摘要：基于車聯(lián)網(wǎng)視頻的交通態(tài)勢(shì)流動(dòng)感知技術(shù)應(yīng)用，能彌補(bǔ)固定路網(wǎng)監(jiān)測(cè)站點(diǎn)的不足，該應(yīng)用通過(guò)人工智能技術(shù)完成各類交通事件的智能識(shí)別上報(bào)，并基于高速路網(wǎng)大數(shù)據(jù)研究流動(dòng)監(jiān)測(cè)車輛部署及路線方案，解決高速管理單位巡檢痛點(diǎn)，建立高效的事件風(fēng)險(xiǎn)監(jiān)控機(jī)制。

關(guān)鍵詞：流動(dòng)感知技術(shù)；高速事件檢測(cè)；時(shí)空分布研究；自動(dòng)化巡檢

中圖分類號(hào)：U491.1"+"12"""""""""""""""""""""""" 文獻(xiàn)標(biāo)識(shí)碼：A"""""""""""""""""""""""""""""""""" 文章編號(hào)：1673-6478（2023）05-0207-05

Research on Application of Traffic Situation Dynamic Awareness Technology on Expressway

TIAN Weinan， SUN Ruiwei， SUN Xiuzhen

（Yunnan Communications Investment amp; Construction Group Co.， Ltd.， Kunming Yunnan 650000， China）

Abstract： The application of traffic situation dynamic awareness technology based on Internet of Vehicles video can make up for the shortage of fixed road network monitoring stations. This application completes intelligent identification and reporting of various traffic events through artificial intelligence technology， and studies the dynamic monitoring vehicle deployment and route scheme based on the big data of the expressway network. The aim is to solve the inspection pain points of the expressway management unit， and establish an efficient event risk monitoring mechanism.

Key words： situation dynamic awareness technology; expressway event detection; spatio?temporal distribution research; automatic detection

0 引言

近年來(lái)，隨著高速公路的建設(shè)及車輛保有量的增長(zhǎng)，城市路網(wǎng)高峰行程延時(shí)指數(shù)上升，五一等節(jié)假日高速擁堵指數(shù)也同比上升[1]，同時(shí)道路上各類違章、異常事件也大量增加。由于高速公路行車密度大、車速快，這些事件往往成為各種交通事故、二次三次事故的導(dǎo)火索，影響路網(wǎng)運(yùn)行安全并造成交通擁堵甚至停滯。海恩法則指出，每一起嚴(yán)重事故的背后，必然有29次輕微事故和300起未遂先兆以及1"000起事故隱患。有的事故可以通過(guò)事先預(yù)防的手段對(duì)事故苗頭進(jìn)行排查及處理。本文研究的高速交通態(tài)勢(shì)流動(dòng)感知是一種對(duì)高速各類事件進(jìn)行智能化發(fā)掘的技?術(shù)。

1 概述

1.1 交通態(tài)勢(shì)流動(dòng)感知概念及其發(fā)展趨勢(shì)

態(tài)勢(shì)感知（The construct of situation awareness）的概念起源于航空軍事領(lǐng)域中對(duì)人為因素（human factors）的研究，在過(guò)去20年間，已經(jīng)廣泛應(yīng)用于軍事行動(dòng)、航空、空中交通管制、汽車和環(huán)境等領(lǐng)域[2]。交通態(tài)勢(shì)感知，是指利用一定的方法和手段，檢測(cè)道路上車輛、行人、道路信息，對(duì)信息加工進(jìn)行處理、綜合判斷，得出路面上的交通狀況或態(tài)勢(shì)的過(guò)程[3]。交通態(tài)勢(shì)流動(dòng)感知通過(guò)視頻檢測(cè)、IoT物聯(lián)網(wǎng)技術(shù)、AI人工智能，路網(wǎng)交通大數(shù)據(jù)分析等綜合運(yùn)用，以流動(dòng)車輛為監(jiān)測(cè)點(diǎn)，建立一種分布式部署及移動(dòng)式應(yīng)用的高靈活性交通態(tài)勢(shì)感知體系。

