在第九屆華南智能交通大會--智慧交通管理創新發展論壇中，珠海市公安局交通警察支隊科技設施科科長田野，作了《基于AI事件歸因分析技術在事故預防工作中的應用》主題報告。

       田野表示，珠海交警支隊針對新交通形態下駕駛人結構變化、傳統事故預防手段滯后等問題，提出借助語言大模型將事故現場要素轉化為交通數據基因，結合海恩法則構建駕駛人風險畫像，通過“一人一案”精準干預優化警力部署、降低違法與警情，最終指向“讓安全出行成為全民習慣”的目標，為交通事故預防提供了切實可行的技術實踐思路。

       交警核心工作聚焦三大方向：暢通、安全與秩序。此次分享將圍繞事故預防展開，共有六個部分。

       1. 新的交通形態給管理工作帶來的挑戰 

        大家知道，私家車大規模進入家庭始于2010年，2010年至2015年這一趨勢尤為明顯。2010年之前，駕駛人以職業駕駛人為主，他們對交通語言、交通法規的理解具備職業素養；但2010年之后，隨著私家車普及，“馬路殺手”等描述非職業駕駛人的詞匯開始出現。 

        針對這一新生群體，公安交管部門在保障暢通與秩序的基礎上，投入更多精力開展安全隱患排查與整治工作，不過這項工作也消耗了大量精力。

       根據交通數據統計，97%的交通事故源于駕駛人行為，僅3%由機動車機械性能問題或道路隱患引發的突發情況導致，因此本次匯報的核心的是：如何從行為側開展安全預防，采取哪些手段，如何形成閉環，以及如何最大化發揮這些手段的作用。

       在工作初期，盡管機動車保有量與新型駕駛人數量均快速增長，但仍處于可控范圍——即保有量與道路承載能力基本匹配且略有富余。此時，通過完善硬件設施、增加基礎設施，能夠有效消除交通事故、交通沖突與安全隱患。

       然而，2015年之后，尤其是2017年至2018年期間，機動車保有量與新型駕駛人數量呈爆發式增長，交通需求與道路承載能力的矛盾日益突出，大量交通需求與有限交通資源之間的沖突愈發顯著。 

       一方面，新型駕駛人對交通語言的理解和認知存在明顯不足；另一方面，傳統職業駕駛人、熟練駕駛人在爭奪有限交通資源時，也常出現違規違法行為，同樣會引發道路交通安全隱患。例如，在雙向兩車道的小路上，新型駕駛人依規行駛時，部分熟練駕駛人會選擇逆向超車，一旦出現突發情況，極易引發本可避免的交通事故。

       以上內容，也直觀反映了駕駛人結構變化、交管工作范圍擴展與交通事故、私家車保有量之間的關聯，同時體現了2015年之前依賴硬件彌補時，交通事件（不限于交通事故）發生概率與機動車保有量的關系，以及后續新型駕駛人、機動車保有量大幅增長后，交通事件呈現的新形態。

       基于上述分析，當前道路交通事故預防管理工作仍在較大程度上沿用傳統手段，雖有大數據分析等新型手段應用，但尚未普及。目前尚未能通過大數據精準把握路網交通運行形態在時間與空間上的分布，也難以明確風險駕駛行為在時空維度下可能引發的進一步風險，因此在處理交通事件時，仍存在一定的局限性。

       2. 傳統的事故預防手段為何失靈 

       當前交通事件處理多從結果側入手，即事故發生后，才倒查事發時空區域的隱患、明確隱患位置與治理方案。但這種方式下，事故結果已無法逆轉，僅能通過事后彌補堵塞漏洞，存在明顯滯后性。

       同時，結果側的數據多產生于事故發生后，還存在碎片化、孤島化問題，缺乏對整體數據的系統性、關聯性分析，難以精準洞察潛在風險，導致事故預防工作處于被動應對狀態，無法在事故發生前主動防范。

       而從行為側（事故源頭側）開展預防，需重點研究三大問題：一是哪些駕駛人存在肇事風險，二是哪些時空區域風險最高，三是駕駛人為何會出現違規行為。 

       3. 海恩法則遇見大數據 

       海恩法則為事故預防提供了理論基礎，該法則指出：1000處風險會孕育300處未遂隱患，300處未遂隱患會孕育29起輕微交通事件，最終可能引發1起傷亡級嚴重交通事故。

       目前交通系統針對五類重點車輛搭建的風險加持安全評測平臺，正是基于這一理論開展工作，且已取得顯著效果。

       4. 把事故現場要素翻譯成交通數據基因 

       本人相關探索受兩件事啟發：一是去年珠海在斑馬線上發生7起死亡事故，斑馬線本應是安全通道，此類事故本可避免；二是前年珠海某高速公路凌晨連續發生兩起致人死亡的交通事故。

       從這兩起高速事故現場來看，涉及小貨車、配送車輛、凌晨時段、高速公路、疲勞駕駛等關鍵要素。我們通過統計分析歷史數據，從珠海機動車保有量中篩選出76輛具備相似風險要素但尚未發生事故的車輛，點對點推送安全注意事項。此后，該路段未再發生類似交通事故，雖無法確定是此次干預直接起效還是此前事故屬偶然，但為行為側預防提供了實踐參考。

