王博宸 朱玉全

（江苏大学计算机科学与通信工程学院 镇江 212013）

1 引言

交通事故是在世界范围内一个主要的和日益增长的问题，根据事故的严重程度，乘客可能受到不同程度的伤害，导致他们永久性残疾或者需要数年来恢复健康。根据世界卫生组织（WHO）的统计，每天有超过3400人在道路上死亡，每年有数千万人受伤或伤残。面对这些可能的和意想不到的交通事故，了解是什么原因导致交通事故和早期预警会对规划有效的交通管理起到关键作用。

随着机器学习与人工智能技术的飞速发展，相关技术被大量应用在了智能交通系统（ITS）上。该系统通过应用计算机和信息技术，把人、车、路等交通因素加以统一考虑，能够使道路交通变得更安全、更具有高质量和高效率。交通事故风险预测系统就是其中一个重要的组成部分，通过对大量的交通数据进行处理，进而对某一地区的事故风险进行预测，然后利用交通广播公众信息平台发出预警，附近的司机就能够根据提醒提前进行相应的措施。

在国外的相关研究中，Lv等［1～2］利用基于欧氏距离的特征选择方法选择特征变量，采用C-means和K近邻法对事故进行实时预测。YU R等［3］采用了SVM模型进行实时的道路事故风险评估。WANG L［4～5］等采用了概率神经网络（PNN）决策树等模型来计算发生事故的概率。Alkheder等［6］使用人工神经网络（ANN）进行事故预测，Maher等［7］进一步使用递归神经网络（RNN）预测交通事故伤害严重程度。在国内的相关研究中，吴立新［8］等使用Logistic模型进行寒区冰雪期城市道路交通冲突与事故预测。……