融合COVID-19影响的印度道路交通事故预测：基于SARIMAX模型的时空分析

印度道路交通事故(RTAs)持续高发，2012-2022年死亡人数逆势增长23%。研究人员采用季节性自回归综合移动平均外生变量模型(SARIMAX)，首次将疫情作为外生变量纳入预测体系。分析2010-2022年月度数据发现，若无干预年事故量将突破44万例，研究为后疫情时代道路安全治理提供了AI监控等关键技术路径。

　　

在印度这个饱受道路交通事故(RTAs)困扰的国度，2012至2022年间出现令人担忧的逆势增长——RTA相关死亡率飙升23%，与全球5%的降幅形成鲜明对比。这项创新性研究突破传统季节性自回归综合移动平均(SARIMA)模型的局限，首次将COVID-19大流行作为关键外生变量纳入季节性自回归综合移动平均外生变量(SARIMAX)预测体系。

通过对2010-2022年月度事故数据的深度挖掘，模型揭示出触目惊心的趋势：若不采取有效干预措施，印度年交通事故量将突破440,000例大关。研究特别捕捉到疫情期间流动性变化对事故率的显著影响，为后疫情时代的道路安全治理提供了数据支撑。

该成果不仅验证了SARIMAX模型在应对突发公共卫生事件冲击时的优越性，更指明了一系列拯救生命的干预路径——从强化政策法规、升级道路基础设施，到部署人工智能(AI)驱动的智能监控系统。这些发现为正处于交通转型关键期的印度，提供了兼顾科学性与实操性的安全治理蓝图。