       另外，針對斑馬線上的事故，我們曾嘗試統計老年人橫過馬路亡人事故情況，這類事故核心要素僅為“老年人、橫過馬路、亡人”，但僅靠人工從三年的歷史資料（包括交通事故責任認定書、違法系統記錄、案件調查材料）中統計，一人耗時一周仍未完成。 

       這一經歷讓我意識到，僅靠人工匯總、分析、運用數據難度極大，此后也有科技公司就此提出了相關建議。實際上，這類數據處理問題可通過語言大模型解決。將相關資料匯總后，語言大模型能實現秒級分析，基于此，我們開始研究當前存在的問題及語言大模型可提供的便利。

       當前對事故的描述存在明顯不足，無論是事故處理單、案件調查單，還是相關人員的表述，都較為籠統；而語言大模型可挖掘更細顆粒度的關聯因子，且擅長對隱藏在非結構化數據中的事故特征進行語義分析與歸納總結，能將非結構化數據轉化為結構化、系統化的數據，提升數據完整性。

       此外，傳統事故分析依賴主觀經驗，存在“千人千面、千文千面”的問題，語言大模型則可作為“固化專家”。雖此前多位專家提及大語言模型仍有不足，但在信息量要求不高、場景不復雜，且關鍵要素提取目標明確的前提下，其分析精度較高，能打破傳統認定的局限，實現分析維度的擴展。

       人工分析的數據變量有限，而大模型憑借強大算力，可秒級洞察高維數據組合。數據結構化后，大模型能進行各類組合分析，彌補專業經驗盲區，通過千萬級參數，對人、車、路、環境、天氣、時段等因素的交叉交互效應進行秒級運算，自動捕捉關鍵要素。

       例如，若需提取“周末、雨天、無照明、變道不打燈”這類組合要素，可結合城市交通形態設置不同組合，數據庫中可支持200余項要素的組合，依據不同城市的時空特點靈活調整，實現從“看得見”到“算得準”的跨越。

       具體實施步驟大致為數據采集、清洗、標注與關聯，目前該工作仍處于試水階段。原始資料主要采用事故責任認定書，后續可擴展至案件調查報告、互聯網各類相關數據等。將資料掃描上傳至系統后，通過事故歸因模型開展組合分析、分類分析等工作，明確潛在風險人員，為后續工作提供指導。

       當前該系統的應用場景仍有限，深度與廣度需進一步挖掘，但僅通過事故責任認定書開展歸因分析的技術已較為成熟。其效率優勢十分顯著，遠高于人工。

       一個優勢是組合分析可實現秒級響應，例如此前人工統計三年“斑馬線上老人亡人”事故數據，兩人耗時一周仍未完成，而大模型查詢此類組合要素僅需秒級；另一個優勢是分析結果更客觀，標準統一，可將經驗知識固化并實現實時在線。 

       以“未降低行駛速度”這一事故描述為例，《道路交通安全法》第42條規定，夜間行駛、在易發生危險路段行駛，或遇到沙塵、冰雹等天氣時應降低速度，但事故責任認定中僅籠統表述為“未降低行駛速度”。

       通過歸因模型，可將這一要素細化分類，如“天氣因素下未降低速度”“人行橫道未降低速度”“路口未降低速度”“夜間未降低速度”等20余項細分要素，要素顆粒度越細，后續數據組合分析的準確性越高。 

       系統構建了友好的人機交互界面，事故成因分析及提取的要素清晰明確，操作采用菜單式設計，可不斷豐富選項——例如選擇“交叉路口”等要素后，查詢結果能在地圖上直觀展示，支持環境因素交叉分析、事故要素多維度分析等功能。

       這一過程的核心在于，通過多要素勾勒風險駕駛特征，進而構建駕駛人多維度畫像：基于要素標簽對駕駛人行為進行分類，涵蓋高頻違法、高頻路段、特殊天氣下的行為等維度，形成全面的行為畫像。

        5. 精準干預讓事故止于未發 

       不過，提取要素、識別隱患并非最終目的，關鍵在于如何運用這些數據實現精準干預，防范事故于未然。通過歸因模型找到事故原因后，還需借助視角模型定位存在風險駕駛行為的人群，避免其實施風險行為。

       盡管視角模型的深層應用可能涉及偵查辦案相關內容，但可公開的核心價值在于：將海恩法則的經驗轉化為可計算、可預測、可干預的技術體系，實現多元信息融合、結構化處理與隱患路口還原。

       基于此，可對駕駛人風險行為進行細分組合，如“新手魯莽型”“熟手麻痹型”“夜間高危型”等，實行“一人一案、一事一策”。

        一方面，針對不同風險類型的駕駛人推送提醒，減少其風險行為；另一方面，為警力部署提供精準指引，改變傳統“大海撈針”式的巡邏模式——不再是無目的地出動警車，而是將數據推送至民警警務通，對排名前10%的高風險對象開展精準打擊，對10%-40%的中風險對象進行警示，對40%以后的低風險對象僅作提醒。

        從實施效果來看，在不同時空維度針對易發生事故、違法的場景采用該手段后，同類違法與有效警情均有所下降。 

        6. 讓安全出行成為習慣 

       歸根結底，無論采用何種技術手段，最終目標都是讓安全出行成為全民習慣。短期內可通過機制建設推動落實，中期可深化技術應用，最終形成交通風險知識圖譜，實現風險預知與安全出行，將交通管理目標轉化為全民的自覺習慣。

來源：賽文交通網

如有侵權請及時提醒