CN105405127B - 一种高速公路小客车运行速度预测方法 - Google Patents

一种高速公路小客车运行速度预测方法 Download PDF

Info

Publication number
CN105405127B
CN105405127B CN201510726882.4A CN201510726882A CN105405127B CN 105405127 B CN105405127 B CN 105405127B CN 201510726882 A CN201510726882 A CN 201510726882A CN 105405127 B CN105405127 B CN 105405127B
Authority
CN
China
Prior art keywords
speed
minibus
service
road
highway
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510726882.4A
Other languages
English (en)
Other versions
CN105405127A (zh
Inventor
张驰
高天智
魏瑞
张敏
杨坤
闫晓敏
齐晨
王世伟
熊丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201510726882.4A priority Critical patent/CN105405127B/zh
Publication of CN105405127A publication Critical patent/CN105405127A/zh
Application granted granted Critical
Publication of CN105405127B publication Critical patent/CN105405127B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种高速公路小客车运行速度预测方法，从驾驶人视觉的角度出发，采用驾驶人可视路表面积为小客车运行速度预测方法的研究指标，通过采集驾驶人可视路表面积及其对应的小客车行驶速度，建立数学预测模型，最终得到小客车运行速度预测方程，本方法能够有效的保证道路在线形上、驾驶人在视觉上和车辆在行驶速度上的连续性，通过本方法可以准确、高效的检验出初定道路的平、纵、横指标及其组合的不合理性。

