低渗透率智能网联环境下高风险事件预警方法

作者：陈晓芸; 叶颖俊; 余荣杰; 孙剑^*

来源：同济大学学报(自然科学版), 2023, 51(10): 1595-1605.

• 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

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%。

• 单位
  同济大学