一种面向城市范围交通事故风险预测的深度学习方法
计算机与社会
2018-04-17 v2
摘要
随着城市化的快速发展，车辆数量的激增导致了严重的交通事故，造成人员伤亡和巨大的经济损失。预测交通事故风险的能力对于主动预防事故发生和减轻事故造成的损失十分重要。然而，具有高时空分辨率的交通事故风险预测十分困难，主要源于复杂的交通环境、人类行为以及实时交通相关数据的缺乏。在本研究中，我们收集了大规模交通事故数据。通过分析交通事故频率的时空模式，我们揭示了交通事故的时空相关性。基于分析中发现的模式，我们提出了一种基于循环神经网络的高精度深度学习模型，用于交通事故风险预测。预测出的事故风险可潜在应用于交通事故预警系统。所提方法可集成到智能交通控制系统中，以实现更合理的交通预测与指挥调度。
引用
@article{arxiv.1710.09543,
title = {A Deep Learning Approach to the Citywide Traffic Accident Risk Prediction},
author = {Honglei Ren and You Song and Jingwen Wang and Yucheng Hu and Jinzhi Lei},
journal= {arXiv preprint arXiv:1710.09543},
year = {2018}
}