第2期 陆建,等:道路交通网络安全风险辨识研究进展 409 信及车路之间的智能感知,为车辆之间的碰撞风险[6] Messelodi s, Modena c m, Zanin m,etal. Intelligent 提供实时预警,并有效评估网联汽车和常规汽车混 extended floating car data collection[J]. Expert Systems 合运行环境下的交通运输网络安全风险 th Applications, 2009, 36(3):4213-4227. DOI 1016/ 1. eswa.2008.04.008. 总结可知,目前国内道路交通安全形势依然严[7] Pan X,LuJG,DiS,etal. Cellular-based data-ex 峻,相关的研究进展仍需完善.另外,国内城市道路 tracting method for trip distribution[J]. Transportation 交通网络结构复杂,机非混行、交通违法等一定程 al of the Transportation Re 度上阻碍了道路交通网络安全风险的有效识别和 search board,2006,1945(1):33-39.Dol:10 预警;而目前兴起的自动驾驶技术虽在一定程度缓 1177/0361198106194500105 解了车辆之间的冲突,但对于人车冲突的改善及其 [8 Faouzi N EE, Leung H, Kurian A. Data fusion inin- telligent transportation systems: Progress and challen- 法律层面的保护仍需提高.同时,由于不同模式交 ges-A survey [J]. Information Fusion, 2011, 12(1) 通数据获取较为困难,如何高效获取不同来源的交 通信息,并建立合法的数据共享机制,打破不同部[9] Rehrl K, Brunauer r, Grochenig S. Collecting floating 门之间的数据孤岛,真正实现多源异构交通数据的 car data with smartphones: Results from a field trial in 互联互通仍需要很长的路要走 Austria[ J]. Journal of Location Based Services, 2016 10(1):16-30.DOI:10.1080/17489725.2016. 当然,道路交通网络安全风险辨识领域的相关 1169323 进展远不止本研究所述由于篇幅和作者研究领域[10o] Dozza m, Gonzalez p. Recognising safety critical 的局限性,有关驾驶人不良驾驶行为、道路参与者 events: Can automatic video processing improve natu- 社会心理因素等所带来的风险及其他相关方面尚 ralistic data analyses? [J]. Accident Analysis &Pre- 未涉及但随着研究的深入和研究手段的不断进 vention,2013,60:298-304.DOI:10.1016/j.aap. 013.02.014 步,以上问题会得到有效解决,届时有关道路交通 [11 Ran B, Song L, Zhang J, et al. Using tensor comple- 网络安全风险辨识的相关研究成果必将在未来得 tion method to achieving better coverage of traffic state 到更广泛的应用,并产生深远的影响 estimation from sparse floating car data [J]. PLos One,2016,11(7):c0157420.DOl:10.1371/jour 参考文献( References) nal pone. 0157420 [1] Wang Y B, Coppola P, Tzimitsi A, et al. Real-time [12 Han Y F, Moutarde F. Analysis of large-scale traffic freeway network traffic surveillance: Large-scale field- dynamics in an urban transportation network using non- testing results in southern Italy[ J]. IEEE Transactions negative tensor factorization[J]. International