Description

一种高速公路小客车运行速度预测方法
【技术领域】
本发明属于汽车速度预测领域，具体涉及一种高速公路小客车运行速度预测方法。
【背景技术】
由于高速公路设计速度线形设计法的诸多缺陷，利用运行速度指导和检查公路线形设计的一致性和连续性，是近年来国内外通用的方法。运行速度作为道路安全研究中最重要的概念之一，是驾驶人对多种道路因素作用下的综合反应，然而如何准确合理的确定运行速度却一直是个难题，以往将独立的三维道路割裂成平、纵、横指标，或将道路平、纵、横指标进行硬性组合并不能充分反应道路对驾驶人控速行为的影响，由此建立运行速度预测模型的实用性也受到广泛的质疑。
【发明内容】
本发明的目的在于上述不足，提供一种高速公路小客车运行速度预测方法，更接近于驾驶人实际行驶速度的预测模型。
为了达到上述目的，本发明包括以下步骤：
步骤一，将驾驶人可视路表面积定义为同向可视的行车道、路缘带与路肩区域的面积之和，通过图像处理，计算路表面积；
步骤二，以相邻断面可视路表面积变化值ΔS为自变量，相邻断面运行速度变化值ΔV为因变量，建立二者之间的数学关系，具体数学预测模型如下：
ΔV＝f(ΔS)
V＝V0+ΔV＝V0+f(ΔS)
其中，ΔV——相邻断面运行速度变化值(m/s)；ΔS——相邻断面可视路表面积变化值(×103px)；V0为初始速度(m/s)；
步骤三，由于在实际的公路行驶中，车辆的行驶速度具有最高值与最低值，将最高/最低速度(Vmax/Vmin)界限作为约束条件；
因此，小客车运行速度预测模型的最终形式为：
所述步骤一中，计算路表面积的过程为，首先，采用线形变换法对彩色图像进行灰度化处理，其次，基于像素灰度值的不连续性和相似性采用阈值分割法，通过Otsu算法将可视路表面积与背景进行分割，最后，基于行扫描算法从下往上逐行扫描图像，根据图像的灰度值来判断路表；当扫描到整行为山脉植被灰度值时，停止扫描，统计目标灰度值像素点的个数，计算路表面积。
所述采用线形变换法对彩色图像进行灰度化处理，公式为：
g＝WRR+WGG+WBB
式中，g为灰度图像中某个像素的灰度值；R、G、B分别为彩色图像中对应像素的红、绿、蓝分量；WR、WG、WB分别为红、绿、蓝分量的权值，并且应该满足WR+WG+WB＝1。
当WR＝0.299，WG＝0.587，WB＝0.114时所得灰度图像最符合人眼的视觉感受。
所述步骤二中，以相邻断面可视路表面积变化值ΔS为自变量，相邻断面运行速度变化值ΔV为因变量，建立二者之间的数学关系时，当参数的置信水平小于0.01，置信度达到99％，相关系数R2为0.676，数学模型为：
ΔV＝0.0026ΔS2+0.062ΔS-0.0088
V＝V0+ΔV＝V0+0.026ΔS2+0.062ΔS-0.0088
所述步骤三中，根据《公路项目安全性评价指南》中有关设计速度Vd与运行速度协调性的规定，同一路段设计速度与运行速度差值大于20km/h时协调性差，应根据指南规定对该路段的相关技术指标进行安全性验算，同时结合多地区、多路段实测数据，得到小客车的最高/最低速度Vmax/Vmin界限，因此，小客车运行速度预测模型的最终形式为：
与现有技术相比，本发明从驾驶人视觉的角度出发，采用驾驶人可视路表面积为小客车运行速度预测方法的研究指标，通过采集驾驶人可视路表面积及其对应的小客车行驶速度，建立数学预测模型，最终得到小客车运行速度预测方程，本方法能够有效的保证道路在线形上、驾驶人在视觉上和车辆在行驶速度上的连续性，通过本方法可以准确、高效的检验出初定道路的平、纵、横指标及其组合的不合理性。
【附图说明】
图1为本发明实施例可视路表面积与车辆运行速度散点图；
图2为本发明实施例小客车运行速度预测值与实测值关系图。
【具体实施方式】
下面结合附图和实施例对本发明做进一步说明。
本发明包括以下步骤：
步骤一，将驾驶人可视路表面积定义为同向可视的行车道、路缘带与路肩区域的面积之和，通过图像处理，计算路表面积；
步骤二，以相邻断面可视路表面积变化值ΔS为自变量，相邻断面运行速度变化值Δv为因变量，建立二者之间的数学关系，具体数学预测模型如下：
ΔV＝f(ΔS)
V＝V0+ΔV＝V0+f(ΔS)
其中，ΔV——相邻断面运行速度变化值(m/s)；ΔS——相邻断面可视路表面积变化值(×103px)；V0为初始速度(m/s)；
步骤三，由于在实际的公路行驶中，车辆的行驶速度具有最高值与最低值，将最高/最低速度(Vmax/Vmin)界限作为约束条件；
因此，小客车运行速度预测模型的最终形式为：
本方法首先采用集视频采集技术、GPS定位技术、高精度车速拾取技术于一体的多功能数据采集仪采集驾驶人视野图像以及该图像对应的车速等数据，其次采用本课组团队开发的驾驶人可视路表面积提取软件(张驰,华贵龙,孟良,等.驾驶员路面视野面积提取与分析软件：中国,2015SR095741[P].2015-06-02)提取驾驶人可视路表面积，最后采用spss软件进行相关性分析并建立数学预测模型。
实施例：
直接从原始视野图像里获取驾驶人可视路表面积较为困难，首先，采用线形变换法对彩色图像进行灰度化处理，算法的计算公式为：
g＝WRR+WGG+WBB
式中，g为灰度图像中某个像素的灰度值；R、G、B分别为彩色图像中对应像素的红、绿、蓝分量；WR、WG、WB分别为红、绿、蓝分量的权值，并且应该满足WR+WG+WB＝1，当WR＝0.299，WG＝0.587，WB＝0.114时所得灰度图像最符合人眼的视觉感受，因此此处选用该值。
其次，基于像素灰度值的不连续性和相似性采用阈值分割法，通过Otsu算法将可视路表面积与背景进行分割；
最后，基于行扫描算法从下往上逐行扫描图像，根据图像的灰度值来判断路表；当扫描到整行为山脉植被灰度值时，停止扫描，统计目标灰度值像素点的个数，计算路表面积。
为了避免驾驶人的习惯、对路况的适应性以及其他环境因素的不同对运行速度绝对值造成影响，增强研究结果的可靠性以及普适性，以相邻断面可视路表面积变化值ΔS为自变量，相邻断面小客车运行速度变化值ΔV为因变量，建立二者之间的数学关系，具体数学预测模型如下：
ΔV＝f(ΔS)
利用SPSS软件进行回归分析，采用二次多项式进行拟合，建立了ΔS和ΔV的数学关系，参数的置信水平小于0.01，置信度达到99％，相关系数R2为0.676，数学模型为：
ΔV＝0.0026ΔS2+0.062ΔS-0.0088
V＝V0+ΔV＝V0+0.026ΔS2+0.062ΔS-0.0088
式中：ΔV——相邻断面运行速度变化值(m/s)；ΔS——相邻断面可视路表面积变化值(×103px)；V0——初始速度(m/s)；
由于在实际的公路行驶中，车辆的行驶速度不可能无限的增长或降低。因此，可将最高/最低速度(Vmax/Vmin)界限作为约束条件，根据《公路项目安全性评价指南》中有关设计速度(Vd)与运行速度协调性的规定，同一路段设计速度与运行速度差值大于20km/h时协调性差，应根据指南规定对该路段的相关技术指标进行安全性验算。同时结合发明团队多地区、多路段实测数据，得到小客车的最高/最低速度(Vmax/Vmin)界限，如表1所示。因此，小客车运行速度预测模型的最终形式为：
表1各种类型公路小客车的Vmax/Vmin的取值

