低渗透率智能网联环境下高风险事件预警方法

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

所属期刊栏目：51

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家重点研究发展计划项目;国家自然科学基金;浙江省重点研发计划

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1595-1605