学术论文
近日,国际交通领域学术期刊《Transportation Research Part C : Emerging Technologies》刊发了由bat365在线登录入口bat365在线登录入口博士生王涛、葛颖恩教授、汪勇杰副教授、陈文强副教授、利兹大学Carlo G. Prato教授等共同完成的研究论文《A conflict risk graph approach to modeling spatio-temporal dynamics of intersection safety》。我院博士生王涛和汪勇杰副教授分别为该论文的第一作者和通讯作者。
研究背景
由于出行主体复杂、动态的高频交互,交叉口因冲突点多而被认为是最危险的道路空间之一。针对这些出行主体冲突风险的时空建模有助于制定缓解冲突风险的策略。
主要内容
该研究提出了“冲突风险图”新方法。该方法通过将冲突易发位置映射至具有特定拓扑结构的网络节点,进而建模节点之间冲突风险的时空依赖关系,以细粒度诊断交叉口的交通安全状况。创新之处包括:建立基于Transformer的图卷积网络(Trans-GCN),这巧妙地结合了Transformer在捕捉全局依赖性方面的优势和图卷积网络(GCN)在学习局部相关性方面的能力,有效地捕捉交叉口冲突风险的演变。与五种常见的时空深度学习方法相比,Trans-GCN在冲突风险推断和节点变化适应性方面展现了优越的性能。此外,通过不同节点配置的广泛实验揭示了节点设置与模型性能之间的相关性,结果表明更高的时空分辨率可能会降低推断精度。这一发现有助于选择最佳节点配置,以平衡对时空动态的捕捉与模型推断精度,从而实现交叉口冲突风险的高质量推断。
这项研究为交叉口主动交通安全管理提供了重要的思路和方法。