在第九届华南智能交通大会--智慧交通管理创新发展论坛中，珠海市公安局交通警察支队科技设施科科长田野，作了《基于AI事件归因分析技术在事故预防工作中的应用》主题报告。

       田野表示，珠海交警支队针对新交通形态下驾驶人结构变化、传统事故预防手段滞后等问题，提出借助语言大模型将事故现场要素转化为交通数据基因，结合海恩法则构建驾驶人风险画像，通过“一人一案”精准干预优化警力部署、降低违法与警情，最终指向“让安全出行成为全民习惯”的目标，为交通事故预防提供了切实可行的技术实践思路。

       交警核心工作聚焦三大方向：畅通、安全与秩序。此次分享将围绕事故预防展开，共有六个部分。

       1. 新的交通形态给管理工作带来的挑战 

        大家知道，私家车大规模进入家庭始于2010年，2010年至2015年这一趋势尤为明显。2010年之前，驾驶人以职业驾驶人为主，他们对交通语言、交通法规的理解具备职业素养；但2010年之后，随着私家车普及，“马路杀手”等描述非职业驾驶人的词汇开始出现。 

        针对这一新生群体，公安交管部门在保障畅通与秩序的基础上，投入更多精力开展安全隐患排查与整治工作，不过这项工作也消耗了大量精力。

       根据交通数据统计，97%的交通事故源于驾驶人行为，仅3%由机动车机械性能问题或道路隐患引发的突发情况导致，因此本次汇报的核心的是：如何从行为侧开展安全预防，采取哪些手段，如何形成闭环，以及如何最大化发挥这些手段的作用。

       在工作初期，尽管机动车保有量与新型驾驶人数量均快速增长，但仍处于可控范围——即保有量与道路承载能力基本匹配且略有富余。此时，通过完善硬件设施、增加基础设施，能够有效消除交通事故、交通冲突与安全隐患。

       然而，2015年之后，尤其是2017年至2018年期间，机动车保有量与新型驾驶人数量呈爆发式增长，交通需求与道路承载能力的矛盾日益突出，大量交通需求与有限交通资源之间的冲突愈发显著。 

       一方面，新型驾驶人对交通语言的理解和认知存在明显不足；另一方面，传统职业驾驶人、熟练驾驶人在争夺有限交通资源时，也常出现违规违法行为，同样会引发道路交通安全隐患。例如，在双向两车道的小路上，新型驾驶人依规行驶时，部分熟练驾驶人会选择逆向超车，一旦出现突发情况，极易引发本可避免的交通事故。

       以上内容，也直观反映了驾驶人结构变化、交管工作范围扩展与交通事故、私家车保有量之间的关联，同时体现了2015年之前依赖硬件弥补时，交通事件（不限于交通事故）发生概率与机动车保有量的关系，以及后续新型驾驶人、机动车保有量大幅增长后，交通事件呈现的新形态。

       基于上述分析，当前道路交通事故预防管理工作仍在较大程度上沿用传统手段，虽有大数据分析等新型手段应用，但尚未普及。目前尚未能通过大数据精准把握路网交通运行形态在时间与空间上的分布，也难以明确风险驾驶行为在时空维度下可能引发的进一步风险，因此在处理交通事件时，仍存在一定的局限性。

       2. 传统的事故预防手段为何失灵 

       当前交通事件处理多从结果侧入手，即事故发生后，才倒查事发时空区域的隐患、明确隐患位置与治理方案。但这种方式下，事故结果已无法逆转，仅能通过事后弥补堵塞漏洞，存在明显滞后性。

       同时，结果侧的数据多产生于事故发生后，还存在碎片化、孤岛化问题，缺乏对整体数据的系统性、关联性分析，难以精准洞察潜在风险，导致事故预防工作处于被动应对状态，无法在事故发生前主动防范。

       而从行为侧（事故源头侧）开展预防，需重点研究三大问题：一是哪些驾驶人存在肇事风险，二是哪些时空区域风险最高，三是驾驶人为何会出现违规行为。 

       3. 海恩法则遇见大数据 

       海恩法则为事故预防提供了理论基础，该法则指出：1000处风险会孕育300处未遂隐患，300处未遂隐患会孕育29起轻微交通事件，最终可能引发1起伤亡级严重交通事故。

       目前交通系统针对五类重点车辆搭建的风险加持安全评测平台，正是基于这一理论开展工作，且已取得显著效果。

       4. 把事故现场要素翻译成交通数据基因 

       本人相关探索受两件事启发：一是去年珠海在斑马线上发生7起死亡事故，斑马线本应是安全通道，此类事故本可避免；二是前年珠海某高速公路凌晨连续发生两起致人死亡的交通事故。

       从这两起高速事故现场来看，涉及小货车、配送车辆、凌晨时段、高速公路、疲劳驾驶等关键要素。我们通过统计分析历史数据，从珠海机动车保有量中筛选出76辆具备相似风险要素但尚未发生事故的车辆，点对点推送安全注意事项。此后，该路段未再发生类似交通事故，虽无法确定是此次干预直接起效还是此前事故属偶然，但为行为侧预防提供了实践参考。

