低渗透率智能网联环境下高风险事件预警方法

来源：同济大学学报·自然科学版杂志2023年第10期北京时间：

作者：陈晓芸，叶颖俊，余荣杰，孙剑

单位：同济大学 道路与交通工程教育部重点实验室，上海 201804

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

基金资助：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）