Claims (6)

1.一种高速公路小客车运行速度预测方法，其特征在于，包括以下步骤：
步骤一，将驾驶人可视路表面积定义为同向可视的行车道、路缘带与路肩区域的面积之和，通过图像处理，计算路表面积；
步骤二，以相邻断面可视路表面积变化值ΔS为自变量，相邻断面运行速度变化值ΔV为因变量，建立二者之间的数学关系，具体数学预测模型如下：
ΔV＝f(ΔS)
V＝V0+ΔV＝V0+f(ΔS)
其中，ΔV——相邻断面运行速度变化值，单位为m/s；ΔS——相邻断面可视路表面积变化值×103px；V0为初始速度，单位为m/s；
步骤三，由于在实际的公路行驶中，车辆的行驶速度具有最高值与最低值，将最高速度Vmax/最低速度Vmin界限作为约束条件；
因此，小客车运行速度预测模型的最终形式为：
2.根据权利要求1所述的一种高速公路小客车运行速度预测方法，其特征在于，所述步骤一中，计算路表面积的过程为，首先，采用线形变换法对彩色图像进行灰度化处理，其次，基于像素灰度值的不连续性和相似性采用阈值分割法，通过Otsu算法将可视路表面积与背景进行分割，最后，基于行扫描算法从下往上逐行扫描图像，根据图像的灰度值来判断路表；当扫描到整行为山脉植被灰度值时，停止扫描，统计目标灰度值像素点的个数，计算路表面积。
3.根据权利要求2所述的一种高速公路小客车运行速度预测方法，其特征在于，所述采用线形变换法对彩色图像进行灰度化处理，公式为：
g＝WRR+WGG+WBB
式中，g为灰度图像中某个像素的灰度值；R、G、B分别为彩色图像中对应像素的红、绿、蓝分量；WR、WG、WB分别为红、绿、蓝分量的权值，并且应该满足WR+WG+WB＝1。
4.根据权利要求3所述的一种高速公路小客车运行速度预测方法，其特征在于，当WR＝0.299，WG＝0.587，WB＝0.114时所得灰度图像最符合人眼的视觉感受。
5.根据权利要求1所述的一种高速公路小客车运行速度预测方法，其特征在于，所述步骤二中，以相邻断面可视路表面积变化值ΔS为自变量，相邻断面运行速度变化值ΔV为因变量，建立二者之间的数学关系时，参数的置信水平小于0.01，置信度达到99％，相关系数R2为0.676，数学模型为：
ΔV＝0.0026ΔS2+0.062ΔS-0.0088
V＝V0+ΔV＝V0+0.026ΔS2+0.062ΔS-0.0088 。
6.根据权利要求5所述的一种高速公路小客车运行速度预测方法，其特征在于，所述步骤三中，根据《公路项目安全性评价指南》中有关设计速度Vd与运行速度协调性的规定，同一路段设计速度与运行速度差值大于20km/h时协调性差，应根据指南规定对该路段的相关技术指标进行安全性验算，同时结合多地区、多路段实测数据，得到小客车的最高/最低速度Vmax/Vmin界限，因此，小客车运行速度预测模型的最终形式为：
CN201510726882.4A 2015-10-30 2015-10-30 一种高速公路小客车运行速度预测方法 Expired - Fee Related CN105405127B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510726882.4A CN105405127B (zh) 2015-10-30 2015-10-30 一种高速公路小客车运行速度预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510726882.4A CN105405127B (zh) 2015-10-30 2015-10-30 一种高速公路小客车运行速度预测方法

Publications (2)

Publication Number Publication Date
CN105405127A CN105405127A (zh) 2016-03-16
CN105405127B true CN105405127B (zh) 2018-06-01

Family

ID=55470594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510726882.4A Expired - Fee Related CN105405127B (zh) 2015-10-30 2015-10-30 一种高速公路小客车运行速度预测方法

Country Status (1)

