本数据集的数据来源自广州市黄埔区332个路口的3497个智能网联感知设备、332个V2X路侧通信单元，并将采集到的零散交通事件（施工、事故）信息转化为结构化的实时交通事件数据，以及可量化的风险指标。用于导航服务、智慧驾驶，及时优化路线，避免拥堵的同时，也能有效解决道路交通“安全隐患发现滞后、治理措施凭经验”的痛点。通过数据驱动的方式，实现对事故风险的预测、预警和预防，从而提升整体道路安全水平和交通管理效率。

1.数据来源：原始数据由路侧智能设备采集，传送至边缘计算单元AI识别与数据初处理， 生成时间、路段地址、起止地址等字段数据； 2. 数据加工：利用ETL工具/Python（如Pandas库）等工具，对采集的原始数据进行去重、 无效值剔除、时间格式标准化，并将多源数据（如事件记录、位置信息）进行关联整合；其中“事件模式分类”字段，是应用规则引擎将“时间”转换为时段标签（如morning ），结合“道路位置”特征（包含隧道/高速other/highway）与“ 事件名称”，自动生成“事件模式分类”（如morning_other_事故不分类）； “ 交通影响指数”是利用多维度特征动态加权模型计算得来，具体是以事件类型、持续时间、路段位置为核心特征，按照不同特征的分值占比，及权重修正机制如高峰时段上浮30%、学校/医院等区域上浮20%；“区域风险指数”是对该“道路id”事事件出现次数、事故影响指数进行统计，利用分类模型（如GBDT）计算得到。 3.匿名化与去标识化处理：已将原始视频/ 图像数据中可能包含的车牌、人脸等直接标识符已被完全删除， 精准位置信息也用代码替代处理。

数据集主要应用于需要对道路安全进行精细化、量化评估与管理的各类场景。适用于拥有基础地理信息系统（GIS）或交通管理平台的环境，能够将本数据集中的位置编码、风险指数与电子地图、实时交通流数据等进行结合分析。 例如：政府交通管理部门（如交警、交通委），用于事故高发点的精准识别、警务资源的科学调度以及交通安全设施的优化布局； 智慧交通与导航服务商（如高德、百度地图），用于开发实时风险预警和安全路径规划功能；物流与运输公司，用于评估和优化车队行驶路线，降低事故率；城市规划设计单位，为道路改造和新路建设提供安全设计参考。

序号 发生时间 结束时间 事件状态 事件类型代码 事件类型名称 道路id 道路位置 道路开始位置 道路结束位置 交通影响指数 事件模式分类 区域风险指数 1 2021-08-24 06:49:00 2021-08-24 07:35:00 1 TE102 机动车冲突 151116 萝岗大桥附近 萝岗大桥附近 萝岗大桥附近 0.43 morning_other_机动车冲突 0.52 2 2021-08-30 07:48:00 2021-08-30 08:10:00 1 TE100 事故不分类 122240 石榴岭北317米 0.23 morning_other_事故不分类 0.54 3 2021-09-06 08:34:00 2021-09-06 09:00:00 1 TE102 机动车冲突 104331 港湾路附近 港湾路附近 港湾路附近 0.32 morning_highway_机动车冲突 0.73 附件下载

字段 字段类型 字段说明 序号 数值型 主关键字段，唯一标识符 发生时间 datetime 事件开始时间 结束时间 datetime 事件结束时间 事件状态 字符型 事件处于状态（1：未处理；2：已处理；3、误报） 事件类型代码 字符型 事件分类唯一代码 事件类型名称 字符型 事件类型名称 道路id 字符型 黄埔区内唯一标识的不同道路编码 道路位置 字符型 道路名称 道路开始位置 字符型 事件发生道路的起始位置 道路结束位置 字符型 事件发生道路的结束位置 交通影响指数 数值型 综合考虑事件类型、状态、持续时间、发生时段等多个维度 事件模式分类 字符型 基于时间、地点、事件类型等多维特征进行模式识别 区域风险指数 数值型 基于道路特征和事件类型的风险建模，得到的风险值 （详见附件）