CN105243876A - 一种用于互通立交的交通冲突严重性分析方法 - Google Patents

Abstract

本发明提供一种用于互通立交的交通冲突严重性分析方法，包括以下步骤：1)通过视频采集装置采集视频数据；2)通过大量视频数据，确定冲突车辆；3)通过视频追踪软件绘制冲突车辆行驶轨迹图，得到车辆行驶轨迹坐标序列、速度序列；4)绘制冲突车辆相对位置-时间曲线图，利用数学分析方法计算两车碰撞时间TTC；5)依据冲突车辆运动方向进行冲突分类；6)根据冲突类型进行样本检验；7)确定不同类型交通冲突的严重性分界值。本发明能有效处理互通立交中因难以确定冲突点而不能计算TTC的问题，通过交通冲突严重性界定，从而提高交通冲突调查结果与实际交通事故的关联性，为应用交通冲突技术进行互通立交交通安全评价提供良好的冲突分类依据。

Description

一种用于互通立交的交通冲突严重性分析方法

技术领域

本发明涉及交通安全领域，特别涉及一种用于互通立交的交通冲突严重性分析方法。

背景技术

高速公路互通立交出入口匝道之间交织区车流量稳定，但车辆在交织长度内完成车道变换过程中易导致主线交通流紊乱，产生交通冲突，进而引发交通事故。

交通冲突技术以观测到的交通冲突作为交通事故的替代指标来评价道路交通设施的安全状况，作为一种间接安全评价方法，交通冲突技术由于其数据获得迅速、评价周期短、样本量大等优点获得了广泛应用。

传统的交通冲突识别方法中，需要先确定冲突点，然后根据冲突车辆到冲突点的距离及速度计算两车碰撞时间，从而判断是否发生冲突。但在高速公路互通立交中，冲突点难以确定，不能使用传统方法确定TTC及判断冲突严重性。

国外大量研究表明，严重冲突与事故之间存在一定的换算关系。因此对交通冲突进行研究的一个基本任务就是选用合适的指标对不同严重程度的冲突进行有效界定，对冲突的有效界定将有利于对交通冲突进行有效分类，提高交通冲突调查结果与实际交通事故的关联性，为应用交通冲突技术进行互通立交交通安全评价提供良好的冲突分类依据。由此可见，对交通冲突严重性进行分析显得尤为重要。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种用于互通立交的交通冲突严重性分析方法，其特征在于：包括以下步骤：

1)在高速公路的路口以及每个路段设置视频采集装置，并采集视频数据；

2)通过大量视频数据，确定冲突车辆；

3)通过航拍仪采集互通交通的具体道路分布数据，然后通过视频追踪软件，绘制冲突车辆行驶轨迹图，并得到车辆行驶轨迹坐标序列、速度序列；

4)根据车辆行驶轨迹坐标序列、速度序列绘制冲突车辆相对位置-时间曲线图，利用数学分析方法计算两车碰撞时间TTC；

5)计算冲突车辆运动方向夹角θ，判断冲突类型；依据冲突车辆运动方向进行冲突分类，当0°＜θ＜30°为追尾冲突；30°≤θ≤85°为侧击冲突；85°＜θ≤180°为正面冲突。

6)根据冲突类型进行样本检验；判断是否满足样本要求，如不满足样本量要求，则重新进行视频数据采集；

7)采用85％位累积频率曲线分析法，确定不同类型交通冲突的严重性分界值。

其中步骤(3)中，利用视频追踪软件，绘制冲突车辆行驶轨迹图，并得到车辆行驶轨迹坐标序列、速度序列，其中以合流区鼻端为坐标原点，沿道路方向建立横坐标轴，沿道路垂直方向为纵坐标轴，每0.1s记录一个位置信息，t时刻对应的轨迹坐标为l(x,y)，速度坐标为v(v_x,v_y)，轨迹序列为L＝{l₁,l₂,l₃,…,l_n}，速度序列为V＝{v₁,v₂,v₃,…,v_n}。

其中步骤(4)中，所述冲突车辆相对位置-时间曲线图中相对位置计算方法如下：其中为两冲突车辆在t_n时刻的位置坐标。

其中步骤(4)中，所述采用数学分析方法计算两车碰撞时间TTC的具体步骤为：取相对距离-时间曲线图中相对速度最大点其对应时刻为t_m，在该点处做曲线切线，与t轴焦点为t_c，则该点即为潜在碰撞点TTC为t_c-t_m。

其中步骤(6)中，所述的样本检验，根据误差理论，最小样本量计算公式如下：

$N={\left(\frac{SK}{E}\right)}^2$

式中：N为最小的样本量；E为观测值的允许误差；S为估计的样本标准偏差；K为决定于置信水平的系数。

有益效果：本发明能有效处理互通立交中因难以确定冲突点而不能计算TTC的问题，通过交通冲突严重性界定，从而提高交通冲突调查结果与实际交通事故的关联性，为应用交通冲突技术进行互通立交交通安全评价提供良好的冲突分类依据。

附图说明

图1为本发明的总体流程图；

图2为冲突车辆相对位置-时间图；

图3为严重冲突在不同TTC区段的频率分布直方图；

图4为严重冲突在不同TTC区段的累积频率分布直方图。

具体实施方式

如图1所示，本发明包括以下步骤：

1)在高速公路的路口以及每个路段设置视频采集装置，并采集视频数据；

2)通过大量视频数据，确定冲突车辆；

3)通过航拍仪采集互通交通的具体道路分布数据，然后利用视频追踪软件tracker，绘制冲突车辆行驶轨迹图，并得到车辆行驶轨迹坐标序列、速度序列，表1为冲突车辆A和冲突车辆B的部分轨迹坐标及速度值：(其中t代表时间，v代表速度，x代表x轴上的数值，y代表y轴上的数值)

