基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）;然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。     

融合多源数据的高速公路路段车流碳排放精细测算方法

在“双碳”政策的时代背景下，交通行业碳减排任务艰巨，但目前面临车辆碳排放测算精度不高的问题。为实现车辆碳排放的精细测算，文中提出了一种融合多源数据的高速公路路段车流碳排放精细测算方法。首先，运用KD-树算法将运营车辆的GPS坐标与高速公路道路点坐标搜索匹配，实现对运营车辆的实时监测。然后，建立车辆碳排放测算模型，进而设计相关的计算流程。最后，以虎门大桥主桥段为例进行路段断面碳排放测算，通过VISSIM仿真及相关对比实验，验证了文中所提出的算法的科学性和可靠性。结果表明：按车辆类型分类，微型小型客车的碳排放最高，占比达74.36%；按燃料类型分类，汽油车的碳排放最高，占比达80.50%；新能源汽车运行车次数占12.60%，但碳排放仅占4.27%，因此大力发展新能源货车是推进高速公路碳减排的重点。研究还发现，将交通饱和度控制在0.32～0.38时，当量标准车的平均碳排放较少；当交通饱和度大于0.62时，当量标准车平均碳排放显著增加。文中研究结果可以为交通管理部门制定相关策略提供理论依据。     

面向运输风险识别的高速公路货车用户画像方法

当前，货车超载超限现象严重，为提升高速公路货车管控效率及货运安全水平，提出基于货运风险特征画像的货车运行风险等级识别模型。首先，基于高速公路收费数据，以货车为研究对象，从驾驶行为和营运状态两方面制定面向货运风险识别的用户画像标签体系；接着对样本数据进行清洗和标签指标提取与分析；然后，利用K-means++算法获得货车货运风险特征画像分类结果，再使用熵权法对各类货车进行货运风险评分，确定各类别货车的风险等级；最后，结合各类别车辆的相关指标，对车辆完成画像。基于广东省全网高速公路2022年3月至5月的货车收费数据，利用所提出的模型，将货车车辆划分为5类，其中，“高风险高强度货车”车辆占比5.42%，“较高风险夜间驾驶超载货车”车辆占比19.12%，“中风险超速货车”车辆占比12.85%，“低风险低频货车”车辆占比37.00%，“低风险高频货车”车辆占比25.61%。使用同期广东省某事故数据库数据对模型进行验证，数据表明，高风险类别车辆的相对风险系数远高于低风险类别车辆。研究表明，所提出的模型可以有效地提取高风险货运特征货车，基于风险等级识别结果，交管部门可进行高风险车辆识别、超载超限重点监...