交通事故对道路交通安全造成了极大的威胁与挑战,分析事故成因模式对于减少事故发生数量,降低事故所造成的损失起到了积极作用。由于道路交通系统固有的复杂性,常见的自动化算法会显得不够灵活。可视分析通过交互的方式将领域专家的专业知识引入分析流程中,通过将机器智能与人类智能相结合的方式,提高了分析结果质量和效率。因此本文提出将道路交通专家的领域知识与机器智能通过可视分析方法结合至一起,迭代式优化分析结果的方法,并通过使用云南省2006-2018年交通基础数据集展开事故成因模式的研究工作,主要研究内容包含:（1）同质性高维数据探索式划分方法研究:事故成因因素属于高维数据,针对高维数据的异质性问题,该方法提出了先通过聚类方法初步划分数据,再根据分析人员的反馈信息迭代优化划分结果的同质性数据划分框架,然后针对框架中存在的优化划分信息、规则子集筛选推荐以及如何验证分析人员的猜想这三个关键问题分别给出相应解决方案。最后通过多视图协作的方式辅助分析人员自由探索数据。该方法不仅可以用于挖掘事故中隐藏的局部成因模式,还适用于其他高维数据的局部模式发现问题。（2）数值型关联分析中连续属性的探索式分区方法研究:该方法将驾驶人员历史违法记录与事故相关性转化为数值型关联分析问题,并就其中连续属性分区这一关键的问题提出了先粗略分区并进行关联分析,然后分析人员自由探索关联规则并给出分区建议,进而根据建议进一步分区的迭代分区方法。提出基于约束优化的子区域生成算法以推荐有意义的候选子区域。针对分析人员所提出建议的冲突问题,提出区域整合算法消解冲突。最后本文提供了一套包含多视图联动的可视分析系统以允许分析人员从不同角度对规则进行观察与分析,从而发现更多有价值信息,并实现对分区结果的进一步优化。