基于路网结构的城市交通事故短期风险预测方法

• 作者: 卢家品 姬晓鹏 张帅超 张延孔 罗月童 陈为
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 图卷积 交通事故 事故模式 多源数据 风险预测 路网结构 长短期记忆网络 智慧城市
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 智能系统
• 页码范围: 663-671
• 页数: 9页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11992/tis.201910002

摘要

城市交通事故一般都发生在公共道路上,然而现有的交通事故风险预测算法都通过对预测区域进行规则网格化来确定预测空间单位,导致预测精度不高且实用价值较低.本文将道路路段作为预测单位,采用图卷积和长短期记忆网络,构建了一种基于路网结构的城市交通事故短期风险预测方法(traffic accidents risk prediction based on road network,TARPBRN).该方法能对指定路段短期内的交通事故风险进行预测,从而可以有针对性地进行治理,减少交通事故的发生.本文使用杭州市西湖区的交通事故数据对模型进行了训练,并与4种常用的计量经济学模型和3种已有的深度学习预测算法进行了对比.实验结果证明本文算法在准确度、正确率和漏报率等方面都优于已有算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗月童		26	97	4.0	9.0
2	卢家品		4	2	1.0	1.0
3	张延孔		3	1	1.0	1.0
4	张帅超		1	0	0.0	0.0
5	姬晓鹏		1	0	0.0	0.0
6	陈为		1	0	0.0	0.0