基于ConvLSTM网络模型的交通事故预测方法研究

摘要：

为了有效改善传统交通事故预测方法过分依赖于交通管理者主观经验的不足,结合计算机视觉领域的深度学习框架,提出了一种基于ConvLSTM模型的交通事故预测方法.首先将城市路网划分为规则格网,然后统计每个格网中累计发生的交通事故数并作为一个图像的像素值,将由此形成的时间序列数据对构建的模型进行训练并用于短时交通事故的预测.该模型可以有效地捕捉城市路网交通事故在时间和空间上的分布特性,克服了传统FC-LSTM网络模型忽略交通事故空间分布特性的缺陷.通过对比实验证明:ConvLSTM网络模型具有较好的预测准确率和精确度,在用于预测短时交通事故方面具有更好的应用前景.

关键词：交通安全、事故预测、数据挖掘、时空数据、ConvLSTM

所属期刊栏目：35

分类号：U495(交通工程与公路运输技术管理)

资助基金：浙江省哲学社会科学规划课题22NDQN279YB

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：9-15