一种基于时间序列广义回归网络和卷积神经网络的短临事故时空分析及预测模型

本文提出了一种新的联合模型TGRCN，结合时间序列广义回归神经网络（TSGRNN）和二项加权卷积神经网络（WCNN），用于30分钟间隔的短临交通事故预测。研究背景基于交通事故对社会经济和基础设施的重大影响，以及现有模型难以处理事故数据的不平衡性和时空相关性。研究目的是通过捕捉交通动态的时空特征，提高事故预测的准确性。实验使用2019年英国M1高速公路的交通和事故数据，结果表明TGRCN模型在南行和北行方向上的事故预测准确率分别达到75.3%和78.1%，优于其他对比模型。此外，速度方差被识别为影响事故发生的最重要因素。