道路交通事故预测方法和系统

本发明涉及图神经网络，更确切地说，它涉及道路交通事故预测方法和系统。

背景技术：

1、交通事故的发生是一个随机事件，受到道路交通系统中多种因素状态和自然条件等偶然因素的影响。尽管事故具有偶然性，但其表象背后存在内在规律。相关研究表明，这些内在规律是客观存在的，并且揭示了交通事故各因素之间存在潜在联系，这使得交通事故预测成为可能。

2、随着动态异质图神经网络（dynamic heterogeneous graph neural network）的发展，其比同质图具有多样的节点类型和边类型，包含更多的语义信息，更全面的描述了节点之间的内在关联特征，适用于道路交通领域。动态异质图可以用于进行链接预测、节点分类等多个任务，有着非常好的发展前景。如何将道路交通数据融入动态异质图，并同时捕捉其中的异质和时序信息，并以此来进行链接预测，是一个难题和挑战。

技术实现思路

1、本发明的目的是针对现有技术的不足，提出了道路交通事故预测方法和系统。

2、第一方面，提供了道路交通事故预测方法，包括：

3、步骤1、获取交通网数据，并进行预处理；所述交通网数据包括：地点数据、时间数据、车速数据、车流量数据、事故数据和天气数据；

4、步骤2、根据预处理后的交通网数据，生成不同的节点和边；

5、步骤3、将交通网划分为若干大小相等的网格；

6、步骤4、根据节点和边，对于整个交通网，生成天气动态异质图；对于每个网格，生成对应的车流动态异质图；

7、步骤5、根据所述天气动态异质图和车流动态异质图，通过图神经网络预测交通事故概率。

8、作为优选，步骤1包括：

9、步骤1.1、获取地点数据、时间数据、车速数据、车流量数据、事故数据和天气数据；所述地点数据包括门架桩号，所述事故数据包括事故发生桩号，所述天气数据与所述地点数据相对应；

10、步骤1.2、对所述交通网数据中的缺少数据进行补全；

11、步骤1.3、按特定时间间隔计算与地点数据对应的车流量和车速出现的频率。

12、作为优选，步骤2包括：

13、步骤2.1、根据所述地点数据、车速数据、车流量数据，获取对应的地点节点、车速节点和车流量节点；

14、步骤2.2、根据所述天气数据获取对应的天气节点，所述天气数据包括气温数据、露点温度数据、风速数据、未来降雨量数据；

15、步骤2.3、设置事故相关节点，所述事故相关节点包括事故节点和非事故节点；

16、步骤2.4、将地点节点和车流量节点之间的频率以及地点节点和车速节点之间的频率转化为边；

17、步骤2.5、根据所述事故数据，将地点节点和事故相关节点之间的关系转换为边；

18、步骤2.6、将地点节点和天气节点之间的关系转化为边。

19、作为优选，步骤4中，所述天气动态异质图包括天气节点、地点节点、事故相关节点和节点之间的边；所述车流动态异质图包括交通流节点、地点节点、事故相关节点和节点之间的边，所述交通流节点为车速节点或车流量节点。

20、作为优选，步骤5包括：

21、步骤5.1、通过图神经网络对天气动态异质图和车流动态异质图进行特征提取和时间演化；

22、步骤5.2、根据步骤5.1获取的特征，确定链接预测函数；

23、步骤5.3、根据链接预测函数预测地点节点的事故发生概率。

24、第二方面，提供了道路交通事故预测系统，用于执行第一方面任一所述的方法，包括：

25、获取模块，用于获取交通网数据，并进行预处理；所述交通网数据包括：地点数据、时间数据、车速数据、车流量数据、事故数据和天气数据；

26、第一生成模块，用于根据预处理后的交通网数据，生成不同的节点和边；

27、划分模块，用于将交通网划分为若干大小相等的网格；

28、第二生成模块，用于根据节点和边，对于整个交通网，生成天气动态异质图；对于每个网格，生成对应的车流动态异质图；

29、预测模块，用于根据所述天气动态异质图和车流动态异质图，通过图神经网络预测交通事故概率。

30、第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述的方法。

31、第四方面，提供了一种电子设备，包括：

32、存储器，用于保存计算机程序；

33、处理器，用于执行所述计算机程序以实现如第一方面任一所述的方法。

34、本发明的有益效果是：本发明通过综合考量交通网中的地点、时间、车速、车流量、事故及天气等多种因素能够更全面地捕捉交通事故发生的潜在规律和影响因素，并利用图神经网络对天气动态异质图和车流动态异质图进行特征提取，从而显著提高对道路交通事故的预测准确性。

技术特征：

1.道路交通事故预测方法，其特征在于，包括：

2.根据权利要求1所述的道路交通事故预测方法，其特征在于，步骤1包括：

3.根据权利要求2所述的道路交通事故预测方法，其特征在于，步骤2包括：

4.根据权利要求3所述的道路交通事故预测方法，其特征在于，步骤4中，所述天气动态异质图包括天气节点、地点节点、事故相关节点和节点之间的边；所述车流动态异质图包括交通流节点、地点节点、事故相关节点和节点之间的边，所述交通流节点为车速节点或车流量节点。

5.根据权利要求4所述的道路交通事故预测方法，其特征在于，步骤5包括：

6.道路交通事故预测系统，其特征在于，用于执行权利要求1至5任一所述的方法，其特征在于，包括：

7.一种计算机存储介质，其特征在于，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行权利要求1至5任一所述的方法。

8.一种电子设备，其特征在于，包括：

技术总结
本发明涉及道路交通事故预测方法和系统，包括：获取交通网数据，并进行预处理；根据预处理后的交通网数据，生成不同的节点和边；将交通网划分为若干大小相等的网格；根据节点和边，对于整个交通网，生成天气动态异质图；对于每个网格，生成对应的车流动态异质图；根据所述天气动态异质图和车流动态异质图，通过图神经网络预测交通事故概率。本发明的有益效果是：本发明通过综合考量交通网中的地点、时间、车速、车流量、事故及天气等多种因素能够更全面地捕捉交通事故发生的潜在规律和影响因素，并利用图神经网络对天气动态异质图和车流动态异质图进行特征提取，从而显著提高对道路交通事故的预测准确性。

技术研发人员：孙睿,王硕苹,金苍宏
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/12/5