التطور السريع لتقنيات الحساسات والذكاء الاصطناعي يخلق فرصًا جديدة لتعزيز سلامة المرور. تم نشر كاميرات لوحة القيادة (dashcams) على نطاق واسع في المركبات التي يقودها البشر وفي المركبات ذاتية القيادة. سيحسن نموذج الذكاء الحاسوبي الذي يمكنه التنبؤ بدقة وسرعة بالحوادث من بيانات الفيديو الخاصة بكاميرات لوحة القيادة الاستعداد لمنع الحوادث. تتمثل التعاملات الزمانية-المكانية للعناصر المرورية في تعقيد كبير. يتم تضمين المؤشرات البصرية للتنبؤ بحادث مستقبلي بعمق في بيانات الفيديو الخاصة بكاميرات لوحة القيادة. لذلك، لا يزال التوقع المبكر للحوادث المرورية تحديًا. مستوحىً من سلوك التركيز البصري للبشر عند ادراك مخاطر الحوادث، يقدم هذا البحث شبكة انتباه زماني-مكانية ديناميكية (DSTA) للتنبؤ المبكر بالحوادث من خلال فيديوهات كاميرات لوحة القيادة. تقوم شبكة DSTA بتعلم اختيار المقاطع الزمنية المميزة لمتسلسلة الفيديو باستخدام وحدة انتباه زمني ديناميكي (DTA). كما أنها تتعلم التركيز على المناطق المكانية المعلوماتية في الإطارات باستخدام وحدة انتباه مكاني ديناميكي (DSA). يتم تدريب وحدة التكرار المشروطة (GRU) بشكل مشترك مع وحدات الانتباه لتوقع احتمالية حدوث حادث مستقبلي. أكد تقييم شبكة DSTA على قاعدتين معياريتين للبيانات أنها قد تفوقت على أداء التقنيات الرائدة حاليًا. أظهرت دراسة تقليص شاملة لتقييم شبكة DSTA على المستوى المكون كيف تحقق الشبكة هذا الأداء. بالإضافة إلى ذلك، يقترح هذا البحث طريقة لدمج درجات التوقع من نموذجين مكملين ويؤكد فعاليتها في زيادة أداء التنبؤ المبكر بالحوادث.