Journal on Intelligent Transportation Systems, 2011, 12(2) of Intelligent Transportation Systems Research, 2016 14(1):36-49.DOI:10.1007/s131770140099-7 548-562.DOl:10.1109/tits.2011.2107901 [2 Kong Q J, Li Z P, Chen Y K, et al. An approach to [13 Leduc G. Road traffic data: Collection methods and urban traffic state estimation by fusing multisource in- applications[ J]. Working Papers on Energy, Trans- port and Climate Change, 2008, 1(55): JRC 47967 formation[ J]. IEEE Transactions on Intelligent Trans- [14 Bachmann C, Abdulhai B, Roorda M J, et al. A com- portation Systems, 2009, 10(3): 499-511. DOI: 10 parative assessment of multi-sensor data fusion tech- 1109/uts.2009.2026308 niques for freeway traffic speed estimation using micro- [3 Ma X L, Tao Z M, Wang Y H, et al. Long short-term imulation modeling[J]. Transportation Research Part memory neural network for traffic speed prediction C: Emerging Technologies, 2013, 26: 33-48. DOI using remote microwave sensor data[J]. Transportation 10.1016/jtre.2012.07.003 Research Part C: Emerging Technologies, 2015, 54 [15 He S L, Zhang J, Cheng Y, et al 187-197.Dol:10.1016/j.urc.2015.03.014. sor data fusion approach integrating data from cell [4 Kwong K, Kavaler R, Rajagopal R, et al. Real-time phone probes and fixed sensors [J]. Joumal of Sen measurement of link vehicle count and travel time in a sors,2016,2016:1-13.DOl:10.1155/2016/ oad network [J]. IEEE Transactions on intelligent 7269382 DOI:10.1109/its.2010.2050881 公路站间旅行时间[J].交通运输系统工程与信息, [5 Cheng H Y, Hsu S H. Intelligent highway traffic sur 2016,16(1):52-57.DOI:10.3969/ J. Issn.100 veillance with self-diagnosis abilities[ J]. IEEE Trans- 6744.2016.01.009 oJD,ⅪuFF, Zhang K, (4):1462-1472.DOl:10.1109/tits.2011.2160171 time prediction based on multi-source data fusion[J] http://journal.seu.edu.cnｈｔｔｐ：／／ｊｏｕｒｎａｌ．ｓｅｕ．ｅｄｕ．ｃｎ 信及车路之间的智能感知，为车辆之间的碰撞风险 提供实时预警，并有效评估网联汽车和常规汽车混 合运行环境下的交通运输网络安全风险． 总结可知，目前国内道路交通安全形势依然严 峻，相关的研究进展仍需完善．另外，国内城市道路 交通网络结构复杂，机非混行、交通违法等一定程 度上阻碍了道路交通网络安全风险的有效识别和 预警；而目前兴起的自动驾驶技术虽在一定程度缓 解了车辆之间的冲突，但对于人车冲突的改善及其 法律层面的保护仍需提高．