、尚待发现的、有潜在关联关系的有价值数据。将数据挖掘技术应用在交通领域,通过数据挖掘技术对交通事故数据进行挖掘,已经成为国内外广泛关注的一个重要科研课题。本文的主要工作是对数据挖掘中的聚类分析和关联规则技术进行较为深入研究,并将其应用到中小城市交通事故分析系统中,以加强管理减少交通事故的发生。首先,本文结合国内外该领域研究的现状和发展趋势,系统论述了数据挖掘技术及其算法。根据中小城市交通事故的特点,有选择地构建数据挖掘模型。然后,详细介绍了系统的需求分析和系统设计,重点讨论了在数据预处理阶段,对事故数据进行处理的各种方法。在此基础上,具体介绍了实现的过程和意义。本文研究核心是如何将数据挖掘技术应用到中小城市交通事故分析系统中,深入研究聚类分析中的K-means算法和关联规则中的Apriori算法,分析已有算法中存在的优缺点,在此基础上对原算法进行了改进,是本文的一个创新点,实验证明改进算法优于原算法。本文通过利用关联规则和聚类分析的改进算法对交通事故数据进行数据挖掘,并对挖掘结果进行了分析,验证了系统有效性,初步达到了实验的目的。