入口匝道车辆汇入行为是影响高速公路交通流连续性的主要因素，决定了主线和匝道交织区的通行能力。大型车辆由于车辆尺寸和动力性能的限制，其汇入行为对周围车辆会产生很大程度的影响。有关汇入行为的已有研究中缺少对不同车型的分类讨论及深入研究。本文基于无人机视频获取交通数据特征，分析研究大型车辆汇入行为的特点及其影响。
　　首先，利用计算机视觉库OpenCV处理视频数据，结合多种图像处理算法获取车辆位置信息，追踪车辆行驶轨迹。经过公式计算得到速度、加速度等交通特征参数。基于现有的车型分类方法，利用聚类分析对车辆进行了分类。针对不同车型的自由汇入行为，选取初始速度、汇入速度、速度差、汇入位置等特征变量进行对比分析，利用方差分析对差异性进行检验。
　　然后，基于XGBoost算法分别建立了大型车辆和小型车辆的汇入位置回归模型，详细介绍模型的基本原理和训练过程。以模型预测值的平均绝对误差为评价指标，进行了多折交叉检验。引入SHAP算法对汇入模型进行分析，解释不同特征变量对汇入位置影响的大小和正负性。
　　最后，基于大小型车辆之间汇入行为的显著差异，阐明了汇入失衡现象发生的原因。利用Logistic回归、SVM和XGBoost分别建立汇入失衡预测模型，对比分析了三种模型的结果，得到汇入失衡发生时特征变量的临界值。
　　论文主要得到以下结论：1）明确了大型车辆和小型车辆在汇入行为上存在的显著差异；2）分车型建立了关于汇入位置的XGBoost回归模型，得到了不同特征变量对汇入位置的影响；3）建立了多种汇入失衡预测模型，对比发现Logistic回归模型和SVM模型表现出优异的稳定性和安全性；4）利用 SHAP 算法确定了汇入失衡状态下大型车辆特征变量的临界值。
　　本研究的成果有助于改善入口匝道处的交通管理方式，降低汇入失衡状态下的事故风险，提升高速公路交织区的运行效率。