高速公路交通态势流动感知技术的应用研究

基于车联网视频的交通态势流动感知技术应用,能弥补固定路网监测站点的不足,该应用通过人工智能技术完成各类交通事件的智能识别上报,并基于高速路网大数据研究流动监测车辆部署及路线方案,解决高速管理单位巡检痛点,建立高效的事件风险监控机制。

高速公路行车伴随服务信息系统设计构建

为了贯彻交通运输部《交通运输领域新型基础设施建设行动方案(2021-2025年)》文件精神,按照云南交投“十四五”发展战略规划的行动方案,基于现有云南省高速公路出行信息服务应用的建设基础,融合路网出行服务、ETC服务、服务区服务、差异性收费方案、ETC用户和车流通行数据,研究高速公路行车伴随服务信息系统设计与体系构建。依托多种终端载体,对伴随服务进行系统设计与体系的研究,结合信息运营和融合支付等手段,实现云南省高速公路“全天候”的行车伴随服务,以此打造云南交投“融合服务站”出行服务品牌,实现引车上路,服务区的引流增收,助力云南交投全面提升“投融建营”能级实施方案,助力云南高速通道经济的发展。

基于GS-AdaBoost优化模型的隧道入口车辆换道行为预测

准确估计隧道入口车辆行为对于提高隧道行车安全与效率具有重要意义.现有车辆行为预测较少考虑车辆之间的交互信息,且车辆运动数据往往存在特征条件多等问题,难以应用于存在强交互的密集交通流场景.基于此,对隧道入口车辆换道特性进行分析,并提出一种车辆换道行为预测的模型优选超参数优化方法.首先,基于车辆轨迹数据,从换道位置和持续时间角度进行小轿车和货车换道特性分析;然后,遴选含3 570个样本的轨迹数据,进行描述性统计,并对车辆换道行为进行分类,标记出向左和向右换道样本2 265、1 305组;最后,针对经典逻辑回归和机器学习方法局部最小化以及过拟合问题,优选出Adaboost换道预测模型,采用网格搜索(Grid Search, GS)超参数优化方法实现超参数自动寻优,提出一种GS-AdaBoost优化模型的车辆换道意图预测方法.结果显示:与经典DT(Decision Tree, DT)换道预测模型相比,GS-AdaBoost优化在模型精确率(Precision)、召回率(Recall)、准确率(Accuracy)、F1值(F1score)、特异度(Specificity)方面分别提升了6.18%、17.83%、12.97%、29.38%、8.88%,优选模型性能得到有效提升,表明GS-AdaBoost集成学习优化模型具有较好的鲁棒性和适用性,可为车辆换道意图预测多分类问题提供一种理论方法.