智能识别主动干预 保障道路交通安全 同济大学交通强国建设试点工作取得成效

2022年8月，同济大学获批交通强国建设试点。《交通运输部关于同济大学开展交通基础设施韧性提升关键技术等交通强国建设试点工作的意见》原则同意在交通基础设施韧性提升关键技术、综合交通低碳化发展关键技术、道路交通系统本质安全保障关键技术、一体化出行服务与治理关键技术、综合交通枢纽建设及智慧运营关键技术、高速磁浮交通装备集成验证和综合评估平台建设、智能车路协同系统创新人才培养等方面开展试点。

一年多来，同济大学发挥学科综合优势，深化交叉融合，统筹推进各项试点任务，抓紧早期任务落地，及时形成一批先进经验和典型成果，充分发挥示范引领作用，为加快建设交通强国提供科技支撑。

我国重点营运车辆基数大，且随着产业需求和规模快速发展呈逐年上升趋势。有数据显示，2022年，重点营运车辆发生事故32198起，受伤30554人，死亡13778人，直接经济损失超过4.17亿元。因此，省际班车、省际包车、危化品运输车、重型货车等重点营运车辆易引发大中型车辆的安全问题。

据了解，同济大学交通强国建设试点任务之一——道路交通系统本质安全保障关键技术，其主要内容为研发“广域毫米波雷达+激光雷达+车内外视频检测”结合的全要素运行监控装置，研发具有自主产权的高频率雷达芯片；研究交通参与者行为，构建道路运行视觉环境与驾驶行为谱系模型，研究考虑人因随机性及系统容错能力的人—车—路—管理道路交通系统设计及运行安全评价方法，研发驾驶行为引导及干预技术与装备、面向容错目标的道路交通运行安全风险控制技术与装备等。

自获批交通强国建设试点以来，同济大学项目组以提升重点营运车辆运行安全保障、服务安全生产与交通安全水平提升为目标，围绕“智能识别—主动干预—广域管控”这一主线，开发了重点营运车辆危险驾驶行为表征方法和识别技术，形成了危险驾驶行为演化理论，攻克了危险驾驶行为先兆的早期诊断与预测技术，研制了重点营运车辆危险驾驶行为感知—辨析—干预集成装备，构建了车辆运行风险广域管控平台。

揭示危险驾驶行为演变规律

同济大学项目组针对危险驾驶行为表征不明、特征捕获困难、识别不准的问题，解析了包括驾驶人驾驶特征、车辆运行状态、车辆环境交互特征三方面重点营运车辆行驶状态特征，提出了动机驱动的危险驾驶行为多维时序图谱表征方法，揭示了重点营运车辆危险驾驶行为的时序演变规律，构建了重点营运车辆危险驾驶行为的识别模型，进一步建立了高风险驾驶行为多要素分层混合研判模型，为重点营运车辆危险驾驶行为及安全风险管控提供了核心理论及方法支撑。

针对危险驾驶行为定义不清、特征表征不明的问题，提出了以驾驶人动机为驱动的危险驾驶行为理论，构建了危险驾驶行为多维时序图谱表征方法，揭示了重点营运车辆危险驾驶行为的时序演变规律。

针对驾驶人驾驶特征捕获困难，建立了基于深度学习的驾驶人面部特征与作业状态表征捕捉技术，平均特征检出率达98.2%。

针对自车行驶状态捕捉和车环交互特征提取困难的问题，开发了基于北斗、惯导、视觉图像融合的行驶行为特征提取技术，实现了在途重点营运车辆危险行驶状态全过程提取和车道保持、车车交互特征的准确获取。

针对车辆危险驾驶行为判定标准不清，建立了基于意图推理的危险驾驶行为多要素分层混合研判模型，危险驾驶行为在线识别准确率达到97%。

全过程准确识别危险驾驶行为

同济大学项目组针对危险驾驶行为早期产生机理不明、发现不及时和前置预判难，建立了危险驾驶行为先兆识别方法，构建了基于噪声增强生成对抗网络的危险驾驶行为预测模型，提出了危险驾驶早期行为风险模式聚类方法，推演了不同模式的风险演变，实现了危险驾驶行为形成发展的全过程准确识别。

