[发明专利]一种基于多视图多任务时空网络的交通事故风险预测方法

摘要

随着城市化进程的加快，交通事故成为严重的健康威胁。因此，准确预测城市不同区域的交通事故风险具有重要意义。准确的交通风险预测面临的挑战有三个方面。首先，城市地区的交通事故数据比较稀疏。其次，不同地区交通事故的时空相关性较复杂。第三，交通事故的发生受天气、POI和路网特征等各种语义特征的影响。针对上述挑战，本文提出了一种多视图多任务时空网络模型，用于城市交通事故的细、粗两级风险预测。具体来说，为了解决细粒度预测中的数据稀疏性问题，采用多任务学习框架。针对每个粒度，分别设计了通道注意力CNN和多视图GCN，分别捕获局部地理和全局语义相关性。同时，我们引入了融合学习模块，用来建模复杂的外部特征对交通事故的影响。