同时，由于不同模式交 通数据获取较为困难，如何高效获取不同来源的交 通信息，并建立合法的数据共享机制，打破不同部 门之间的数据孤岛，真正实现多源异构交通数据的 互联互通仍需要很长的路要走． 当然，道路交通网络安全风险辨识领域的相关 进展远不止本研究所述．由于篇幅和作者研究领域 的局限性，有关驾驶人不良驾驶行为、道路参与者 社会心理因素等所带来的风险及其他相关方面尚 未涉及．但随着研究的深入和研究手段的不断进 步，以上问题会得到有效解决，届时有关道路交通 网络安全风险辨识的相关研究成果必将在未来得 到更广泛的应用，并产生深远的影响． 参考文献 （Ｒｅｆｅｒｅｎｃｅｓ） ［１］ ＷａｎｇＹＢ，ＣｏｐｐｏｌａＰ，ＴｚｉｍｉｔｓｉＡ，ｅｔａｌ．Ｒｅａｌｔｉｍｅ ｆｒｅｅｗａｙｎｅｔｗｏｒｋｔｒａｆｆｉｃｓｕｒｖｅｉｌｌａｎｃｅ：Ｌａｒｇｅｓｃａｌｅｆｉｅｌｄ ｔｅｓｔｉｎｇｒｅｓｕｌｔｓｉｎｓｏｕｔｈｅｒｎＩｔａｌｙ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍｓ，２０１１，１２（２）： ５４８ ５６２．ＤＯＩ：１０．１１０９／ｔｉｔｓ．２０１１．２１０７９０１． ［２］ＫｏｎｇＱＪ，ＬｉＺＰ，ＣｈｅｎＹＫ，ｅｔａｌ．Ａｎａｐｐｒｏａｃｈｔｏ ｕｒｂａｎｔｒａｆｆｉｃｓｔａｔｅｅｓｔｉｍａｔｉｏｎｂｙｆｕｓｉｎｇｍｕｌｔｉｓｏｕｒｃｅｉｎ ｆｏｒｍａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓ ｐｏｒｔａｔｉｏｎＳｙｓｔｅｍｓ，２００９，１０（３）：４９９ ５１１．ＤＯＩ：１０． １１０９／ｔｉｔｓ．２００９．２０２６３０８． ［３］ＭａＸＬ，ＴａｏＺＭ，ＷａｎｇＹＨ，ｅｔａｌ．Ｌｏｎｇｓｈｏｒｔｔｅｒｍ ｍｅｍｏｒｙ ｎｅｕｒａｌｎｅｔｗｏｒｋ ｆｏｒｔｒａｆｆｉｃｓｐｅｅｄ ｐｒｅｄｉｃｔｉｏｎ ｕｓｉｎｇｒｅｍｏｔｅｍｉｃｒｏｗａｖｅｓｅｎｓｏｒｄａｔａ［Ｊ］．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ ＲｅｓｅａｒｃｈＰａｒｔＣ：ＥｍｅｒｇｉｎｇＴｅｃｈｎｏｌｏｇｉｅｓ，２０１５，５４： １８７ １９７．ＤＯＩ：１０．１０１６／ｊ．ｔｒｃ．２０１５．０３．０１４． ［４］ＫｗｏｎｇＫ，ＫａｖａｌｅｒＲ，ＲａｊａｇｏｐａｌＲ，ｅｔａｌ．Ｒｅａｌｔｉｍｅ ｍｅａｓｕｒｅｍｅｎｔｏｆｌｉｎｋｖｅｈｉｃｌｅｃｏｕｎｔａｎｄｔｒａｖｅｌｔｉｍｅｉｎａ ｒｏａｄｎｅｔｗｏｒｋ［Ｊ］．ＩＥＥＥ ＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔ ＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍｓ，２０１０，１１（４）：８１４ ８２５． ＤＯＩ：１０．１１０９／ｔｉｔｓ．２０１０．２０５０８８１． ［５］ ＣｈｅｎｇＨＹ，ＨｓｕＳＨ．Ｉｎｔｅｌｌｉｇｅｎｔｈｉｇｈｗａｙｔｒａｆｆｉｃｓｕｒ ｖｅｉｌｌａｎｃｅｗｉｔｈｓｅｌｆｄｉａｇｎｏｓｉｓａｂｉｌｉｔｉｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓ ａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍｓ，２０１１，１２ （４）：１４６２ １４７２．ＤＯＩ：１０．１１０９／ｔｉｔｓ．２０１１．２１６０１７１． ［６］ＭｅｓｓｅｌｏｄｉＳ，ＭｏｄｅｎａＣＭ，ＺａｎｉｎＭ，ｅｔａｌ．Ｉｎｔｅｌｌｉｇｅｎｔ ｅｘｔｅｎｄｅｄｆｌｏａｔｉｎｇｃａｒｄａｔａｃｏｌｌｅｃｔｉｏｎ［Ｊ］．ＥｘｐｅｒｔＳｙｓｔｅｍｓ ｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｓ，２００９，３６（３）：４２１３ ４２２７．ＤＯＩ： １０．１０１６／ｊ．ｅｓｗａ．２００８．０４．００８． ［７］ＰａｎＣＸ，ＬｕＪＧ，ＤｉＳ，ｅｔａｌ．Ｃｅｌｌｕｌａｒｂａｓｅｄｄａｔａｅｘ ｔｒａｃｔｉｎｇｍｅｔｈｏｄｆｏｒｔｒｉｐｄｉｓｔｒｉｂｕｔｉｏｎ［Ｊ］．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ ＲｅｓｅａｒｃｈＲｅｃｏｒｄ：ＪｏｕｒｎａｌｏｆｔｈｅＴｒａｎｓｐｏｒｔａｔｉｏｎＲｅ ｓｅａｒｃｈＢｏａｒｄ，２００６，１９４５（１）：３３ ３９．ＤＯＩ：１０． １１７７／０３６１１９８１０６１９４５００１０５． ［８］ＦａｏｕｚｉＮＥＥ，ＬｅｕｎｇＨ，ＫｕｒｉａｎＡ．