       另外，针对斑马线上的事故，我们曾尝试统计老年人横过马路亡人事故情况，这类事故核心要素仅为“老年人、横过马路、亡人”，但仅靠人工从三年的历史资料（包括交通事故责任认定书、违法系统记录、案件调查材料）中统计，一人耗时一周仍未完成。 

       这一经历让我意识到，仅靠人工汇总、分析、运用数据难度极大，此后也有科技公司就此提出了相关建议。实际上，这类数据处理问题可通过语言大模型解决。将相关资料汇总后，语言大模型能实现秒级分析，基于此，我们开始研究当前存在的问题及语言大模型可提供的便利。

       当前对事故的描述存在明显不足，无论是事故处理单、案件调查单，还是相关人员的表述，都较为笼统；而语言大模型可挖掘更细颗粒度的关联因子，且擅长对隐藏在非结构化数据中的事故特征进行语义分析与归纳总结，能将非结构化数据转化为结构化、系统化的数据，提升数据完整性。

       此外，传统事故分析依赖主观经验，存在“千人千面、千文千面”的问题，语言大模型则可作为“固化专家”。虽此前多位专家提及大语言模型仍有不足，但在信息量要求不高、场景不复杂，且关键要素提取目标明确的前提下，其分析精度较高，能打破传统认定的局限，实现分析维度的扩展。

       人工分析的数据变量有限，而大模型凭借强大算力，可秒级洞察高维数据组合。数据结构化后，大模型能进行各类组合分析，弥补专业经验盲区，通过千万级参数，对人、车、路、环境、天气、时段等因素的交叉交互效应进行秒级运算，自动捕捉关键要素。

       例如，若需提取“周末、雨天、无照明、变道不打灯”这类组合要素，可结合城市交通形态设置不同组合，数据库中可支持200余项要素的组合，依据不同城市的时空特点灵活调整，实现从“看得见”到“算得准”的跨越。

       具体实施步骤大致为数据采集、清洗、标注与关联，目前该工作仍处于试水阶段。原始资料主要采用事故责任认定书，后续可扩展至案件调查报告、互联网各类相关数据等。将资料扫描上传至系统后，通过事故归因模型开展组合分析、分类分析等工作，明确潜在风险人员，为后续工作提供指导。

       当前该系统的应用场景仍有限，深度与广度需进一步挖掘，但仅通过事故责任认定书开展归因分析的技术已较为成熟。其效率优势十分显著，远高于人工。

       一个优势是组合分析可实现秒级响应，例如此前人工统计三年“斑马线上老人亡人”事故数据，两人耗时一周仍未完成，而大模型查询此类组合要素仅需秒级；另一个优势是分析结果更客观，标准统一，可将经验知识固化并实现实时在线。 

       以“未降低行驶速度”这一事故描述为例，《道路交通安全法》第42条规定，夜间行驶、在易发生危险路段行驶，或遇到沙尘、冰雹等天气时应降低速度，但事故责任认定中仅笼统表述为“未降低行驶速度”。

       通过归因模型，可将这一要素细化分类，如“天气因素下未降低速度”“人行横道未降低速度”“路口未降低速度”“夜间未降低速度”等20余项细分要素，要素颗粒度越细，后续数据组合分析的准确性越高。 

       系统构建了友好的人机交互界面，事故成因分析及提取的要素清晰明确，操作采用菜单式设计，可不断丰富选项——例如选择“交叉路口”等要素后，查询结果能在地图上直观展示，支持环境因素交叉分析、事故要素多维度分析等功能。

       这一过程的核心在于，通过多要素勾勒风险驾驶特征，进而构建驾驶人多维度画像：基于要素标签对驾驶人行为进行分类，涵盖高频违法、高频路段、特殊天气下的行为等维度，形成全面的行为画像。

        5. 精准干预让事故止于未发 

       不过，提取要素、识别隐患并非最终目的，关键在于如何运用这些数据实现精准干预，防范事故于未然。通过归因模型找到事故原因后，还需借助视角模型定位存在风险驾驶行为的人群，避免其实施风险行为。

       尽管视角模型的深层应用可能涉及侦查办案相关内容，但可公开的核心价值在于：将海恩法则的经验转化为可计算、可预测、可干预的技术体系，实现多元信息融合、结构化处理与隐患路口还原。

       基于此，可对驾驶人风险行为进行细分组合，如“新手鲁莽型”“熟手麻痹型”“夜间高危型”等，实行“一人一案、一事一策”。

        一方面，针对不同风险类型的驾驶人推送提醒，减少其风险行为；另一方面，为警力部署提供精准指引，改变传统“大海捞针”式的巡逻模式——不再是无目的地出动警车，而是将数据推送至民警警务通，对排名前10%的高风险对象开展精准打击，对10%-40%的中风险对象进行警示，对40%以后的低风险对象仅作提醒。

        从实施效果来看，在不同时空维度针对易发生事故、违法的场景采用该手段后，同类违法与有效警情均有所下降。 

        6. 让安全出行成为习惯 

       归根结底，无论采用何种技术手段，最终目标都是让安全出行成为全民习惯。短期内可通过机制建设推动落实，中期可深化技术应用，最终形成交通风险知识图谱，实现风险预知与安全出行，将交通管理目标转化为全民的自觉习惯。

来源：赛文交通网

如有侵权请及时提醒