基于路網(wǎng)視頻檢測(cè)交通事件是交通態(tài)勢(shì)感知的重要手段之一，目前有以下幾種主流方式：第一種方式采用固定點(diǎn)位全天候錄像，當(dāng)出現(xiàn)異常事故后再調(diào)取視頻監(jiān)控人工核對(duì)，滯后性較高；第二種方式為在車輛巡檢期間，手動(dòng)控制云臺(tái)（PTZ）拍攝事件，該方式需要大量人力資源，在長(zhǎng)期監(jiān)控過(guò)程中，由于人類會(huì)產(chǎn)生視覺(jué)疲勞，導(dǎo)致難以完全獲取關(guān)鍵信息；第三種方式為在監(jiān)視的路面安裝場(chǎng)景監(jiān)控相機(jī)，結(jié)合智能視覺(jué)分析等技術(shù)進(jìn)行自動(dòng)檢測(cè)、自動(dòng)報(bào)警，但此方式成本高，區(qū)域局限性大。

2019年11月交通運(yùn)輸部印發(fā)了《全國(guó)高速公路視頻聯(lián)網(wǎng)工作實(shí)施方案》和《全國(guó)高速公路視頻云聯(lián)網(wǎng)技術(shù)要求》將5G、AI人工智能的技術(shù)充分賦能給高速公路視頻聯(lián)網(wǎng)平臺(tái)，路網(wǎng)監(jiān)控視頻邁向部省聯(lián)網(wǎng)，視頻上云網(wǎng)關(guān)全部實(shí)現(xiàn)加密傳輸，也為新一代視頻檢測(cè)方式奠定了網(wǎng)絡(luò)和安全基礎(chǔ)。新一代視頻事件檢測(cè)利用互聯(lián)網(wǎng) 實(shí)現(xiàn)單位車輛線上報(bào)障報(bào)料舉報(bào)，配合流動(dòng)感知和違法舉報(bào)的信息服務(wù)，提供道路事件預(yù)警，成本低、流動(dòng)性強(qiáng)、易普及。

1.2 交警“隨手拍”推廣普及

YIN.J等學(xué)者提出社交媒體在各類緊急事件發(fā)生時(shí)提供了新的信息來(lái)源，管理部門(mén)可以通過(guò)社交媒體收集信息，提高緊急情況意識(shí)[4]?；谏鐣?huì)媒體數(shù)據(jù)的交通分析和預(yù)測(cè)是社會(huì)交通的重要研究?jī)?nèi)容，而社會(huì)信號(hào)及其傳感技術(shù)則是實(shí)現(xiàn)社會(huì)交通工程的主要手段[5]。

在我國(guó)，公安部門(mén)也通過(guò)社交媒體等手段開(kāi)展警民互動(dòng)平臺(tái)建設(shè)，收集民眾上報(bào)的各類交通事件信息，協(xié)助交警維護(hù)交通秩序，保障公眾交通的安全和暢通。在公安部、交通運(yùn)輸部等部門(mén)政策的指導(dǎo)下，多地市交警舉辦“隨手拍”群眾報(bào)料、舉報(bào)活動(dòng)，開(kāi)展對(duì)各類交通隱患上報(bào)的推廣應(yīng)用。

1.3 高速公路路面巡檢的需求

2021年我國(guó)高速公路總里程已經(jīng)超過(guò)16.91萬(wàn)公里[6]，隨著我國(guó)高速公路建成年限的增長(zhǎng)，有一大部分公路道路交通基礎(chǔ)設(shè)施普遍進(jìn)入“大養(yǎng)護(hù)周期”，同時(shí)高速上異常事件頻發(fā)，傳統(tǒng)紙記、人工巡查手段無(wú)法滿足精準(zhǔn)快速檢測(cè)、應(yīng)急處理的發(fā)展目標(biāo)，存在極大責(zé)任風(fēng)險(xiǎn)。交通運(yùn)輸部與科學(xué)技術(shù)部聯(lián)合印發(fā)《交通領(lǐng)域科技創(chuàng)新中長(zhǎng)期發(fā)展規(guī)劃綱要（2021—2035年）》提出：要開(kāi)展基礎(chǔ)設(shè)施智能化檢測(cè)、數(shù)字化診斷、標(biāo)準(zhǔn)化評(píng)估、快速化處置技術(shù)與裝備研發(fā)，同時(shí)要加速新一代信息技術(shù)與交通運(yùn)輸融合，加快新一代信息技術(shù)在交通運(yùn)輸公共服務(wù)、交通運(yùn)輸監(jiān)測(cè)預(yù)警、綜合應(yīng)急指揮和監(jiān)管等領(lǐng)域應(yīng)用。路網(wǎng)自動(dòng)化巡檢、檢測(cè)、應(yīng)急響應(yīng)與預(yù)警發(fā)布成為剛需。

