摘要：为应对传统方法研究车辆轨迹存在精度和效率局限的问题,加快推进道路交通数字化治理模式,本文提出了一种基于多目标跟踪优化的路口车辆轨迹提取方法。首先,基于YOLOv8s算法框架,引入多分支卷积模块并设计了一种结合标准卷积与深度可分离卷积的图像处理方法,以提高模型对不同场景的鲁棒性并保持帧率稳定。然后,通过精确量化角度差异和距离损失,改进了DeepSORT算法的损失函数,以提高模型的收敛速度和处理不规则物体的准确度。最后,通过推导出像素坐标系与真实世界坐标系的转换关系,确保了车辆轨迹的准确提取。实验结果表明,改进模型较原模型mAP、召回率和MOTA分别提升了2.9%、5.6%和0.7%,编码变换次数下降64%,在检测的同时能够保持帧率稳定,能够准确提取车辆在监控录像中的轨迹信息。这对于深入研究车辆特性和道路交通风险提供了方法支撑,具有较高实战应用价值。