构建可部署的美国道路事故预测系统，融合实时天气与道路级数据
Road Risk Monitor: A Deployable U.S. Road Incident Forecasting System with Live Weather and Road-Level Tiles
- 基于H3网格和道路段几何数据构建全国性事故预测框架
- 使用FARS致命事故数据训练基线模型，结合实时天气提升预测精度
- 支持API、栅格瓦片、JSON道路瓦片等多种服务形式，适合交通管理部门使用
全美范围的道路事故预测首先是一个系统工程问题。一个可用的服务需整合历史事故档案、历史及实时天气数据、全国道路几何信息、离线模型训练、瓦片生成、Web服务以及运行时调度。本文提出Road Risk Monitor，一个覆盖全美的道路安全系统：采用基于FARS致命事故数据训练的全国性H3网格基线模型，结合TIGER/Line道路几何数据与US-Accidents事件数据构建道路段级预测流水线，并通过实时API、栅格瓦片、JSON道路瓦片及公开网页应用提供服务。
原文摘要 · Abstract (English)
Nationwide road-incident forecasting is a systems problem before it is a modeling problem. A usable service must connect historical incident archives, historicalandliveweather,nationalroadgeometry, offline model training, tile generation, web serving and runtime handoff. This paper presents Road Risk Monitor, a U.S.-wide road-safety stack that combines a nationwide H3 baseline trained on FARS fatal-crash data with a road-segment forecasting pipeline trained from TIGER/Line geometry and US-Accidents events, then serves predictions through live APIs, raster tiles, JSON road tiles, and a public web application.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。