2 流動(dòng)感知技術(shù)研究

2.1 目標(biāo)跟蹤檢測(cè)技術(shù)路徑

為了感知視頻及圖片中的各類事件，需要運(yùn)用AI技術(shù)對(duì)事件中的檢測(cè)目標(biāo)進(jìn)行深度學(xué)習(xí)。交通視頻中應(yīng)用較多的是區(qū)域目標(biāo)跟蹤，區(qū)域目標(biāo)跟蹤可分為基于特征點(diǎn)檢測(cè)的方法、基于背景相減的幀差法、基于分割思想的方法等[7]。區(qū)域目標(biāo)跟蹤技術(shù)路徑分為以下五個(gè)步驟（圖1）：第一步是進(jìn)行圖片視頻采樣，通過(guò)車載視頻技術(shù)獲取不同天氣、環(huán)境下的樣本視頻數(shù)據(jù)，并對(duì)樣本進(jìn)行存儲(chǔ)及輸出管理；第二步需要?jiǎng)澐钟?xùn)練集和驗(yàn)證集圖像，在經(jīng)過(guò)篩選的樣本中劃分兩個(gè)圖集，在對(duì)特定目標(biāo)進(jìn)行深度學(xué)習(xí)的實(shí)驗(yàn)中，訓(xùn)練集樣本不少于5"000張，驗(yàn)證集圖像不少于1nbsp;250張；第三步對(duì)識(shí)別目標(biāo)進(jìn)行標(biāo)定，本步驟需要人員手工標(biāo)定，確定識(shí)別目標(biāo)后需要?jiǎng)澐帜繕?biāo)所在不同場(chǎng)景，對(duì)目標(biāo)像素清晰度進(jìn)行細(xì)分，并采用矩形框完成目標(biāo)標(biāo)定；第四步基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行表征學(xué)習(xí)，通過(guò)視頻序列幀提取、RGB圖像提取、幀間光流檢測(cè)等技術(shù)獲得目標(biāo)特征融合算法模型[8]；第五步輸出識(shí)別目標(biāo)的特征函數(shù)。常用的算法有光流約束法、幀間差分法，及背景差分法等[9]。

2.2 AIoT一體化感知模型

車聯(lián)網(wǎng)的交通態(tài)勢(shì)流動(dòng)感知技術(shù)包含云處理平臺(tái)、邊緣計(jì)算、終端設(shè)備的“云?邊?端”AIoT一體化感知模型搭建（圖2）。

（１）終端設(shè)備

終端設(shè)備通常為搭載了輕量化AI算法的車載視頻記錄取證設(shè)備，設(shè)備配有適應(yīng)不同高動(dòng)態(tài)場(chǎng)景的高精度傳感器，能夠自動(dòng)抓拍高清視頻，具備車輛車牌鏡頭特寫(xiě)功能；并能夠自動(dòng)監(jiān)測(cè)各種交通事件，包含：交通擁堵、交通事故、設(shè)施故障、交通違法、交通障礙、交通阻斷等。

（２）邊緣計(jì)算

融合多種交通事件AI算法，基于邊緣計(jì)算節(jié)點(diǎn)自動(dòng)識(shí)別交通行為，對(duì)視頻及圖像進(jìn)行結(jié)構(gòu)化數(shù)據(jù)分析，有效提取車輛信息、車牌信息、道路信息、行人信息、行為信息、交通事件特征信息、交通標(biāo)志信息、定位信息等數(shù)據(jù)。

（３）云處理平臺(tái)

云處理平臺(tái)二次算法確認(rèn)事件信息，通過(guò)云端AI二次審核加人工預(yù)審核機(jī)制有效篩選數(shù)據(jù)，并將交通事件自動(dòng)分發(fā)到相應(yīng)管理部門(mén)業(yè)務(wù)網(wǎng)絡(luò)。

2.3 人工語(yǔ)音識(shí)別上報(bào)模型

研發(fā)人工語(yǔ)音識(shí)別上報(bào)模型，與AI識(shí)別相互補(bǔ)充，為巡檢人員提供更多的事件上報(bào)方案。使用者可通過(guò)智能語(yǔ)音交互模塊喚起感知設(shè)備數(shù)據(jù)上報(bào)模塊，將實(shí)時(shí)視頻，定位及相關(guān)設(shè)備信息上傳到服務(wù)平臺(tái)。

