吉林大学学报(工学版) ›› 2022, Vol. 52 ›› Issue (6): 1337-1343.doi: 10.13229/j.cnki.jdxbgxb20210697

• 交通运输工程·土木工程 • 上一篇    

基于边缘智能的城市下穿隧道车辆行车安全预测

王海晓1(),李永翔1(),丁旭1,张宝华2   

  1. 1.内蒙古农业大学 能源与交通工程学院，呼和浩特 010018
    2.内蒙古科技大学 信息工程学院，内蒙古 包头 014010
  • 收稿日期:2021-07-29 出版日期:2022-06-01 发布日期:2022-06-02
  • 通讯作者: 李永翔 E-mail:wanghx@imau.edu.cn;lyxiang@imau.edu.cn
  • 作者简介:王海晓（1981-），女，副教授，硕士. 研究方向：交通仿真与人机环境. E-mail：wanghx@imau.edu.cn
  • 基金资助:
    国家自然科学基金项目(61962046);内蒙古自然科学基金项目(2019MS05005);内蒙古自治区科技计划项目(2021GG0082)

Traffic safety prediction of urban underpass tunnel vehicles based on edge intelligence

Hai-xiao WANG1(),Yong-xiang LI1(),Xu DING1,Bao-hua ZHANG2   

  1. 1.College of Energy & Transportation Engineering，Inner Mongolia Agricultural University，Hohhot 010018，China
    2.School of Information Engineering，Inner Mongolia University of Science and Technology，Baotou 014010，China
  • Received:2021-07-29 Online:2022-06-01 Published:2022-06-02
  • Contact: Yong-xiang LI E-mail:wanghx@imau.edu.cn;lyxiang@imau.edu.cn

RICH HTML

 9   

PDF (PC)

258

摘要：

针对传统预测方法对城市下穿隧道进行行车安全预测时，没有全面分析车辆行车安全的影响因素，存在行车安全预测精度低和预测结果不稳定的问题，本文提出了基于边缘智能的城市下穿隧道车辆行车安全预测方法。首先，构建一个边缘智能深度学习模型，对行车数据进行获取和处理，分析行车安全的影响因素。然后，根据分析结果，对城市隧道不同交通流状态下行车时的交通冲突进行了预测。最后，通过仿真对比了该方法与两种传统机器学习算法的预测性能。结果表明，本文方法能够预测交通事故发生的风险性，对城市下穿隧道行车安全预测的精度在90%以上，较传统方法具有更高的准确度。

关键词: 边缘智能, 城市下穿隧道, 车辆影响因素, 安全预测

Abstract:

When the traditional method is used to predict the traffic safety of urban underpass tunnels， the influencing factors of vehicle safety are not fully analyzed， and the prediction accuracy of traffic safety is low and the prediction results are unstable.In this paper，a safety prediction method based on edge intelligence is proposed.Firstly， an edge intelligent deep learning model is constructed to acquire and process driving data and analyze the influencing factors of traffic safety. Then， according to the analysis results， the traffic conflicts in urban underpass tunnels under different conditions of traffic flow are predicted.Finally， the predictive performance of this method is compared with other traditional machine learning by simulation.The results show that this method can predict the risk of traffic accidents， and the accuracy of traffic safety prediction is more than 90%， which is higher than other traditional methods.

Key words: edge intelligence, urban underpass tunnels, vehicle influencing factors, safety prediction

中图分类号: 

  • U491.1

图1

边缘深度学习模型"

图2

不同交通量时交通冲突的预测值和实测值"

图3

三种预测模型的预测精度对比图"

图4

三种预测模型的ROC对比图"

