| 低渗透率智能网联环境下高风险事件预警方法 |
| |
| 引用本文： | 陈晓芸,叶颖俊,余荣杰,孙剑.低渗透率智能网联环境下高风险事件预警方法[J].同济大学学报(自然科学版),2023,51(10):1595-1605. |
| |
| 作者姓名： | 陈晓芸 叶颖俊 余荣杰 孙剑 |
| |
| 作者单位： | 同济大学 道路与交通工程教育部重点实验室，上海 201804 |
| |
| 基金项目： | 国家重点研究发展计划（2018YFB1600505）；国家自然科学基金重点项目（52125208）；浙江省重点研发计划（2021C01011） |
| |
| 摘 要： | 提出一种低渗透率智能网联环境下高风险事件预警方法。具体而言，基于熵能表征系统状态的特点提出交通熵的概念，将个体车辆的微观驾驶行为量化为交通熵，以表征交通流状态；再将交通熵作为长短时记忆网络模型（Long Short-term Memory， LSTM）的输入参数建立预警模型；最后，使用HighD轨迹数据集提取高风险事件，并验证模型有效性。结果显示，使用交通熵的模型误报率和漏报率大幅降低。以智能车渗透率10 %为例，误报率和漏报率分别从6.18 %和11.47 %下降到了1.95 %和3.12 %；在预测模式下，对高风险事件误报率和漏报率为2.28 %和3.82 %。
|
| 关 键 词： | 交通安全 智能网联交通 高风险事件 交通熵 预警模型 低渗透率 |
| 收稿时间： | 2022/5/5 0:00:00 |
Early Warning Methods for Traffic High-risk Events Under Low Penetration of Connected and Autonomous Vehicles |
| |
| CHEN Xiaoyun,YE Yingjun,YU Rongjie,SUN Jian.Early Warning Methods for Traffic High-risk Events Under Low Penetration of Connected and Autonomous Vehicles[J].Journal of Tongji University(Natural Science),2023,51(10):1595-1605. |
| |
| Authors: | CHEN Xiaoyun YE Yingjun YU Rongjie SUN Jian |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 |
