【技术实现步骤摘要】
本申请涉及机器学习，具体而言，涉及一种交通事故发生区域预测方法、装置。
技术介绍
1、现代综合交通运输体系在我国现代化经济中扮演着至关重要的角色，其成为了交通运输体系中不可或缺的核心组成部分。因此，在确保道路通顺、出行安全的前提下，公路网络的高效运作对于促进交通领域的可持续发展具有重要意义。因此，事故预测对于公路网络的高效运作具有重要意义。
2、但是，由于事故数据较为保密难以获取，且设计算法是特征维度难以选择，因此，对于事故预测研究，目前只停留在普通设备数据收集角度。此外，在智能交通系统中，对城市范围内不同时段的交通流量进行鲁棒预测是一个重要的问题。虽然，相关技术已经做出了很大的努力来模拟时空相关性，但现有的方法仍然受到两个关键限制：一是大多数模型共同预测所有区域的流量，而没有考虑空间异质性，即，不同的区域可能具有偏斜的业务流分布；二是这些模型未能捕获由时变交通模式引起的时间异质性，因为它们通常对所有时间段的共享参数化空间的时间相关性进行建模。
3、针对上述的问题，目前尚未提出有效的解决方案。
【技术保护点】
1.一种交通事故发生区域预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定所述第一交通特征图对应的第一特征矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标交通事故预测模型的训练过程包括：
4.根据权利要求3所述的方法，其特征在于，获取多组样本数据，包括：
5.根据权利要求3所述的方法，其特征在于，依据所述多组样本数据对所述初始交通事故预测模型进行迭代训练，得到所述目标交通事故预测模型，包括：
6.根据权利要求5所述的方法，其特征在于，利用所述时空编码器对所述第二特征矩...
【技术特征摘要】
1.一种交通事故发生区域预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定所述第一交通特征图对应的第一特征矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标交通事故预测模型的训练过程包括：
4.根据权利要求3所述的方法，其特征在于，获取多组样本数据，包括：
5.根据权利要求3所述的方法，其特征在于，依据所述多组样本数据对所述初始交通事故预测模型进行迭代训练，得到所述目标交通事故预测模型，包括：
6.根据权利要求5所述的方法，其特征在于，利用所述时空编码器对所述第二特征矩阵进行处理，得到对应的嵌入矩阵，包括：
<...【专利技术属性】
技术研发人员：巫然，王琳，包祥文，龚平，宋新远，刘炜，葛恒志，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。