识别城市隐性危险：面向交通事故发生与城市安全预测的连续危险场智能框架
Learning the City’s Hidden Danger: A Continuous Hazard Field Intelligence Framework for Traffic Accident Emergence and Urban Safety Prediction
发表于 2026年5月27日 · 收录于雷达 2026年11月5日
中文摘要
研究提出连续危险场智能框架，将城市隐性危险建模为沿交通网络连续演化的时空危险场，并整合事故、道路、时间及情境风险数据。框架在两套真实交通安全数据上测试，最终模型的F1值较基线分别提高7.91和8.26个百分点；作者指出，提升应结合特定基线与评估设计解读。