智慧高速管控系统的理论设计与探索孙钺涵1，戚湧2，孙维旭3，金军成3 （1．莫斯科国立鲍曼技术大学，俄罗斯莫斯科105005；2．南京理工大学知识产权学院，江苏南京210094；3．宿迁市公安局交通警察支队，江苏宿迁 223800） 摘要：随着经济社会的快速发展以及机动车数量的迅猛增长，造成了安全管理、资源环保等瓶颈制约以及高速公路通行压力剧增等问题。伴随着信息化、智能化技术的快速发展，智慧高速公路建设成为顺时之举。鉴于此，本文结合宿迁公安规划建设的高速公路智慧管控系统的理论设计和实践成效，在高速公路交通安全主动管理，即侧重于交通安全防范性管控方面进行尝试和探索，提出一种智慧高速管控系统，其由数字化采集、网络化传输、智能化应用和规范化制度四大体系构成，可应用于三大应用领域中的八个应用场景。在新扬高速宿迁南段对提出的智慧管控系统进行验证，实验结果证明其取得了较好的应用结果。 关键词：智慧高速；管控系统；交通安全主动管理；理论设计与探索 中图分类号：文献标识码： Theoretical design and exploration of intelligent high-speed control systemSUNyuehan1,QIyong2,SUNweixu3,JIN juncheng3 （1.Moscow State Bauman Technical University, Moscow 105005, Russia;2. School of Intellectual Property, Nanjing University of Science and Technology,Nanjing 210094,China;3. Suqian City Public Security Traffic Police Detachment, Suqian, Jiangsu 223800, China） Abstract:With the rapid development of the socio-economic landscape and a surge in the number of motor vehicles, challenges such as safety management bottlenecks, environmental conservation constraints, and dramatically increased pressure on highway traffic have arisen. In the wake of the fast-paced advancement of information technology and artificial intelligence, the construction of smart highways has become an act of following the trend. This paper explores and attempts proactive management in highway traffic safety by combining the theoretical design and practical results of the smart highway control system planned and constructed by Suqian Public Security. We propose a smart control system comprised of four major systems: digital collection, networked transmission, intelligent application, and standardized regimes, which can be applied to eight application scenarios within three major fields. The proposed smart control system was verified in the southern section of the Xuyi Highway in Suqian, and experimental results demonstrate that it achieved satisfactory application outcomes. Key words: intelligent highway; control system; active management of traffic safety; theoretical design and exploration
