基于车辆动态行为特征的交通状态识别研究

来源：交通运输系统工程与信息杂志2025年第1期北京时间：

作者：李熙莹, 卢美燕, 何兆成, 苏淑妍, 庞淑敏

单位：1. 中山大学，智能工程学院，广东深圳518107；2.广东省智能交通系统重点实验室，广东深圳518107

摘要：交通状态识别研究对于预防和缓解交通拥堵具有重要的研究价值，不仅能够为交通管理提供决策支持，还能有效提升道路的运行效率。传统的交通状态识别方法仅考虑单一的宏观特征参数，忽视车辆变道行为的影响以及由此产生的车辆间相互干扰，导致状态划分空间粒度较粗，状态辨识不够精细化，难以深入分析交通拥堵的成因。对此，本文提出一种无人机视角下基于车辆动态行为特征的交通状态识别方法。首先，该方法结合基于旋转检测框的车辆检测算法(YOLOv8s-OBB)和车辆跟踪算法(BoTSORT)检测和跟踪车辆，解决水平框中背景像素冗余以及车辆框重叠的问题，提取车辆空间方向角和旋转4点坐标等更精准的车辆轨迹数据，并计算微观交通流参数；其次，利用获取的车辆空间方向角和旋转位置信息提出车辆动态行为特征参数，即变道干扰率和车辆方向波动指数；然后，结合宏观的平均速度和交通密度参数，构建多维状态特征空间，应用于实际道路场景的交通状态识别。最终实验结果表明：在旋转车辆目标检测中，该方法的mAP@0.5达到0.987，输出的车辆轨迹数据稳定且连续；在交通状态识别中，在平均速度和交通密度作为宏观特征参数的基础上引入变道干扰率后，状态识别精确度达到0.983；进一步，引入车辆方向波动指数后，状态识别精确度达到0.987。同时，根据状态特征空间表征，可以更加精准地将交通状态划分为4种状态，即畅通态、平稳态、拥挤态和堵塞态，从而可以为车辆动态行为定量化分析交通状态影响，为基于无人机视角的交通状态识别提供新的理论参考，为智能交通系统提供先进的状态精细感知。

关键词：城市交通,交通状态识别,车辆动态行为特征参数,旋转车辆检测与跟踪,无人机航拍

基金资助：国家自然科学基金(U21B2090)；广东省基础与应用基础研究基金(2022A1515010361)。