1 蔡延光, 陈骋逵, 蔡颢, 等. 基于视频信息的城市路段交通安全状态评估方法研究[J]. 计算机应用研究, 2019, 36(1): 73-76.
Cai Yan-guang, Chen Cheng-kui, Cai Hao, et al. Safety state evaluation method of urban road traffic based on video information[J]. Application Research of Computers, 2019, 36(1): 73-76.
2 Wang Hai-xiao, Liu Fang, Tang Jin-jun. Exploring intra-urban travel mobility using large-scale taxi global positioning system trajectories[J]. International Journal of Vehicle Structures and Systems, 2018, 10(2): 150-159.
3 赵海涛, 程慧玲, 丁仪, 等. 基于深度学习的车联边缘网络交通事故风险预测算法研究[J]. 电子与信息学报, 2020, 42(1): 50-57.
Zhao Hai-tao, Cheng Hui-ling, Ding Yi, et al. Research on traffic accident risk prediction algorithm of edge internet of vehicles based on deep learning[J]. Journal of Electronics & Information Technology, 2020, 42(1): 50-57.
4 陈良, 史志才, 张翔, 等. 基于粒子群优化人工神经网络的临界行车安全距离预测[J]. 汽车技术, 2020(3): 1-4.
Chen Liang, Shi Zhi-cai, Zhang Xiang, et al. Prediction and simulation of critical driving safety distance based on PSO-ANN[J]. Automobile Technology, 2020(3): 1-4.
5 唐敏, 王东强, 曾鑫钰. 汽车碰撞预警主动安全预测方法[J]. 计算机科学, 2020, 47(4): 318-322.
Tang Min, Wang Dong-qiang, Zeng Xin-yu. Active safety prediction method for automobile collision warning[J]. Computer Science, 2020, 47(4): 318-322.
6 李志慧, 孙雅倩, 陶鹏飞, 等.交通事故后的交通运行风险状态等级预测方法[J]. 吉林大学学报: 工学版, 2022, 52(1): 127-135.
Li Zhi-hui, Sun Ya-qian, Tao Peng-fei, et al. Prediction method of traffic operation risk level after traffic accident[J]. Journal of Jilin University (Engineering and Technology Edition), 2022, 52(1): 127-135.
7 吴立新, 程国柱, 秦丽辉, 等. 寒区冰雪期城市道路交通冲突与事故预测[J]. 交通运输系统工程与信息, 2016, 16(6): 216-221.
Wu Li-xin, Cheng Guo-zhu, Qin Li-hui, et al. Urban road traffic conflict and accident prediction during the period of ice and snow in cold region[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(6): 216-221.
8 王蕾, 邱锋, 夏永旭, 等. 基于道路环境因素的公路隧道交通事故预测[J]. 隧道建设, 2019, 39(8): 1301-1307.
Wang Lei, Qiu Feng, Xia Yong-xu, et al. Traffic accident prediction of highway tunnel based on road environmental factor[J]. Tunnel Construction, 2019, 39(8): 1301-1307.
9 孙志刚, 王国涛, 蒋爱平, 等. 基于信息融合技术的行车安全监测系统[J]. 计算机科学, 2020, 47(): 642-650, 661.
Sun Zhi-gang, Wang Guo-tao, Jiang Ai-ping, et al. Monitoring system of traffic safety based on information fusion technology[J]. Computer Science, 2020, 47(Sup.2): 642-650, 661.
10 陈计伟, 史志才, 刘瑾, 等. 道路交通行车安全预警算法研究[J]. 电子测量技术, 2019, 42(5): 6-10.
Chen Ji-wei, Shi Zhi-cai, Liu Jin, et al. Research on early warning algorithm of driving safety about road traffic[J]. Electronic Measurement Technology, 2019, 42(5): 6-10.
11 赵慧龙, 宋战平, 王军保. 某矿山法施工隧道下穿公路数值模拟分析[J]. 现代隧道技术, 2019, 56(): 340-346.
Zhao Hui-long, Song Zhan-ping, Wang Jun-bao. Numerical simulation and analysis of a mined tunnel crossing under a highway based on MIDAS-GTS[J]. Modern Tunnelling Technology, 2019, 56(Sup.2): 340-346.