引言1988年我国第一条高速公路通车后，高速公路建设自此迅猛发展。目前，全国的通车里程已超过16.9万km，稳居世界第一。交通运输是经济社会发展基础性先导性行业，其中高速公路具有举足轻重地位[1-5]。据统计，高速公路客货运量分别占全国公路客货运量的80%以上[6-9]。目前，高速公路里程快速增长，密度持续加大[10]，交通事故持续增长[11]，区域拥堵和交通事故频发[12, 13]，安全问题日渐突出[14, 15]，特别是经济发达地区面临土地资源和环保影响，改扩建空间有限[16-18]。与此同时，信息化、智能化最新科技成果集成应用日新月异，促进了提供优质高效服务的智慧高速公路进程，智慧高速公路建设成为适应我国经济社会高质量发展的当务之急[19-21]。 主动交通安全管理是指对高速公路主线交通流采取有效引导和管控，防范道路交通事故及因此导致的交通拥堵，保证高速公路安全有序畅通[22-25]。此技术应用开始于欧美，日本也进行了有效尝试。美国智慧高速主动管理经过了较长的发展的较深的研究，主要针对车路协同前期阶段进行，从关注自动驾驶的设施互联研究上，转至开展基于5.9GHz短程无线通信技术的车联网技术的研究，部署专用无线通信宽带，配置应用路侧RSU及车载OBU设备，运用超视距感知技术，强化高速公路车辆运行安全[26]。欧洲的英德主要通过信号和标志标线以及各类视频监控设施等技术支撑，提升专门设施效能，影响驾驶人从而引导车流有序通行[27]。日本秉持“出行即服务”准则，推进DSRC大容量双向通信设备，提供拥堵预测及路径规划参考，特有车辆运行及轨迹追踪、异常事件预警等，为车辆智能出行提供引导和服务[28, 29]。 国内智慧高速公路建设及管理状况如下:2016年，《交通运输信息化“十三五”发展规划》部署智慧公路建设[30]。2018年《关于加快推进新一代国家交通控制网和智慧公路试点的通知》拉开我国智慧高速公路建设序幕[31]。2019年，《数字交通发展纲要》为智慧高速公路建设指引方向[32]。同年9月，《交通强国建设纲要》从战略层面统筹规划推进交通强国目标任务[33]。《交通运输领域新型基础建设施建设行动计划（2021-2025年）》加快重点基础国家标准和行业标准研究制定。多省市陆续制定发布智慧高速公路系列标准规范，掀起智慧高速建设新一轮热潮，为全国智慧高速公路建设打下坚实基础[34-39]。主要特点如下：1）注重智慧高速公路顶层设计研究，制订出台系列地方标准，指导智慧高速公路规划、设计、施工及系统集成；2）集成应用“大物移云智”等新一代信息技术，支撑高速公路全寿命周期运营管理；3）着力解决高速公路运行管理中的难点、痛点问题，如大流量交通拥堵、恶劣天气管控、交通事故高发点段时段、桥隧等节点管控等；4）瞄准自动驾驶方向，多集中在设施设备和系统建设方面，没有进入双向沟通层面；5）大都通过路面端、车载端和手机端应用，为公众出行提供尽可能高效服务。 本文对我国智慧高速公路建设和主动管理中存在的问题进行分析：1）忽视对现有基础设施、设备的利旧改造和迭代升级，过度依赖新技术突破、新装备应用和新平台效能，致投入巨大，效果差强人意；2）智慧高速的本质是提供优质高效服务，但极度依赖新设备新功能提供智慧服务；3）交通工程基础理论没有突破，无法支撑各类平台、中心、“大脑”的运行；4）重视管控外场设备，轻视高速公路主体交通流智慧管控方法论的研究；5）基本上都是运营公司探索高速公路“建管养运服”全业务流程智慧建设，缺乏交通安全主动管理领域的探讨和研究。
2 高速公路智慧管控的理论设计本系统主体在S49新扬高速宿迁南段，起点位于宿迁主线站区，南止淮安交界处，包括G1516盐洛高速8km，总计90km。全线共有收费站6个，其中主线收费站1个，服务区2个；枢纽2座，大小桥梁182座，其中50m以上中型桥梁50座，200m以上大型桥梁6座。目前存在的问题如下：设计标准低，安全隐患大、交通流量大，泗洪段经常发生拥堵、常年易发团雾以及安全管理力量薄弱。
图1 智慧高速管控系统拓扑结构图 Fig 1 Topology structure diagram of intelligent highway management and control system 基于对高速公路交通安全主动管理需求、目标和发展阶段的理解，智慧高速管控系统由数字化采集、网络化传输、智能化应用和规范化制度四大体系构成，目前可分为八个应用场景和三个应用领域，如图1所示。 现有的高速公路管理系统主要依靠人工进行监控和维护，信息的采集和处理能力有限，对于复杂或突发的路况反应能力不足。本文提出的高速公路智慧管控设计架构具有如下特点： 1）数据驱动：智慧管控系统通过大数据技术收集并分析道路交通信息、气候条件、车辆状况等多元化的数据，从而更全面地理解路况并做出精准决策。 2）全线物联管控：通过物联网技术将高速公路上的各类设备，如监控摄像头、车道识别器、气象检测器等相连接，形成一个整体的网络系统，以实现全方位、实时的监控。 3）智能分析与自动化管控：基于先进人工智能技术实现全线信息实时分析，主要包括高速公路动态违法行为捕捉和异常事件预警，并基于智能指挥调度平台进行自动化管控，提升事件处理效率，降低事件风险。 