张力天 孔嘉漪 樊一航 范灵俊 包尔固德

1(北京交通大学软件学院 北京 100044) 2(中国科学院计算技术研究所信息技术战略研究中心 北京 100190) 3(贵阳市大数据产业集团有限公司 贵阳 550081)

现阶段，驾车出行已经变成人们日常生活中的一部分.车辆给人们的生活带来了很多便利，但也带来了很多交通安全隐患.根据美国国家公路交通安全管理局(National Highway Traffic Safety Admini-stration,NHTSA)发布的《机动车碰撞概述》，美国每分钟大约发生10起车辆事故，每3分钟就有1人因车辆事故而丧生[1].根据世界卫生组织2018年发表的《全球道路安全状况报告》，全球有超过135万人死于道路车辆事故.车辆事故问题已经变成世界关注的焦点问题.预防车辆事故的方法有很多，政策方面包括提高驾驶员的安全意识、加大处罚力度和更新交通系统设备，而技术方面主要是在事故发生前预测事故并通知警示驾驶员.

在事故预测中，获取车辆事故数据是很重要的环节.在以往的研究中，这些数据集包含宏观因素[2-4]或微观因素[5-8].宏观因素包括地理情况(如公路和街道)、环境情况(如湿度和能见度)和交通情况(如交通速度和密度).这些包含宏观因素的数据集通常是从当地交通部门收集到的，例如RCP(part of the Ministry of Justice and Public Order of the Republic of Cyprus)，CIAIR(Center for Integrated Acoustic Information Research)，SPD(Seattle Police Department)数据集[9-11].微观因素包括事故发生前的车辆行为(如速度和加速度)和驾驶员行为(如眼动和手势).这些数据集通常使用驾驶模拟器收集，例如STSIM，SCANeR，VANET数据集[7,9].在以往的研究中，大部分数据集只包含宏观或微观其中一种因素.究其原因，是宏……