智能語(yǔ)音交互包含四種語(yǔ)音指令用以抓拍視頻及上報(bào)事件實(shí)時(shí)位置：當(dāng)路面發(fā)生需要各相關(guān)部門(mén)緊急處理的事件時(shí)，使用者發(fā)出“我要報(bào)警”指令，系統(tǒng)通知相關(guān)單位緊急出動(dòng)，方便研判事項(xiàng)，科學(xué)協(xié)調(diào)處理；當(dāng)路面發(fā)生需要道路車輛注意的預(yù)警事件時(shí)，使用者發(fā)出“我要預(yù)警”指令，上傳路面實(shí)時(shí)安全預(yù)警信息，即時(shí)向各渠道發(fā)布實(shí)時(shí)信息；當(dāng)路面發(fā)生各種交通違法行為時(shí)，使用者發(fā)出“我要舉報(bào)”指令，上報(bào)交通違法抓拍事件，協(xié)助交警部門(mén)完成執(zhí)法；當(dāng)路面發(fā)生不需要實(shí)時(shí)處理的異常事件時(shí)，使用者發(fā)出“我要錄像”指令，記錄事件分發(fā)到相關(guān)單位。

同時(shí)，設(shè)備通過(guò)三路攝像頭AI識(shí)別感知獲取事件：前置攝像頭完成事件的識(shí)別及抓拍，獲取事件類型及視頻圖像；后置攝像頭按施工規(guī)范要求監(jiān)控施工場(chǎng)景下圍蔽方案，并對(duì)方案合規(guī)程度進(jìn)行對(duì)比評(píng)級(jí)；車內(nèi)攝像頭完成對(duì)車內(nèi)人員行為的識(shí)別，判斷人員是否在高速上離開(kāi)車輛，完成高速場(chǎng)景中的行為預(yù)警（圖3）。

2.4 高速公路交通態(tài)勢(shì)流動(dòng)感知與應(yīng)急監(jiān)管系統(tǒng)

該技術(shù)的研究成果為研制并推廣應(yīng)用高速公路交通態(tài)勢(shì)流動(dòng)感知與應(yīng)急監(jiān)管系統(tǒng)，為相關(guān)部門(mén)提供管理及執(zhí)法的依據(jù)，也為高速交通管理提供實(shí)時(shí)且龐大的由點(diǎn)到線、由線到面的動(dòng)態(tài)交通大數(shù)據(jù)信息。該系統(tǒng)能夠?qū)鹘y(tǒng)的被動(dòng)響應(yīng)轉(zhuǎn)變?yōu)榉e極預(yù)警，有效提高了高速公路管控能力和管理水平。

裝載設(shè)備的大巴、貨車、巡邏車在路上行駛過(guò)程中，采集事件視頻上傳高速公路交通態(tài)勢(shì)流動(dòng)感知與應(yīng)急監(jiān)管系統(tǒng)，對(duì)接高速監(jiān)控中心。監(jiān)控中心識(shí)別事件類型，在VMS情報(bào)板發(fā)布信息，與公安部道研中心信息采集處理系統(tǒng)進(jìn)行預(yù)警對(duì)接，根據(jù)不同事件分發(fā)交警大隊(duì)或路政大隊(duì)進(jìn)行處置。同時(shí)，系統(tǒng)進(jìn)行超視距預(yù)警，向路方/清障隊(duì)請(qǐng)求同步應(yīng)急處置，呼叫周邊備勤車輛及高速救援清障。系統(tǒng)具備功能如下：

（１）機(jī)構(gòu)管理?？梢詾g覽和維護(hù)本機(jī)構(gòu)及下屬機(jī)構(gòu)的基本信息，設(shè)置機(jī)構(gòu)之間的關(guān)系。

（２）實(shí)時(shí)監(jiān)控。可以地圖形式顯示所選機(jī)構(gòu)所有車輛的實(shí)時(shí)狀態(tài)，提供車輛點(diǎn)名、車輛跟蹤、實(shí)時(shí)視頻等功能。

（３）用戶及角色管理。支持用戶的身份認(rèn)證、授權(quán)、用戶口令修改等功能；支持不同的操作員具有不同的數(shù)據(jù)訪問(wèn)權(quán)限和功能操作權(quán)限。

（４）設(shè)備管理。對(duì)接入平臺(tái)的抓拍設(shè)備進(jìn)行登記注冊(cè)和維護(hù)管理。

（５）對(duì)接第三方系統(tǒng)?？梢愿鶕?jù)具體數(shù)據(jù)對(duì)接需求，實(shí)現(xiàn)開(kāi)發(fā)對(duì)接。