4）全线实时交通仿真：通过运用大量的实时数据和先进的仿真模型，将复杂的数据转换为直观的图像信息，能够高度还原实际的交通环境，提供较为精确的仿真结果，便于交通管理者和交通参与者理解和使用。 3 基于交通安全主动管理的四大体系（1）数字化采集体系。通过主动采集路网道路、环境、设施以及涉路联动、救援等静态全要素数字化信息；通过视频流摄像机、雷视一体机、气象检测站、龙门架抓拍设备、320监控和查缉布控等抓拍设备为主体，采集道路交通流全要素动态信息，经结构化处理和数字化信息对接，构建一张精准定位、实时显现和智能管控的高速公路动态数据感知物联网，为系统提供基础支撑。 （2）网络化传输体系。此体系由90km专用主干光纤环网和13个节点设备组成专用传输网络，全线覆盖有线、无线通讯，提供超低时延、超大带宽通信支持，实现全闭环、高精度、稳定性安全传输。 （3）智能化应用体系。此由交通安全管控服务设施和指挥调度平台组成。交通安全管控服务设施包括道路警示诱导系统、车辆出行管控以及车路协同控制服务智能功能设施。指挥调度平台融合省市公安指挥中心和道路运营公司的监控资源，应用大数据等先进技术，无缝对接各类资源库数据库，智能化分析，流程化处置，模块化运作，实现多信息融合、强计算分析、高智慧管控的交通安全主动管理常规业务智能化运作。 （4）规范化制度体系。依据国家法律法规和相关行业准，规范设置管理原则、运行机制、管理方法、处置流程及协作模式，保证高速公路交通安全主动管理应用体系正常有序运行。 4 应用场景与方向（1）应用场景。应用场景包括在智慧高速管控系统下实施的具体应用，此为列举但不限于以下所述场景：1）三维建模：在全市二维数字地图基础上，对全路段涉车涉路静态信息全要素采集，数字化处理，建立可展示、计算、描述的三维实景模型，为实战应用提供载体；2）实时交通仿真：在三维建模基础上，对高速公路监控视频进行结构化处理，虚拟全景、实时精准显示高速公路全要素信息和交通态势，实现多目标、跨视域、持续时空定位，“变万维视角为上帝视角，融千路视频为一路动画”；3）物联网管控：通过视频监控及智能传感器沟连道路设施设备，形成全信息数据感知物联网络，实现异常状态实时报警、安全隐患自动排查、可变设施远程可控；4）模型系统分析：在高速公路车辆运行海量数据基础上，根据需要建立如交通事故、交通态势、交通流聚散、恶劣天气等各类数据模型，进行深度分析研判，落实交通安全主动管理措施；5）智能指挥调度：指挥中心与执勤人员之间实现音视频、文字信息实时互动，平台自动获取现场数据，并可精准推送，准确实时获取各类资源信息，智能比对分析，快速形成多选项、流程化处置方案，实现现场显现精准化、预案生成智能化、事件处置流程化，指挥调度可视化、扁平化；6）精准治安防控：控制节点是高速公路治安防控关键。精准感知视频、抓拍设备形成的主线节点，建设AR视频管控模块，对接查缉布控和人脸识别系统，闭环管控站区主阵地，实现人车触网报警、目标实时追踪、路线预测、复原历史轨迹，依托三道防线，构建高速公路智能防控体系；7）警示诱导系统：先期建成疲劳驾驶警示系统、雾天行车诱导系统、分流管控诱导系统，后期规划建设事故现场、施工现场安全警示和违法查处诱导系统；8）部门协作联动：系统平台由“一路三方”一体运行，联动协作，信息深度共享，分模块管理。同时通过自研APP，深度联动地方警种和应急、救护等协作部门，建立事件分析与联动处置机制。 （2）应用领域。目前已开展3个应用领域。1）团雾研究：在团雾多发路段利用视频结构化技术、物联网管控、大数据分析，实时发现、提前预警，有效管控团雾。同时，全天候采集数据，建立分析模型，通过不间断的数据积累、深度学习、多样本模型匹配，力争几年内实现对团雾的高概率研判预测；2）交通态势模型研判：充分运用大数据、AI等技术，对高速公路交通流量、车辆类别及占路资源、运行状况、路段存量、路段出入量、拥堵预测等各项交通数据进行全面的感知、整合和研判分析，从而得出节点、分路段和全路段交通通行、拥堵等具体交通态势指数，全面掌控交通状况，及时有效分级管控和主动管理；3）无人机巡控一体化：无人机作为新型警用装备，势将成为高速公路管控主力军。系统支持实时传输视音频、定线巡查、定点监控，高空喊话，实现24小时全天候常态巡逻、违法行为抓拍和警示、疏导、救援等先期应急远程处置以及交通事故现场勘查。 5 实践探索与成效经过长时间的规划设计和建设，2022年6月上线测试数据，9月全线试运行，情况总体良好，基本实现设计功能。现分述如下： （1）道路三维建模。主动采集道路、环境、涉路联动单位等静态信息，包括路网内收费站、服务区、枢纽、匝道、桥涵、标志标线、标牌、护栏护网、里程桩、龙门架、监控高杆、可变情报板、气象传感器等各类设施信息；50m范围内可能影响道路交通安全的河湖水库、桥梁、道路、高架立柱、高边坡、粗杆树木等信息；500m范围内可能涉及救援需求的村庄、社区、工厂、机关企事业单等信息；2km范围内的医院、加油站、停车场、修理厂等涉路联动单位信息，实现数据数字化，建立90km高速公路三维模型。 （2）视频结构化和交通仿真。在现有路段76根高速公路球机监控高杆上安装152台400万像素枪式摄像机，经过视频结构化处理，实现交通流数据数字化，详情见表1。在团雾多发的20km区域安装18台雷视一体机，予以补充调整数据；同时，高速公路上已安装的4套320监控、8套查缉布控设备、22套龙门架抓拍设备和节点处安装的56套可用抓拍设备，后端系统对抓拍图片进行结构化处理，或直接利用已结构化的结果，经动态信息结构化处理、数字化存储，实现90km道路交通实时仿真（目标仿真精度为70%，即假设有一百辆车，70%能够准确仿真。另外，仿真延时为30s）、异常事件及时报警和动态违法行为有效捕捉。同时能根据视频有效区域ID匹配、车牌识别实现盲区信息补全，检测结果见表2。 表2高速公路流量检测结果 Table 2 The results of highway traffic detection
表1高速公路违法行为检测结果 Table 1 The results of highway violation detection
（3）异常事件报警。在视频有效区内可实现交通事故、交通拥堵、违法停车、路面人员行走等异常报警：在盲区补全中，如果车辆经盲区后未出现在下一视频有效区域，再经下1-2个有效区域也没得到补全，则认定此车辆出现异常，单辆车可能是违停，有2辆及以上车辆，可能发生事故，如有多车异常减速行驶，可能发生堵塞或生成团雾区域，即发出异常报警，均提交值班人员进行应急处置，检测结果见表3。 表3. 高速公路异常事件检测结果 Table 3 The results of highway unusual event detection
（4）动态违法行为捕捉。基于以上各类监控设施和抓拍设备数据结构化处理，实现对高速公路视频抓拍有效区域内超速、低速、占用应急车道、违规变道、倒车、逆向行驶、不按车道行驶、不按规定使用灯光、不系安全带、接打电话、货车危化品车违规行驶、不保持安全距离等违法行为的自动捕捉、智能存储和精准摄推送，同时可快速查询，详情见表4。 表4.交通事件检测结果 Table 4 The results of traffic event detection
（5）交通流主动管理决策模型。1）交通流态势模型：本模型反映的是车流、速度、密度等及彼此之间关系，分析高速公路实际交通流各种变化情况下道路通行指数以及对应的主动交通管理措施成效评估。此模型可按照采集设施的主线节点，根据需要任意地组合并作以下分析研究：交通路况分析、交通流量研判、交通态势预测、通行指数报告、大流量拥堵指数报警、车流团聚散监测分析预测及应对，对各类需要车型如客车、危化品车以及设定车型作流量监测、属性分析、通行规律及趋势分析等；2）交通事故分析研判模型：综合影响高速公路交通安全人车路网等方面因素构建高速公路交通事故时空分析模型，按交通事故程度指数、责任情况，通过时间及空间结构进行分析，选择相关不同自变量，根据采集设备点位和需要，可分点分段建立模型，得到交通事故点位段分布、时段分布、严重程度指数等结论，也可对违法行为、危险驾驶行为、道路设施隐患等单项因素进行分析研判，智能预测，分级预警，主动防范，提升道路安全通行效率。 （6）警示诱导系统。1）团雾行车诱导系统：在新扬高速团雾多发的30km路段，道路两侧间距25m安装智能警示灯，间距200m安装车辆感应装置，每1km安装警报器，每km为一个控制带。车辆通过感应设施时，感应器一定时间内红光警示，警报器发出声音警报，前方200m警示灯在同时段黄闪，声光警示伴行，最大限度保证车辆安全通行；2）疲劳驾驶警示系统：依托道路高杆监控，道路外侧安装感应装置和智能警示灯形成100m灯带，监控杆上安装警报器，夜间2-5时极易疲劳时段，车辆通过感应装置时，灯带变幻滚动闪烁，警报器定时长发出声光警示，防止疲劳驾驶引发交通事故。同时，平台对接相关系统，对进入境内“两客一危一货”重点车辆，通过手机推送信息和路面LED显示屏提醒，及时提醒进入服务区休息，并将已进入站区疲劳驾驶车辆信息推送到执勤民警执法设备上；3）管制分流诱导系统：在收费站、服务区出口前方1km安装电子警示牌，500m道路两侧安装声光提示系统（由警报器和声音提示组成），200m开始在道路两侧间隔15m安装智能警示灯，50m处内侧由发光锥筒组成，综合远程诱导警示，提高夜间分流管制处置效率和安全性。 （7）指挥调度系统。指挥处置类型包括异常事件处理、交通事故指挥调度、交通拥堵调度处置、安全警卫指挥调度、施工现场处置、恶劣天气管控。1）现场显现精准化：指挥大屏可以主动定位到事件地点，实时显示现场情况，精确定位参战力量，通过350M对讲机、天翼对讲、警务通、4G执法记录仪、手机APP等设备实时互动；2）预案生成智能化：平台根据现场反馈的信息自动对接市局预案库，并按操作提示逐步完成参数设置，快速生成相应预案；3）事件处置流程化：将各种事件处置方案流程化，按照既定流程根据现场反馈回来的各种数据选择相应的流程。 （8）无人机应用探索。在极易拥堵的泗洪段，规划设置3处无人机方舱，分别位于103k重岗山警务站、113k高三大队部、135k洪泽湖警务站，巡逻路线分别为梅花收费站至泗洪西枢纽和盐洛高速宿泗段（96K-105K+K）、泗洪西枢纽到洪泽湖服务区（105K-135K）、洪泽湖服务到淮安交界（135K-144K），分线分段全天候巡逻，勤务指挥室通过视频准确查看路面状况，控制高度抓拍违法行为，通过喊话先期应急处置，通过无人机悬停警示，民警在警务站、收费站定点驻防，实现勤务模式转型升级。紧急需要情况下，可就近调集2架或更多无人机应急处置。 （9）实兵推演。目前已选择高速公路应急车道违法停车、大流量处置、交通事故现场先期处置和恶劣天气管控等模块，模拟生成仿真视频实战场景，供民警在线操作，具备打分纠错、排名统计和互动交流功能，提升民警业务能力和实战水平。 （10）勤务管理。直观展示执勤区域信息和执勤人员工作情况，如日常排班、计划安排、勤务记录、状态管理、绩效分析、警力资源分布等，便于实时了解值班警员位置、值班领导、执勤任务等信息，及时下达调度指令，为实现扁平化指挥，可视化调度提供有力保障。 6 讨论本文后续将通过以下步骤把主动交通流控制技术，如可变限速控制、匝道控制等应用于提出的智慧管控系统中以实现其未来的拓展能力与兼容能力。 1）模块化设计：将可变限速控制和匝道控制作为独立的模块加入系统，以确保在需要添加新功能或对现有功能进行调整时，只需对相关模块进行更改即可。 2）开放接口和通用标准：使用开放的数据和通信标准，并设计通用的接口，使得新的设备和服务能够轻松地集成到系统中，以确保系统能和未来可能出现的新设备或技术兼容。 3）引入AI和机器学习：通过引入人工智能和机器学习技术，让系统具备自我优化的能力，能根据收集的交通数据自动调整限速规则和匝道控制策略，提高管控效果。 4）提供用户友好的界面：除对内部系统的优化外，还需要考虑如何让用户更好地使用这些功能。可以提供直观、易用的用户界面，以便让交通管理者和驾驶员能够方便地获取和理解系统提供的信息。 5）安全和可靠性：在智慧管控系统中实施可变限速控制与匝道控制等操作时，须确保这些操作不会增加交通事故的风险。 7 结论与展望智慧高速公路交通安全主动管理是解决高速公路交通管理难点，保障高速公路安全有序畅通的有力保障。本文立足宿迁高速安全管理实际，梳理了国内外智慧高速公路安全管理现状，总结了智慧高速管控理论体系设计、建设和安全应用情况，重点对智慧高速公路交通安全主动管理工作构建方向、实现途径、应用效果进行了系统总结和多维度探究，以期为智慧高速交通安全主动管理及其国家标准和行业标准作有益探索。 目前，本文仅是对智慧高速管控系统的理论设计及实践探索的初步尝试。在后续的工作中，我们将对智慧高速主动安全管理以下方面做进一步的研究：1）三维建模、视频结构化和数字孪生等前沿新技术成规模实战化应用完全可行，快速推进高速交通安全管理转型升级；2）立足高速公路现有的基础设施、设备，高起点赋能，低成本迭代升级，具有极强的可推广性；3）以高速公路安全管理为中心，积极探索涉路智慧联勤、联动一体化机制，为智慧高速建设提供新思路；4）坚持警研联动，实战科研结合，大胆实践，勇于探索，力争在高速公路管理难点、痛点等实践方面有所突破；5）深入应用领域研究，争取在交通工程基础理论和智慧高速行业规范标准上有所建树。
参考文献：[1] 刘毅. 交通运输与经济发展关系的研究 [D].华南理工大学, 2013. [2] 卢春房, 张航, 陈明玉. 新时代背景下的交通运输高质量发展 [J]. 中国公路学报, 2021, 34(6): 1-9. [3] Li T, Sun H, Wu J, et al. Optimal urban expressway system in a transportation and land use interaction equilibrium framework [J]. Transportmetrica A Transport Science, 2019, 15(2): 1247-1277. [4] Hong J, Tamakloe R, Park D. Application of association rules mining algorithm for hazardous materials transportation crashes on expressway [J]. Accident Analysis & Prevention, 2020, 142: 1-14. [5] Yao Z, Wang Y, Liu B, et al. Fuel consumption and transportation emissions evaluation of mixed traffic flow with connected automated vehicles and human-driven vehicles on expressway [J]. Energy, 2021, 230: 1-11. [6]乔向明, 董梅, 张明香. 