表1

4)绘制冲突车辆相对位置-时间图，利用数学分析方法计算两车碰撞时间TTC，如图2所示，计算曲线斜率最大点，对应时刻t_m＝43s，以该点为切点做曲线切线，与横坐标焦点为t_c＝40s，TTC＝t_c-t_m＝3s；

5)计算冲突车辆运动方向夹角θ，判断冲突类型；依据冲突车辆运动方向进行冲突分类，当0°＜θ＜30°为追尾冲突；30°≤θ≤85°为侧击冲突；85°＜θ≤180°为正面冲突。依据冲突车辆运动方向进行冲突分类，实施例中冲突车辆夹角小于30°，为追尾冲突。

6)根据冲突类型最后进行样本检验；如不满足样本量要求，则重新进行补充调查；

根据误差理论，最小样本量为：

$N={\left(\frac{SK}{E}\right)}^2$

式中：N为最小的样本量；

E为观测值的允许误差；

S为估计的样本标准偏差；

K为决定于置信水平的系数，正态分布的K值如表2所示：

表2

经计算，各类冲突TTC的样本标准差均接近于1.0，因此S取1.0。计算不同置信水平不同允许误差情况下的最小样本量如表3所示。将交通冲突按不同类型分类，并分为严重冲突和一般冲突两类，样本量如表4所示，满足最小样本量要求。

表3

表4

7)采用85％位累积频率曲线分析法，确定不同类型交通冲突的严重性分界值。

根据TTC的累积频率分布图，以85％位累积频率对应的TTC值作为TTC的上界，以追尾冲突中的严重冲突为例说明其计算过程。

将严重冲突的TTC数据按照组距为0.2s进行分组，并计算每组数据的频率和累积频率如表5所示。根据表5分别得到TTC的频率分布直方图和累积频率分布直方图如图3和图4所示。

表5

从图4中可以看出，85％位累积频率对应的TTC为2.8s～3.0s，取2.8s为严重冲突的上界。采用同样的方法对其他三类冲突进行分析，得到互通立交交通冲突的界定标准如表6所示。

表6

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进也应视为本发明的保护范围。

Claims (5)

1.一种用于互通立交的交通冲突严重性分析方法，其特征在于：包括以下步骤：

1)在高速公路的路口以及每个路段设置视频采集装置，并采集视频数据；

2)通过大量视频数据，确定冲突车辆；

3)通过航拍仪采集互通交通的具体道路分布数据，然后通过视频追踪软件，绘制冲突车辆行驶轨迹图，并得到车辆行驶轨迹坐标序列、速度序列；

4)根据车辆行驶轨迹坐标序列、速度序列绘制冲突车辆相对位置-时间曲线图，利用数学分析方法计算两车碰撞时间TTC；

5)计算冲突车辆运动方向夹角θ，判断冲突类型；依据冲突车辆运动方向进行冲突分类，当0°＜θ＜30°为追尾冲突；30°≤θ≤85°为侧击冲突；85°＜θ≤180°为正面冲突。

6)根据冲突类型进行样本检验；判断是否满足样本要求，如不满足样本量要求，则重新进行视频数据采集；

7)采用85％位累积频率曲线分析法，确定不同类型交通冲突的严重性分界值。

2.根据权利要求1所述的一种用于互通立交的交通冲突严重性分析方法，其特征在于：步骤(3)中利用视频追踪软件，绘制冲突车辆行驶轨迹图，并得到车辆行驶轨迹坐标序列、速度序列，其中以合流区鼻端为坐标原点，沿道路方向建立横坐标轴，沿道路垂直方向为纵坐标轴，每0.1s记录一个位置信息，t时刻对应的轨迹坐标为l(x,y)，速度坐标为v(v_x,v_y)，轨迹序列为L＝{l₁,l₂,l₃,…,l_n}，速度序列为V＝{v₁,v₂,v₃,…,v_n}。

3.根据权利要求1所述的一种用于互通立交的交通冲突严重性分析方法，其特征在于：步骤(4)中所述冲突车辆相对位置-时间曲线图中相对位置计算方法如下： $d=\sqrt{{(x_n^1-x_n^2)}^2+{(y_n^1-y_n^2)}^2},$ 其中为两冲突车辆在t_n时刻的位置坐标。

4.根据权利要求1至3之一所述的一种用于互通立交的交通冲突严重性分析方法，其特征在于：步骤(4)中所述采用数学分析方法计算两车碰撞时间TTC的具体步骤为：取相对距离-时间曲线图中相对速度最大点其对应时刻为t_m，在该点处做曲线切线，与t轴焦点为t_c，则该点即为潜在碰撞点TTC为t_c-t_m。

5.根据权利要求1所述的一种用于互通立交的交通冲突严重性分析方法，其特征在于：步骤(6)中所述的样本检验，根据误差理论，最小样本量计算公式如下：

$N={\left(\frac{SK}{E}\right)}^2$

式中：N为最小的样本量；E为观测值的允许误差；S为估计的样本标准偏差；K为决定于置信水平的系数。