（６）交通事件分析。支持道路施工、應(yīng)急車道故障車輛、交通事故、交通擁堵、行人上高速交通事件信息自動(dòng)分析及查看。

（７）報(bào)表功能。支持以年月日為單位的統(tǒng)計(jì)報(bào)表，可實(shí)現(xiàn)豐富的條件查詢，提供報(bào)表導(dǎo)出功能。

（８）分析研判。實(shí)時(shí)將動(dòng)態(tài)采集的車輛信息、道路信息、交通行為信息通過(guò)智能化的云平臺(tái)系統(tǒng)進(jìn)行統(tǒng)計(jì)分析。

3 感知車輛時(shí)空分布研究

感知車輛時(shí)空分布研究即從時(shí)間、空間等維度進(jìn)行高速公路交通流時(shí)空聚合分析與預(yù)測(cè)，為感知車輛路線分布提供數(shù)據(jù)底座。該研究模型融合多時(shí)空管理規(guī)則、交通流動(dòng)力學(xué)、交通氣象預(yù)警指標(biāo)、路網(wǎng)監(jiān)測(cè)體系、高內(nèi)聚低耦合等數(shù)據(jù)處理邏輯，涵蓋時(shí)間維度、空間維度、感知條件、突發(fā)因素等多維度數(shù)理統(tǒng)計(jì)分析指標(biāo)，并運(yùn)用了帕累托、葉貝斯等經(jīng)典數(shù)據(jù)統(tǒng)計(jì)分析模型，為流動(dòng)感知車輛的應(yīng)用分布提供決策依據(jù)。

3.1 高速公路常用戶及其時(shí)空分布情況

高速公路常用戶通常為長(zhǎng)途客運(yùn)大巴車輛以及物流公司貨運(yùn)車輛，這些車輛通常有固定的行駛區(qū)間和行駛頻率，通過(guò)對(duì)常用戶線路、站點(diǎn)、時(shí)段、頻率、OD、班次等指標(biāo)的研究，可建立基于GIS底座的時(shí)空分布可視化應(yīng)用，讓管控部門(mén)更加清晰地了解流動(dòng)感知線路的實(shí)時(shí)軌跡分布（圖4）。

3.2 高速大數(shù)據(jù)及其時(shí)空分布

通過(guò)對(duì)某省內(nèi)高速路段的數(shù)據(jù)統(tǒng)計(jì)，可發(fā)現(xiàn)該省內(nèi)高頻高速事件發(fā)生路段，月事件次數(shù)高峰可達(dá)90次以上，高峰集中在長(zhǎng)假出行月份（圖5）。針對(duì)高峰路段建議每日安排2～3班感知車輛，月事件發(fā)生次數(shù)30～60次的路段，建議每日安排1班感知車輛。

基于高速數(shù)據(jù)，對(duì)事件多發(fā)時(shí)段、區(qū)域、路線進(jìn)行時(shí)空分布情況研究，為高速公路流動(dòng)感知車輛部署提供依據(jù)，能有效節(jié)省人力。

4 事件捕獲

4.1 事件分發(fā)流程

路政巡邏車、各相關(guān)單位車輛上傳事件通過(guò)云端系統(tǒng)完成高速事件分發(fā)，救援事件提交救援調(diào)度中心完成救援車輛派遣，路面事件提交路政監(jiān)控中心進(jìn)行事件處理，事故及交通違法事件提交交警指揮中心處理，預(yù)警信息對(duì)接道研中心完成與導(dǎo)航地圖及智能座艙預(yù)警事件對(duì)接。

4.2 事件分類應(yīng)用場(chǎng)景

（１）交通事件捕獲

交通事件捕獲可應(yīng)用于主動(dòng)預(yù)警與應(yīng)急救援，當(dāng)感知系統(tǒng)發(fā)現(xiàn)在主線的事故/擁堵，通過(guò)情報(bào)板及導(dǎo)航發(fā)出全網(wǎng)預(yù)警；當(dāng)系統(tǒng)發(fā)現(xiàn)應(yīng)急車道停車事件，上傳位置給周邊備勤的救援車輛備用；當(dāng)系統(tǒng)發(fā)現(xiàn)三角牌、行人下車等情景，立刻上報(bào)路段監(jiān)控中心。

