计算机应用研究

作者：彭文闯,郭晟楠,万怀宇,林友芳,

单位：北京交通大学a.计算机与信息技术学院;b.交通数据分析与挖掘北京市重点实验室,北京100044；

关键词：交通事故预测,事件建模,神经点过程,时间模态,空间模态,

基金：博士后面上基金资助项目(2021M700365)；；

交通事故预测对于构建智慧城市具有重要意义。然而发生在连续时间域上的交通事故数据同时包含具有不同语义特征的时间、空间模态信息，且这两种模态的不确定性存在差异，因此传统的序列建模方式无法全面描述交通事故的时空相关性，很难实现准确的交通事故预测，对此提出了一种面向交通事故预测的时空多模态点过程模型MSTPP。该模型设计了一种具有双解码器的seq2seq框架。在编码器中提出了衰减感知长短期记忆网络DLSTM用于编码在连续时间域中的交通事故事件序列，有效地融合不同模态信息以及建模事件序列的异步性。在解码阶段，使用两个特殊设计的解码器去处理模态间差异性。在两个真实的交通事故数据集上的实验结果表明，MSTPP在预测下一个交通事故发生的时间和区域任务上相比于其他基准模型具有最优的预测能力。

来源：2023年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第8期