马新露 樊博 陈诗敖 马筱栎 雷小诗

(1．重庆交通大学 交通运输学院，重庆 400074；2.西南交通大学 交通运输与物流学院，四川 成都 610031)

我国高速公路正依托各类高新技术朝着信息化、智慧化的方向发展，然而相应的交通安全管理却主要沿用一些传统方法，这显然无法适应现阶段以及未来高速公路交通安全管理的需求和可持续发展。据国家统计局发布的资料显示[1]，2019年年末全国民用汽车保有量为26 150万辆、全年道路交通事故万车死亡人数为1.8人；同时数据显示，2019年我国高速公路总里程已达14.95万公里。高速公路为国民经济和社会发展提供了强有力的支撑，预防交通事故对建设智慧高速公路、保障高速公路安全运行和提升运营效率至关重要。

由于事故兼具随机性和偶然性，难以对其作出高度准确的预判，因此研究人员常用“是否存在事故风险”来描述这种不确定性。区别于传统事故频率预测，现有事故风险评估研究根据预测技术的不同主要可分为两大类：一类是将当下时刻的事故空间特征借助图卷积等技术作为输入，再引入交通和道路环境特征，使用深度学习等方法建模学习交通事故模式并实现事故风险预测[2]；另一类以实时交通流数据为主要输入，通过训练和区分事故与非事故状态下的不同交通流特性来捕捉事故前兆特征，使用分类算法建模区分事故与非事故，从而实现事故预测[3- 5]。这两类方法中，前者研究对象多为路网，后者多为路段。……