公开(公告)号：CN114139984A

公开(公告)日：2022-03-04

申请号：CN202111470417.0

申请日：2021-12-03

Applicant: 哈尔滨工程大学

Inventor： 周连科 ,  方琪 ,  王红滨 ,  王念滨 ,  杨亚宸 ,  崔琎

IPC: G06Q10/06 ,  G06Q50/26 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于流量与事故协同感知的城市交通事故风险预测方法，属于交通事故预警技术领域。本发明针对现有交通事故风险预测中没有深度结合交通流量信息，使用静态图邻接矩阵构建图神经网络预测效果不够好的问题。包括由节点时变特征输入模块获得节点时变特征矩阵；分别由事件动态图神经网络和异常流量动态图神经网络对节点时变特征矩阵进行特征提取，获得事故风险特征和流量风险特征；再由时间依赖模块进行时间依赖信息的捕捉，获得时空混合特征；由协同感知模块对时空混合特征和全局时变特征矩阵进行特征融合，获得事故风险预测值，结合事故风险替换值进行计算，获得损失函数用于模型训练。本发明用于交通事故风险预测。

公开(公告)号：CN114139984B

公开(公告)日：2024-08-20

申请号：CN202111470417.0

申请日：2021-12-03

Applicant: 哈尔滨工程大学

Inventor： 周连科 ,  方琪 ,  王红滨 ,  王念滨 ,  杨亚宸 ,  崔琎

IPC: G06Q10/0635 ,  G08G1/01 ,  G06F18/2433 ,  G06N3/0464 ,  G06N3/042

Abstract: 一种基于流量与事故协同感知的城市交通事故风险预测方法，属于交通事故预警技术领域。本发明针对现有交通事故风险预测中没有深度结合交通流量信息，使用静态图邻接矩阵构建图神经网络预测效果不够好的问题。包括由节点时变特征输入模块获得节点时变特征矩阵；分别由事件动态图神经网络和异常流量动态图神经网络对节点时变特征矩阵进行特征提取，获得事故风险特征和流量风险特征；再由时间依赖模块进行时间依赖信息的捕捉，获得时空混合特征；由协同感知模块对时空混合特征和全局时变特征矩阵进行特征融合，获得事故风险预测值，结合事故风险替换值进行计算，获得损失函数用于模型训练。本发明用于交通事故风险预测。