研究危险驾驶行为早期产生机理，提出了危险驾驶行为演化发生全过程的时空面板格式数据表征方法，实现了危险驾驶行为前期演化到发生发展全过程的数理化模型表达。

针对驾驶人危险操作行为和车辆危险状态预判难的问题，建立了驾驶人危险操作行为的先兆识别方法与识别模型，预测前置时间3秒时预测准确度达96%。

针对危险驾驶行为发生与风险演进关系不清的问题，提出了危险驾驶早期行为模式聚类方法和不同模式风险演变推演方法，建立了驾驶人危险驾驶早期行为与风险演进之间内在逻辑与约束关系。

研发采集研判预警集成装备

同济大学项目组针对在途车辆的多维驾驶特征采集集成、多类危险驾驶同步研判、综合算力要求高的问题，研发了多感知源融合的驾驶行为实时全息识别技术与基于多特征时窗平移的多类危险行为先兆识别与干预算法的采集—研判—预警集成装备。开发了基于异构计算的危险行为—事件风险实时感知辨识的软件系统和基于北斗时钟同步的车载物联硬件系统，突破了现有技术对在途重点营运车辆危险驾驶行为与风险的高精、动态、实时、主动干预能力，实现了多维行为变量的高精度感知与多元干预功能的协同融合。

针对人—车—环多维驾驶特征综合采集困难，开发了多感知源融合的驾驶行为实时全息采集技术与模块，实现了多源传感器数据融合与预警感知对象多元化。

针对不同危险驾驶行为同频敏捷干预难的问题，开发了基于多特征时窗平移的多类危险行为敏捷辨识与干预算法，实现了自适应时间窗口运行数据的高可信、低时延敏捷干预。

针对多类行为实时感知与辨识综合算力要求高和全网互联要求下硬件系统时钟同步难的问题，开发了基于异构计算的危险行为—事件风险实时感知辨识软件系统和基于北斗时钟同步的车载物联感知—辨识—干预集成装备，实现了针对多类危险驾驶行为的高算力、多模块集成预警功能和高度物联、敏捷感知、快速干预的感知—辨识—干预装备集成。

多项技术有效提升管控效率

同济大学项目组针对重点营运车辆监控网络缺乏交通运行信息、运输线路风险不明、平台功能单一等问题，构建了重点营运车辆运输风险广域综合预警管控平台；开发了高速通讯技术、综合管控技术、多通道预警发布技术等；融合了重点营运车辆运行监控一体化综合管控平台技术；结合营运车辆自身行驶和道路态势双重风险叠加特征，突破了运输监控及交通运行监控平台信息交互限制，有效提升了管控效率。

构建了重点营运车辆—交通路网监控融合的综合管控核心数据底座。通过重点营运车辆监管网和交通运行监管网两网融合互补，驾驶人信息、车辆轨迹、高风险路段、交通事件等多元数据融合搭建综合管控的数据底座，实现了重点营运车辆运输监控及交通运行监控平台的无缝交互。

提出了人—车—路在环重点营运车辆运行路线风险一体化评价方法。对驾驶人风险、单车风险、交通流风险、道路设施风险等风险状态进行一体化统计分析。针对高风险路段进行评估，建立车辆风险评估数据库。对运输路线进行路径规划和推荐，实现重点营运车辆在途路线的综合风险评价，作为避险和换线依据。

开发了重点营运车辆车环复合风险监管及预警系统。以个体车辆、自然环境和交通环境构成的三维一环，搭建车环风险信息监管系统，通过车载终端、路测预警装置、可变信息板、综合管控平台等多通道发布预警信息，实现对高风险运行状态车辆的实时监管与主动预警。

构建了基于行为回溯的重点营运车辆驾驶人安全教育培训体系。通过采集驾驶员的行为数据评估驾驶员行为并建立个体行为档案，综合管控平台发布典型事故信息，确保后期的行为分级、精准培训、人员车辆管理精准匹配。

目前，重点营运车辆第三方监管平台已成功应用于山西、北京、广东等13个省（区、市），应用车辆达380万辆，驾驶员数量570万人，年均发送预警信息约2700万条。危险行为智能识别、主动干预大幅降低了重点营运车辆事故数。对重点营运车辆行驶状态进行实时监测预警，可有效避免由于事故发生造成的经济损失，有效保障重点营运车辆行驶安全，助力加快建设交通强国。