与现有的高速公路机电系统相比,使用智能路侧感知设备采集道路上车辆的实时运动状态信息是新一代智慧高速的重要功能。针对目前智慧高速规划和建设工作中缺乏科学合理的路侧感知设备布设方法的问题,本文依托国家重点研发项目“高速公路智能车路协同系统集成应用”（2019YFB1600100）,提出了一种高速公路路侧感知设备布设与优化方法,主要研究内容如下:（1）提出了一种路侧感知设备应用需求量化方法。遴选了涵盖时间、距离、减速度、速度等类型替代安全指标来衡量道路行车安全风险;采用最大信息系数法对指标进行相关性检验,以降低指标之间相关性对量化分析结果的影响;基于信息熵理论设计了路段行车风险熵计算方法;以Savitzky-Golay算法滤波后的多车道高速公路车辆轨迹数据为实例,完成了研究路段的行车风险熵提取和分析工作。（2）提出了基于整数规划模型的路侧感知设备布设方法。分析了目前主流的路侧感知设备功能和安装方式,完成了路侧感知设备的布设成本估算;以感知设备采集到的行车风险熵最大为目标,以建设预算、感知覆盖范围为约束条件构建整数规划模型,获得不同预算约束和检测误差水平下的路侧感知设备布设方案;通过对比加速度热力时空图和设备感知区域图,验证了布设方案的合理性。研究结果表明,路侧感知设备布设数量与其行车风险感知能力呈现边际效用递减规律,适中的设备安装数量能够获得较高的费效比;10%以内的设备检测误差不会影响路侧感知设备布设方案计算结果。（3）针对路侧感知设备存在检测间隙导致盲区的问题,提出了基于车辆轨迹预测的感知盲区补偿方法。提出了一种车辆时空融合轨迹预测模型,采用长短期记忆网络作为车辆轨迹数据的编码器和解码器,引入源于历史轨迹数据的车速预测信息作为模型输入,基于社会池理念对群体行驶场景中复杂的车辆空间依赖关系进行建模;使用车辆间速度差作为时空信息表征身处车辆群体中的特定车辆驾驶员对未来行车风险的预期,并将上述时空信息统一融合进卷积社会池化网络中,实现对车辆轨迹的精准预测;使用轨迹预测算法具备的有效预测距离作为盲区补偿的依据,对原有的设备布设方案进行调整。结果表明,采取的轨迹预测方法可以有效补偿感知设备盲区,在相同预算下可以取得更好的数据采集效果。