التعرف على الأحداث الغير طبيعية مثل مخالفات المرور والحوادث في المشاهد الطبيعية للقيادة أمر ضروري لنجاح القيادة الذاتية وأنظمة المساعدة المتقدمة للسائقين. ومع ذلك، فإن معظم الأعمال المتعلقة بكشف الشذوذ في الفيديو تعاني من عيبين حاسمين. أولاً، يفترضون أن الكاميرات ثابتة وأن الفيديوهات لديها خلفيات ثابتة، وهو ما يكون معقولًا في تطبيقات المراقبة ولكنه غير مناسب للكاميرات المثبتة على المركبات. ثانيًا، يطرحون المشكلة كتصنيف فئة واحدة، مستندين إلى قواعد بيانات تدريب تم تصنيفها يدويًا بعناية والتي تحد من التعرف إلى فئات الشذوذ التي تم تدريبها بشكل صريح فقط. يقدم هذا البحث نهجًا غير مشرف عليه لكشف الحوادث المرورية في مقاطع الفيديو من وجهة نظر الشخص الأول (الكاميرا المثبتة على لوحة القيادة). الجديد الرئيسي في عملنا هو اكتشاف الشذوذ عن طريق التنبؤ بمواقع المشاركين في حركة المرور المستقبلية ثم رصد دقة التنبؤ ومقاييس الثبات باستخدام ثلاث استراتيجيات مختلفة. نقيم نهجنا باستخدام مجموعة بيانات جديدة ومتنوعة للحوادث المرورية، وهي مجموعة بيانات كشف الحوادث AnAn (A3D)، بالإضافة إلى مجموعة بيانات أخرى متاحة للجمهور. تظهر النتائج التجريبية أن نهجنا يتفوق على أفضل التقنيات الحالية.