基于弹性系数法的全国公路客货运量预测研究 [J]. 华东公路, 2004(5): 88-90. [7]赵晓夏. 5 月份全国高速公路客货运量快速增长 [J]. 中国公路, 2017(13): 112-112. [8] Holguín-Veras J, Leal J A, Sánchez-Diaz I, et al. State of the art and practice of urban freight management: Part I: Infrastructure, vehicle-related, and traffic operations [J]. Transportation Research Part A: Policy and Practice, 2020, 137: 360-382. [9] Holguín-Veras J, Leal J A, Sanchez-Diaz I, et al. State of the art and practice of urban freight management Part II: Financial approaches, logistics, and demand management [J]. Transportation Research Part A: Policy and Practice, 2020, 137: 383-410. [10] Florin R, Olariu S. Real-time traffic density estimation: putting on-coming traffic to work [J]. IEEE Transactions on Intelligent Transportation Systems, 2022: 24(1): 1374-1383. [11] Retallack A E, Ostendorf B. Current understanding of the effects of congestion on traffic accidents [J]. International Journal of Environmental Research and Public Health, 2019, 16(18): 1-13. [12] Sánchez González S, Bedoya-Maya F, Calatayud A. Understanding the effect of traffic congestion on accidents using big data [J]. Sustainability, 2021, 13(13): 1-19. [13] Zheng Z, Wang Z, Zhu L, et al. Determinants of the congestion caused by a traffic accident in urban road networks [J]. Accident Analysis & Prevention, 2020, 136: 1-9. [14] Oviedo-Trespalacios O, Scott-Parker B. Footbridge usage in high-traffic flow highways: the intersection of safety and security in pedestrian decision-making [J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2017, 49: 177-187. [15]Coulter R, Han Q-L, Pan L, et al. Data-driven cyber security in perspective-Intelligent traffic analysis [J]. IEEETansactions on Cybernetics, 2019, 50(7): 3081-3093. [16]李伊婧, 张朝辉. 我国道路交通事故影响因素分析及严重程度预测研究 [D].长春: 吉林大学, 2020. [17]张宝, 陈鹏. 高速公路交通事故空间分布特征及防控对策研究 [J]. 交通科技与经济, 2021, 23(1): 26-34. [18]邢慧坚. 高速公路养护施工安全管理问题分析 [J]. 西部交通科技, 2021(4): 206-208. [19]王若霞, 陈卓. 智慧高速公路系统建设探究 [J]. 中国交通信息化, 2013(S1): 33-35. [20] 李昱岐, 叶青. 智慧高速公路建设探讨 [J]. 