随着国民经济的飞速发展,汽车保有量逐渐增多,给城市路网带来了巨大的交通压力。而交叉口作为城市路网的关键节点,却存在许多交通问题,如延误、冲突点多、排队过长等,逐渐成为城市路网的发展瓶颈。如果能够根据交叉口真实的交通数据,建立准确的服务水平评价模型,将会为交叉口的改善提供科学依据,减少交通拥堵带来的损失。另外,无人机具有独特的拍摄视角,能够全面把握交叉口的多方面信息,相较于传统的信息采集方式具有不可替代的优势。因此,本文提出一种基于无人机视频的平面信号交叉口服务水平评价方法,研究内容主要有以下三点:（1）基于无人机视频的车辆检测。本文选定YOLOv5s作为车辆检测算法,并采用Focal损失代替二进制交叉熵损失计算分类损失和置信度损失,解决了不同难度样本权重系数相同的问题;采用LCIo U代替LGIo U计算定位损失,解决了目标框完全包裹预测框时,GIo U退化为Io U的问题。最后,利用无人机实地采集交通视频自建数据集,同时训练YOLOv5s算法的原模型与改进模型,并基于测试集对比分析,结果表明改进算法的m AP＿0.5提升了1.8%。（2）基于无人机视频的车辆跟踪。本文采用兼顾运动特征与表观特征的Deep SORT作为车辆跟踪算法,并与改进的YOLOv5s算法融合构建车辆跟踪系统。为了验证该系统的有效性,本文使用一段总帧数为750帧的无人机交通视频进行测试,结果表明该系统在不同光照条件下、存在行道树遮挡时或长时间持续跟踪情况下,仍具有良好的跟踪效果,车辆身份ID也并未发生跳变。（3）构建服务水平评价体系。本文依据车辆跟踪系统输出的轨迹信息获取交叉口的车流量、流向和行驶速度。并选定平均停车延误、饱和度和停车率3个指标评价平面信号交叉口的服务水平。再通过10位专业研究人员打分和层次分析法确定指标权重,分别为0.442、0.329和0.229。然后,建立模糊综合评价模型,并采用加权平均法对评价结果量化处理,以此确定交叉口的服务水平等级。最后,选定大连市沙河口区胜利路与成仁街交叉口作为实例,计算发现算法数据与实际数据确定的服务水平等级均为C,即基本畅通状态。这表明本文提出的评价方法具有一定的可靠性。本文提出的服务水平评价方法能够准确地反映平面信号交叉口的真实运行状态,为交通部门管控交叉口提供科学依据,具有较强的实用性。