考虑货车因素的高速公路短期交通流风险预测

基于G15上海段的交通流数据和交通事故数据,研究货车比例较高且货车事故率较高的高速公路短期交通流风险预测模型.分别选取整体交通流参数、货车交通流参数和综合参数作为特征变量,通过支持向量机进行建模,运用遗传算法对模型参数进行寻优,建立不同时间段、不同风险特征变量的分类模型并对比分析.结果表明事故发生前5~10min的模型预测精度最高.当加入货车因素时,总体的预测精度提高7.1%,事故预测精度提高6.1%,误报率降低4.7%.采用平均影响值法进行货车因素对预测结果的影响程度分析,表明货车因素对于预测模型有较大影响.该研究模型可用来开发交通安全预警系统,为高速公路货车安全管理提供理论依据.

考虑货车因素图注意力网络的自动驾驶车辆轨迹预测方法

为提高车辆自动驾驶的安全性并减少拥堵的可能性,创新性地考虑货车因素对车辆交互感知的影响,提出一种基于图注意力网络的车辆自动驾驶轨迹预测算法。该算法首先采用编码器-解码器架构,其中Encoder利用全连接层和LSTM层,将输入的低维特征转换为高维表示,并初步提取轨迹的时序特征;其次,以GAT作为Encoder的输出,通过图注意力网络动态捕捉车辆间的空间关系,增强了模型对复杂交通环境的感知能力;最后,利用GAT的结果,结合一个全连接层和一个可训练权重矩阵进行驾驶意图识别,并将识别结果与GAT输出串联,再次输入LSTM网络以生成最终轨迹预测。通过在NGSIM数据集上的实验验证,数值结果表明,考虑货车因素的模型在轨迹预测结果上得到更小的均方根误差,显著提升了预测精度。

高速公路货车——祸车之变的原因与对策

货车的交通安全问题日益突出,已经引起了多方关注。货车是高速公路上的主要交通流,其安全问题不容忽视。涉及货车交通事故的因素包括:货车驾驶人、货车结构本身、道路环境与管理。实现货车转危为安必须依靠多主体管理协同、道路安全、车辆的技术创新,以及驾驶员的安全化。货车驾驶员的职业性特征决定了交通运输管理部门应当承担的职责不仅仅是提供安全的、高承载能力的道路,更应该加强运输企业及其驾驶员的职业生涯安全管理。