12 方博文, 张晓东, 陈敬义, 等. 基于双目视觉的行车中障碍距离检测方法研究[J]. 机械设计与制造, 2019(4): 94-98.
Fang Bo-wen, Zhang Xiao-dong, Chen Jing-yi, et al. Research on detecting method of obstacle distance in driving based on binocular vision[J]. Machinery Design & Manufacture, 2019(4): 94-98.
13 王露, 刘玉雯, 陈红. 侧风下峡谷桥隧连接段汽车的行驶特性[J].吉林大学学报: 工学版, 2019, 49(3): 736-748.
Wang Lu, Liu Yu-wen, Chen Hong. Cross-wind environment vehicle driving feature at canyon bridge and tunnel connection segment[J]. Journal of Jilin University (Engineering and Technology Edition), 2019, 49(3): 736-748.
14 朱顺应, 蒋若曦, 王红, 等. 机动车交通冲突技术研究综述[J]. 中国公路学报, 2020, 33(2): 15-33.
Zhu Shun-ying, Jiang Ruo-xi, Wang Hong, et al. Review of research on traffic conflict techniques[J]. China Journal of Highway and Transport, 2020, 33(2): 15-33.
15 王乾, 蒋树屏, 刘海龙, 等. 城市道路隧道交通事故特征分析[J]. 地下空间与工程学报, 2019, 15(): 460-469.
Wang Qian, Jiang Shu-ping, Liu Hai-long, et al. Analysis on traffic accident characteristics of urban road tunnels[J]. Chinese Journal of Underground Space and Engineering, 2019, 15(Sup.1): 460-469.
16 朱彤, 吴玲, 胡月琦, 等. 基于因子模型的高速公路特长隧道驾驶人心理负荷特性研究[J]. 中国公路学报, 2018, 31(11): 165-175.
Zhu Tong, Wu Ling, Hu Yue-qi, et al. Research on characteristics of drivers' mental workload in extra-long expressway tunnels based on the factor model[J]. China Journal of Highway and Transport, 2018, 31(11): 165-175.
[1] 杨世军,裴玉龙,潘恒彦,程国柱,张文会. 城市公交车辆驻站时间特征分析及预测[J]. 吉林大学学报(工学版), 2021, 51(6): 2031-2039.
[2] 滕文龙,丛炳虎,商云坤,张予宸,白天. 基于MEA⁃BP神经网络的建筑能耗预测模型[J]. 吉林大学学报(工学版), 2021, 51(5): 1857-1865.
[3] 彭博,张媛媛,王玉婷,唐聚,谢济铭. 基于自动编码机-分类器的视频交通状态自动识别[J]. 吉林大学学报(工学版), 2021, 51(3): 886-892.
[4] 朱才华,孙晓黎,李岩. 站点分类下的城市公共自行车交通需求预测[J]. 吉林大学学报(工学版), 2021, 51(2): 531-540.
[5] 常玉林,袁才鸿,孙超,张鹏. 基于改进元胞传输模型的城市路网实际阻抗计算方法[J]. 吉林大学学报(工学版), 2020, 50(1): 132-139.
[6] 梁泉,翁剑成,周伟,荣建. 基于关联规则的公共交通通勤稳定性人群辨识[J]. 吉林大学学报(工学版), 2019, 49(5): 1484-1491.
[7] 白乔文,曲昭伟,陈永恒,熊帅,陶楚青. 非严格优先权下无左转专用相位直行车辆轨迹模型建立[J]. 吉林大学学报(工学版), 2019, 49(3): 673-679.
[8] 陈磊,王江锋,谷远利,闫学东. 基于思维进化优化的多源交通数据融合算法[J]. 吉林大学学报(工学版), 2019, 49(3): 705-713.
[9] 凃强,程琳,林芬,孙超. 考虑出行者风险态度的最优路径搜索[J]. 吉林大学学报(工学版), 2019, 49(3): 720-726.
[10] 宗芳, 齐厚成, 唐明, 吕建宇, 于萍. 基于GPS数据的日出行模式-出行目的识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1374-1379.
[11] 栾鑫, 邓卫, 程琳, 陈新元. 特大城市居民出行方式选择行为的混合Logit模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1029-1036.
[12] 侯现耀, 陈学武. 基于态度的公交出行信息使用市场细分[J]. 吉林大学学报(工学版), 2018, 48(1): 98-104.
[13] 李志慧, 汪昆维, 宋现敏, 刘鑫山, 谌垚, 罗瑞琪. 基于车道选择特性的环形交叉口行程时间预测[J]. 吉林大学学报(工学版), 2017, 47(5): 1411-1419.
[14] 周熙阳, 杨兆升, 张伟, 邴其春, 商强. 考虑干线协调控制的城市最优路径搜索算法[J]. 吉林大学学报(工学版), 2016, 46(6): 1799-1806.
[15] 宗芳, 王占中, 贾洪飞, 焦玉玲, 吴杨. 基于支持向量机的通勤日活动-出行持续时间预测[J]. 吉林大学学报(工学版), 2016, 46(2): 406-411.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发