深度学习预测交通事故
发布时间：2024-04-12
点击次数：
背景
交通系统不仅是联结各个城市的重要枢纽，更为区域内各种生产要素的流动建立重要通道，为城市发展注入动力。《十四五现代综合交通运输体系发展规划》指出，要进一步提升交通发展智能化水平，加强交通发展智能化建设。强化全面覆盖交通网络基础设施风险状况、运行状态、移动装置走行情况、运行组织调度信息的数据采集系统，形成动态感知、全面覆盖、泛在互联的交通运输运行监控体系。近年来，社会经济的快速发展和人民生活水平的不断提高使城市化进程被不断推进，人们日益增长的出行需求也加速私家车拥有量的逐年攀升。由公安部交通管理局公布的数据显示，截止2022年底，我国机动车保有量达4.17亿，汽车保有量为3.19亿，占比79.59%，与2021年相比增加5.81%。这种现状也促使城轨和高速公路等交通基础设施不断扩建和完善，但此类交通服务的供给能力并不能满足飞速增长的交通需求。其中交通事故的增加已成为城市环境中的一个重大问题。据世界卫生组织（WTO）统计，每年约有130万人死于道路交通事故，道路交通伤害也是5 - 29岁儿童和青年人死亡的主要原因。
方法
提出利用编码-解码架构捕获数据时序性特征，多图卷积进行空间特征提取的时空序列深度学习方法（STMGCN），接着对自解释方法中的时间注意力机制和空间注意力机制进行理论分析，在此基础上，提出基于时空注意力机制的多图卷积（ASTMGCN）交通事故预测方法，并通过测试数据集验证了该模型的准确性和可解释性，进一步提高模型认可度。
结果
为了验证所提基于自解释的时空序列多图卷积（ASTMGCN）交通事故预测方法的有效性和可解释性，在实验数据集上进行基准方法对比实验和可解释性分析，结果表明，该模型不仅具有较好的预测性能，而且具有可解释性。