Country Link
CN (1) CN105405127B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868504A (zh) * 2016-04-26 2016-08-17 长安大学 基于Carsim的弯道路段小客车行车安全模糊综合评判方法
CN108133317B (zh) * 2017-12-20 2021-12-14 长安大学 一种山区高速公路平纵组合安全水平的评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6092005A (en) * 1996-07-15 2000-07-18 Toyota Jidosha Kabushiki Kaisha Vehicle driving condition prediction device and warning device
CN101729872A (zh) * 2009-12-11 2010-06-09 南京城际在线信息技术有限公司 一种基于视频监控图像自动判别道路交通状态的方法
JP4877813B2 (ja) * 2007-05-10 2012-02-15 アルパイン株式会社 車両運転支援装置
CN102610092A (zh) * 2012-03-23 2012-07-25 天津大学 基于rbf神经网络城市道路速度预测方法
CN103500362A (zh) * 2013-08-30 2014-01-08 杭州师范大学 一种基于谱分析的城市道路速度预测方法
CN203812402U (zh) * 2014-04-04 2014-09-03 长安大学 一种高速公路行车冰雪打滑及能见度降低行为预警机
CN104282020A (zh) * 2014-09-22 2015-01-14 中海网络科技股份有限公司 一种基于目标运动轨迹的车辆速度检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6092005A (en) * 1996-07-15 2000-07-18 Toyota Jidosha Kabushiki Kaisha Vehicle driving condition prediction device and warning device
JP4877813B2 (ja) * 2007-05-10 2012-02-15 アルパイン株式会社 車両運転支援装置
CN101729872A (zh) * 2009-12-11 2010-06-09 南京城际在线信息技术有限公司 一种基于视频监控图像自动判别道路交通状态的方法
CN102610092A (zh) * 2012-03-23 2012-07-25 天津大学 基于rbf神经网络城市道路速度预测方法
CN103500362A (zh) * 2013-08-30 2014-01-08 杭州师范大学 一种基于谱分析的城市道路速度预测方法
CN203812402U (zh) * 2014-04-04 2014-09-03 长安大学 一种高速公路行车冰雪打滑及能见度降低行为预警机
CN104282020A (zh) * 2014-09-22 2015-01-14 中海网络科技股份有限公司 一种基于目标运动轨迹的车辆速度检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Vehicle speed prediction via a sliding-window time series analysis and an evolutionary least learning machine: A case study on San Francisco urban roads;Ladan Mozaffari 等;《Engineering Science and Technology, an International Journal》;20141219;150-162 *
公路线形设计中的可能速度预测模型;杨少伟 等;《长安大学学报（自然科学版）》;20080315;第28卷(第2期);36-39 *
路线设计中车辆行驶速度预测模型;杨少伟 等;《长安大学学报（自然科学版）》;20030530;第23卷(第3期);53-55 *

Also Published As

Publication number Publication date
CN105405127A (zh) 2016-03-16

Similar Documents

Publication Publication Date Title
CN103927754B (zh) 一种车载摄像机的标定方法
JP6454109B2 (ja) 路面状態管理装置及び路面状態管理プログラム
CN102270301B (zh) 一种svm与激光雷达结合检测非结构化道路边界的方法
CN103164711B (zh) 基于像素和支持向量机的区域人流密度估计的方法
CN111856963B (zh) 一种基于车载环视系统的泊车仿真方法及装置
CN103714538B (zh) 道路边缘检测方法、装置及车辆
TWI337144B (zh)
CN102230794B (zh) 一种基于视频的驾驶员视距动态测量方法
CN101253385A (zh) 应变评价装置及应变评价方法
CN106503636A (zh) 一种基于视觉图像的道路视距检测方法及装置
CN103176185A (zh) 用于检测道路障碍物的方法及系统
CN105424655A (zh) 一种基于视频图像的能见度检测方法
CN102862574A (zh) 基于智能手机实现车辆主动安全的方法
CN110379168A (zh) 一种基于Mask R-CNN的交通车辆信息获取方法
CN106558051A (zh) 一种改进的从单幅图像检测道路的方法
CN104115188A (zh) 立体物检测装置
CN105405127B (zh) 一种高速公路小客车运行速度预测方法
CN102393902A (zh) 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法
CN107097794A (zh) 道路车道线的侦测系统及其方法
CN107290738A (zh) 一种测量前方车辆距离的方法和装置
CN104115203A (zh) 立体物检测装置
CN115063017A (zh) 一种中小跨径桥梁结构监测和评估系统及方法
CN104115201A (zh) 立体物检测装置
KR20160061640A (ko) 차량 주행 영상을 통한 도로 경사도 추출 및 연비 개선 방법
JP6929207B2 (ja) 道路画像処理装置、道路画像処理方法、道路画像処理プログラム、および、記録媒体

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Zhang Chi

Inventor after: Gao Tianzhi

Inventor after: Wei Rui

Inventor after: Zhang Min

Inventor after: Yang Kun

Inventor after: Yan Xiaomin

Inventor after: Qi Chen

Inventor after: Wang Shiwei

Inventor after: Xiong Li

Inventor before: Zhang Chi

Inventor before: Liu Shiyu

Inventor before: Ma Xiangnan

Inventor before: Yang Kun

Inventor before: Yan Xiaomin

Inventor before: Qi Chen

Inventor before: Wang Shiwei

Inventor before: Xiong Li

Inventor before: Hua Guilong

Inventor before: Shao Dongjian

Inventor before: Meng Liang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180601

Termination date: 20181030

CF01 Termination of patent right due to non-payment of annual fee