Ｄａｔａｆｕｓｉｏｎｉｎｉｎ ｔｅｌｌｉｇｅｎｔｔｒａｎｓｐｏｒｔａｔｉｏｎｓｙｓｔｅｍｓ：Ｐｒｏｇｒｅｓｓａｎｄｃｈａｌｌｅｎ ｇｅｓ—Ａｓｕｒｖｅｙ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎ，２０１１，１２（１）： ４ １０．ＤＯＩ：１０．１０１６／ｊ．ｉｎｆｆｕｓ．２０１０．０６．００１． ［９］ＲｅｈｒｌＫ，ＢｒｕｎａｕｅｒＲ，ＧｒｃｈｅｎｉｇＳ．Ｃｏｌｌｅｃｔｉｎｇｆｌｏａｔｉｎｇ ｃａｒｄａｔａｗｉｔｈｓｍａｒｔｐｈｏｎｅｓ：Ｒｅｓｕｌｔｓｆｒｏｍ ａｆｉｅｌｄｔｒｉａｌｉｎ Ａｕｓｔｒｉａ［Ｊ］．ＪｏｕｒｎａｌｏｆＬｏｃａｔｉｏｎＢａｓｅｄＳｅｒｖｉｃｅｓ，２０１６， １０（１）：１６ ３０．ＤＯＩ：１０．１０８０／１７４８９７２５．２０１６． １１６９３２３． ［１０］ＤｏｚｚａＭ，ＧｏｎｚáｌｅｚＮ Ｐ．Ｒｅｃｏｇｎｉｓｉｎｇｓａｆｅｔｙｃｒｉｔｉｃａｌ ｅｖｅｎｔｓ：Ｃａｎａｕｔｏｍａｔｉｃｖｉｄｅｏｐｒｏｃｅｓｓｉｎｇｉｍｐｒｏｖｅｎａｔｕ ｒａｌｉｓｔｉｃｄａｔａａｎａｌｙｓｅｓ？［Ｊ］．ＡｃｃｉｄｅｎｔＡｎａｌｙｓｉｓ＆Ｐｒｅ ｖｅｎｔｉｏｎ，２０１３，６０：２９８ ３０４．ＤＯＩ：１０．１０１６／ｊ．ａａｐ． ２０１３．０２．０１４． ［１１］ＲａｎＢ，ＳｏｎｇＬ，ＺｈａｎｇＪ，ｅｔａｌ．Ｕｓｉｎｇｔｅｎｓｏｒｃｏｍｐｌｅ ｔｉｏｎｍｅｔｈｏｄｔｏａｃｈｉｅｖｉｎｇｂｅｔｔｅｒｃｏｖｅｒａｇｅｏｆｔｒａｆｆｉｃｓｔａｔｅ ｅｓｔｉｍａｔｉｏｎｆｒｏｍ ｓｐａｒｓｅｆｌｏａｔｉｎｇｃａｒｄａｔａ［Ｊ］．ＰＬｏＳ Ｏｎｅ，２０１６，１１（７）：ｅ０１５７４２０．ＤＯＩ：１０．１３７１／ｊｏｕｒ ｎａｌ．ｐｏｎｅ．０１５７４２０． ［１２］ＨａｎＹＦ，ＭｏｕｔａｒｄｅＦ．Ａｎａｌｙｓｉｓｏｆｌａｒｇｅｓｃａｌｅｔｒａｆｆｉｃ ｄｙｎａｍｉｃｓｉｎａｎｕｒｂａｎｔｒａｎｓｐｏｒｔａｔｉｏｎｎｅｔｗｏｒｋｕｓｉｎｇｎｏｎ ｎｅｇａｔｉｖｅｔｅｎｓｏｒｆａｃｔｏｒｉｚａｔｉｏｎ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌ ｏｆＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍｓＲｅｓｅａｒｃｈ，２０１６， １４（１）：３６ ４９．ＤＯＩ：１０．１００７／ｓ１３１７７０１４００９９７． ［１３］ ＬｅｄｕｃＧ．Ｒｏａｄｔｒａｆｆｉｃｄａｔａ：Ｃｏｌｌｅｃｔｉｏｎｍｅｔｈｏｄｓａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＷｏｒｋｉｎｇＰａｐｅｒｓｏｎＥｎｅｒｇｙ，Ｔｒａｎｓ ｐｏｒｔａｎｄＣｌｉｍａｔｅＣｈａｎｇｅ，２００８，１（５５）：ＪＲＣ４７９６７． ［１４］ＢａｃｈｍａｎｎＣ，ＡｂｄｕｌｈａｉＢ，ＲｏｏｒｄａＭ Ｊ，ｅｔａｌ．Ａｃｏｍ ｐａｒａｔｉｖｅａｓｓｅｓｓｍｅｎｔｏｆｍｕｌｔｉｓｅｎｓｏｒｄａｔａｆｕｓｉｏｎｔｅｃｈ ｎｉｑｕｅｓｆｏｒｆｒｅｅｗａｙｔｒａｆｆｉｃｓｐｅｅｄｅｓｔｉｍａｔｉｏｎｕｓｉｎｇｍｉｃｒｏ ｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｉｎｇ［Ｊ］．ＴｒａｎｓｐｏｒｔａｔｉｏｎＲｅｓｅａｒｃｈＰａｒｔ Ｃ：ＥｍｅｒｇｉｎｇＴｅｃｈｎｏｌｏｇｉｅｓ，２０１３，２６：３３ ４８．ＤＯＩ： １０．１０１６／ｊ．ｔｒｃ．２０１２．０７．００３． ［１５］ＨｅＳＬ，ＺｈａｎｇＪ，ＣｈｅｎｇＹ，ｅｔａｌ．Ｆｒｅｅｗａｙｍｕｌｔｉｓｅｎ ｓｏｒｄａｔａｆｕｓｉｏｎａｐｐｒｏａｃｈｉｎｔｅｇｒａｔｉｎｇｄａｔａｆｒｏｍ ｃｅｌｌ ｐｈｏｎｅｐｒｏｂｅｓａｎｄｆｉｘｅｄｓｅｎｓｏｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｅｎ ｓｏｒｓ，２０１６，２０１６：１ １３． ＤＯＩ：１０．１１５５／２０１６／ ７２６９３８２． ［１６］赵建东，徐菲菲，张琨，等．融合多源数据预测高速 公路站间旅行时间［Ｊ］．交通运输系统工程与信息， ２０１６，１６（１）：５２ ５７．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００９ ６７４４．２０１６．０１．００９． ＺｈａｏＪＤ，ＸｕＦＦ，ＺｈａｎｇＫ，ｅｔａｌ．Ｈｉｇｈｗａｙｔｒａｖｅｌ ｔｉｍｅｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｍｕｌｔｉｓｏｕｒｃｅｄａｔａｆｕｓｉｏｎ［Ｊ］． 第 ２期 陆建，等：道路交通网络安全风险辨识研究进展 ４０９