科创中国

本发明公开了一种高速公路交织区交通安全状态预测方法，包括：获取研究所需的高速公路交织区信息；获取交织区研究区域内的事故数据；获取交织区事故发生前的交通流数据；获取非事故样本的交通流数据；建立卷积神经网络提取事故和非事故样本的交通流时空特征；利用聚类算法实现交通安全状态划分；交通安全状态危险等级划分；建立卷积神经网络进行交通安全状态预测模型训练；实时交通安全状态预测。该方法利用深度学习算法实现安全为导向的交通流状态划分，定量分析各交通状态对事故风险的影响，建立交通安全状态预测模型，实时监测高速公路交织区交通流运行状态，为改善高速公路交织区交通流运行，减少交通事故的发生提供一定的理论基础。

技术问题：本发明所要解决的技术问题是：提供一种高速公路交织区交通安全状态预测方法，该方法以高速公路交织区为研究对象，利用卷积神经网络自动提取高精度交通流数据的时空特征，并结合深度聚类完成以安全为导向的交织区交通运行状态划分，定量分析不同交通安全状态对事故风险的影响，识别事故发生前的危险交通流运行状态，为实时监测高速公路交织区事故发生，改善交织区交通流运行提供一定的理论基础。技术方案：本发明一种高速公路交织区交通安全状态预测方法，该方法包括以下步骤：步骤1)获取交织区进出口匝道的坐标信息，在交织区进口处上游、进口处、出口处、出口处下游和进、出口匝道处分别安装一个交通流检测设备；步骤2)以步骤1)中进口处上游和出口处下游所安装的两个交通流检测设备之间的区域为研究区域，获取该研究区域内的若干历史事故数据，每条事故数据包含事故发生时间和地点；步骤3)对于步骤2)中的每条事故数据，获取该研究区域事故发生前设定时间T内的交通流数据，得到事故样本；其中，交通流数据包括每个交通流检测设备检测到的每条车道的交通流量、车道占有率和车辆速度；

交织区一直以来都被视为高速公路交通运行效率和安全的主要瓶颈。在交织区内，车辆需要在有限的时间和空间内完成交织动作，为此需要频繁地加减速和变道，与高速公路基本路段相比，任何交通扰动都更容易诱发交通拥堵和驾驶错误，从而增大交通事故发生的概率。因此，高速公路交织区的安全运行始终是道路安全领域研究的热点问题。

这些年来，已有的研究大多利用传统方法构建交织区交通事故频次和交通流、道路设计等影响因素间的统计关系，但传统方法对历史事故数据质量要求较高，且获取过程耗时耗力随着城市高速公路动态监测系统的快速发展，越来越多的学者开始利用高精度交通流数据实时预测高速公路的事故风险，从而实时识别出危险交通流运行状态。但已有的研究均针对高速公路基本路段，无法准确描述交织区独有的交通运行特征。

此外，已有的交通安全状态分类大多采用传统的聚类算法(如k‑means聚类)，根据提取的交通流特征进行聚类分析。但传统的聚类算法无法直接输入高维度的交通流数据，需要依赖人类经验选择集计后的交通流变量作为算法输入，这一操作极易造成交通流信息的缺失，从而使得交通流状态分类结果出现偏差。

此技术为东南大学郭延永研发，培养高等学历人才，促进科技文化发展。文学类、工学类、医学类和管理学类学科高等专科学历教育经济学类、法学类、文学类、理学类、工学类、医学类和管理学类学科本科学历教育哲学类、经济学类、法学类、教育学类、文学类、理学类、工学类、医学类和管理学类学科硕士研究生学历教育哲学类、文学类、理学类、工学类和管理学类学科博士研究生学历教育博士后培养相关科学研究、继续教育、专业培训、学术交流与咨询服务

有益效果：与现有技术相比，本发明的技术方案具有以下有益效果：

1)交通安全状态分类更准确译

与现有技术相比，选择的深度学习算法可以直接输入高精度的交通流数据，自动提取交通流的时空特征，因此确保了交通流信息的完整性，避免了因集计造成的信息丢失，同时，该方法针对的是运行复杂的高速公路交织区，划分出的交通安全状态能更好地描述交织区交通流状态的运行；

2)准确预测事故发生前危险状态译

利用本发明方法得到的交通安全状态能更准确地反映事故发生前的交通流运行特征。在此基础利用本发明方法预测交通流运行状态可以为实时监测高速公路交织区事故发生，改善交织区交通流运行提供一定的理论依据。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。