（２）交通違法抓拍

發(fā)現(xiàn)車輛危險(xiǎn)駕駛行為及交通違法等陋習(xí)，上報(bào)路段交警支隊(duì)，提升安全暢通秩序。系統(tǒng)根據(jù)違法類別自動(dòng)對(duì)視頻進(jìn)行處理，獲取取證圖片。例如對(duì)于AI自動(dòng)抓拍的壓實(shí)線變道行為，系統(tǒng)根據(jù)交警執(zhí)法要求自動(dòng)截取三張照片：壓線前圖像、壓線中圖像、壓線后圖像，提交完整的證據(jù)鏈條。交警可依據(jù)地區(qū)情況采取人性化執(zhí)法方案，對(duì)輕微違法或首次違法采取警告措施，通過(guò)短信平臺(tái)對(duì)違法車輛車主發(fā)送警告短信；對(duì)確需處罰的交通違法行為，審核通過(guò)后數(shù)據(jù)立即上傳至集成指揮平臺(tái)，對(duì)違法車輛進(jìn)行正式處罰。

（３）道路巡檢應(yīng)用

可應(yīng)用于識(shí)別初級(jí)的道路及標(biāo)志標(biāo)線的故障問(wèn)題，識(shí)別施工的地點(diǎn)，并對(duì)比施工計(jì)劃，以及圍蔽的規(guī)范性。

當(dāng)巡檢車輛發(fā)現(xiàn)道路施工后，通過(guò)前后兩路攝像頭獲取視頻信息，并利用邊緣計(jì)算能力，對(duì)視頻進(jìn)行結(jié)構(gòu)化分析：識(shí)別并分析施工人員是否符合施工安全要求穿戴反光衣及安全帽，是否處于圍蔽范圍；識(shí)別并對(duì)比施工規(guī)范，施工時(shí)間地點(diǎn)是否與計(jì)劃一致，施工圍蔽方案是否與計(jì)劃一致。

5 結(jié)語(yǔ)

該技術(shù)可推廣應(yīng)用到交通流量大或事故多發(fā)路段，應(yīng)用流動(dòng)感知技術(shù)巡檢路面事件，發(fā)掘及處理二次事故隱患。該技術(shù)可應(yīng)用于巡邏作業(yè)車輛，能夠節(jié)省人員工作量，提升巡檢效率；同時(shí)推廣應(yīng)用于長(zhǎng)途大巴，物流車等單位車輛，規(guī)范化接入管理。在路段完成批量推廣應(yīng)用后，可形成流動(dòng)感知移動(dòng)監(jiān)測(cè)站點(diǎn)，與路網(wǎng)監(jiān)控視頻完成互補(bǔ)，建立高效的路網(wǎng)態(tài)勢(shì)風(fēng)險(xiǎn)監(jiān)控機(jī)制。最終實(shí)現(xiàn)提升公眾交通出行安全，優(yōu)化巡檢資源結(jié)構(gòu)，降低交通管理總成本的社會(huì)效益和經(jīng)濟(jì)效益。

參考文獻(xiàn)：

1. 高德地圖. 2021年度中國(guó)主要城市交通分析報(bào)告[R]. 2021.
2. Salmon P， Stanton N， Walke G， et al. Situation awareness measurement： a review of applicability for C4i environments[J]. Applied Ergonomics， 2006， 37（2）： 225?238.
3. 張恩展. 分布式交通態(tài)勢(shì)感知與傳播方法[D]. 成都： 電子科技大學(xué)2016.
4. YIN J， LAMPERT A， CAMERON M， et al. Using social media to enhance emergency situation awareness[J]. IEEE Intelligent Systems， 2012， 27（6）： 52?59.
5. 陳苑文， 王曉， 李靈犀， 等. 基于社會(huì)媒體數(shù)據(jù)增強(qiáng)的交通態(tài)勢(shì)感知研究及進(jìn)展[J]. 智能科學(xué)與技術(shù)學(xué)報(bào)， 2022， 4（1）： 1?13.
6. 國(guó)家統(tǒng)計(jì)局. 高速等級(jí)路公路里程 （萬(wàn)公里） [EB/OL]. [2022?12?20] https：//data.stats.gov.cn/easyquery.htm？cn C01.
7. 蘇貴民. 基于交通視頻和深度學(xué)習(xí)的車輛檢測(cè)和跟蹤[J]. 交通與港航， 2018（4）： 72?76
8. 聶豪， 熊昕， 郭原東， 等. 基于深度學(xué)習(xí)的視頻異常行為識(shí)別算法[J]. 現(xiàn)代電子技術(shù)， 2020， 43（24）： 110?116.
9. 李琴， 王靖. 基于深度學(xué)習(xí)的視頻目標(biāo)跟蹤算法研究綜述[J]. 電腦知識(shí)與技術(shù)， 2019， 15（16）： 187?193.