樊 博，马筱栎，雷小诗，马新露

(重庆交通大学 交通运输学院，重庆 400074)

交通事故是人、车、路、环境为主要因素共同作用下产生的结果，交通事故的发生具有偶然性。然而已有文献研究证明，事故发生前后的交通流参数会出现一定的相同规律的变化，从某种角度而言，事故的发生同时又兼具必然性[1]。由于难以对交通事故的发生作出高度准确的预判，因此研究人员利用事故风险来描述这种不确定性。

国内外对事故实时风险预测的研究中，Xu等[2]使用K-均值聚类将高速公路上的交通流分为不同状态，通过比较不同交通状态下的交通流特征，识别各个交通状态下更能描述事故风险的交通流因素。孙剑等[3]使用上海市快速路检测器数据和事故数据，使用高斯混合模型修正数据后，用贝叶斯网络构建了事故风险模型，实现了对快速路主动风险评估。Yu等[4]使用上海城市快速路数据，使用贝叶斯随机逻辑回归模型建模预测事故风险，同时引入贝叶斯半参数推断方法增加模型的鲁棒性，实验表明半参数下模型具有较高的拟合优度。Li等[5]提出一种长短期记忆卷积神经网络的事故实时风险预测模型，该模型以交通流、信号配时等作为特征，实验表明该模型对预测主线道路的事故实时风险具有可行性。目前国内对交通事故的研究更常见的是基于历史事故记录建立事故集计模型[6-8]，研究多因素条件下事故成因，从而预测未来事故发生的频次，以此量化事故风险[9-11]。……