中国交通信息化, 2021(261): 93-99. [21] 高晓波, 丛侃. 智慧高速公路建设研究探析 [J]. 公路, 2021(7): 209-213. [22]Wang L, Abdel-Aty M, Lee J. Implementation of active traffic management strategies for safety on congested expressway weaving segments [J]. Transportation Research Record, 2017, 2635(1): 28-35. [23] Farrag S G, Outay F, Yasar A U-H, et al. Evaluating active traffic management (ATM) strategies under non-recurring congestion: simulation-based with benefit cost analysis case study [J]. Sustainability, 2020, 12(15): 1-15. [24]齐建宇, 马浩, 李宇轩, 等. 高速公路风险防控主动交通管理系统及应用 [J]. 交通工程, 2021, 3(21): 26-35. [25] Ma W, He Z, Wang L, et al. Active traffic management strategies for expressways based on crash risk prediction of moving vehicle groups [J]. Accident Analysis & Prevention, 2021, 163: 1-12. [26]张纪升, 李斌, 王笑京, 等. 智慧高速公路架构与发展路径设计 [J]. 公路交通科技, 2018, 35(1): 88-94. [27] 岑晏青, 宋向辉, 王东柱, 等. 智慧高速公路技术体系构建 [J]. 公路交通科技, 2020, 37(7): 111-121. [28] 刘好德, 钱贞国, 刘向龙, 等. 城市MaaS研究热点文献计量分析与发展启示 [J]. 交通运输研究, 2022, 8(3): 130-142. [29] 王丽园, 白家安, 张存保, 等. 基于灰色聚类法的MaaS出行服务水平评价研究 [J]. 武汉理工大学学报 (交通科学与工程版), 2022, 46(1): 33-37. [30]司徒越, 梁武昌, 谢宗文. 聚焦“十三五”—智慧交通成亮点 [J]. 广东交通, 2016(3): 4-7. [31] 汤立波, 康陈. 车联网产业融合发展趋势 [J]. 电信科学, 2019, 35(11): 96-100. [32] 孟辉, 贾彦党. 智慧公路泛在感知及多网融合传输体系探究与应用 [J]. 中国交通信息化, 2021, 10: 100-104. [33] 伍朝辉, 武晓博, 王亮. 交通强国背景下智慧交通发展趋势展望 [J]. 交通运输研究, 2019, 5(4): 26-36. [34] 张永民. 创新城市管理模式推动新型智慧城市建设 [J]. 中国建设信息化, 2017(5): 52-55. [35]顾莉, 耿驰远. 智慧高速建设思考 [J]. 中国交通信息化, 2019(6): 38-42. [36] 姚冲, 甄峰, 席广亮. 中国智慧城市研究的进展与展望 [J]. 人文地理, 2021, 36(5): 15-23. [37] Lang G. Comprehensive transportation planning research under the background of a strong transportation country: taking Ziyuan County as an example; proceedings of the International Conference on Smart Transportation and City Engineering 2021, F, 2021 [C]. SPIE. [38] Liu C, Du Y, Ge Y, et al. New generation of smart highway: framework and insights [J]. Journal of Advanced Transportation, 2021, 2021: 1-12. [39] Zhou Y, Sun T, Wen S, et al. Effectiveness analysis on human-machine information interaction of intelligent highway [J]. Journal of Advanced Transportation, 2022, 2022: 1-9.
|
|
|
