Recent Advances in Traffic Accident Analysis and Prediction: A Comprehensive Review of Machine Learning Techniques

交通事故是全球严重的公共卫生问题，每年导致119万人死亡，对5至29岁的个体影响最大。本文通过对近年来应用机器学习技术进行交通事故分析和预测的最新进展进行全面综述，强调了道路安全中先进预测方法的关键性需求。本文研究了过去五年中的191项研究，着重研究了预测事故风险、频率、严重程度、持续时间以及事故数据的一般统计分析。据我们所知，本研究是首次提供如此全面的综述，涵盖了与事故分析和预测相关的广泛领域的最新技术。该综述突出了整合多样化数据源和先进机器学习技术以提高预测准确性并处理交通数据的复杂性的有效性。通过绘制当前的研究现状并确定文献中的空白，本研究旨在引导未来研究朝着2030年显著减少交通相关死亡和伤害的目标发展，与世界卫生组织（WHO）的目标相一致。

本论文旨在通过综述近五年来在交通事故分析和预测领域应用机器学习技术的最新进展，解决交通事故对公共健康造成的严重影响和需求高精度预测的问题。

论文提出了整合多样化数据源和先进机器学习技术以提高预测准确性和解决交通数据复杂性的解决方案。

论文综合了191个最新研究，涵盖了交通事故风险、频率、严重程度、持续时间等方面的预测和统计分析。研究结果表明，整合多样化数据源和先进机器学习技术可以显著提高预测准确性。该论文是第一篇提供这样全面综述的研究，为未来研究指明了方向，旨在实现到2030年将交通相关死亡和伤害减少至世界卫生组织（WHO）的目标。

近年来，还有一些相关研究，如“Traffic accident prediction based on deep learning: A survey and future directions”、“A review of data mining applications in traffic accident analysis and prevention”等。