基于多模态时序解耦的高速公路关键节点事故预测方法

本发明提供基于多模态时序解耦的高速公路关键节点事故预测方法，涉及数据处理技术领域，所述方法包括：对空间增强特征进行多尺度时序解耦处理，利用分层时序卷积分离局部波动与全局趋势成分，生成时空融合的高阶特征表征；将时空融合的高阶特征表征与气象监测数据进行跨模态融合，采用多头注意力计算模态间自适应权重分配与特征增强，生成多模态融合特征向量；基于多模态融合特征向量，计算得到各关键节点在未来时段内的事故发生概率；对事故发生概率进行动态阈值的风险等级划分，生成预警信息并推送至交通运行管理平台。本发明为交通运行管理平台提供有效预警，提升事故预测准确性与交通管理效率。