基于卷积长短时记忆神经网络的交通事故风险预测方法

摘要

本发明公开了一种基于卷积长短时记忆神经网络(ConvLSTM)的城市交通事故风险预测方法，具体为：对预测城市进行空间网格划分；将历史交通事故数据按同一时间间隔统计并映射到网格，生成随时间变化的风险矩阵；根据交通事故的发生在时间上具有连续性和周期性特点，将风险矩阵序列划分为连续性分支和周期性分支；提取城市的天气、节假日等外部数据的特征并量化，构造外部特征向量；建立基于ConvLSTM的深度学习模型对城市各网格区域的交通事故风险进行预测。本发明从交通事故的连续性和周期性两个方面进行建模，利用ConvLSTM同时提取交通事故数据的时间特征和空间特征，并进一步融合外部环境特征，提高了预测结果的准确度，对交通管理和事故预警具有一定的指导意义。