CN107705635B - 信号交叉口电动自行车的交通冲突判别方法 - Google Patents
信号交叉口电动自行车的交通冲突判别方法 Download PDFInfo
- Publication number
- CN107705635B CN107705635B CN201711190404.1A CN201711190404A CN107705635B CN 107705635 B CN107705635 B CN 107705635B CN 201711190404 A CN201711190404 A CN 201711190404A CN 107705635 B CN107705635 B CN 107705635B
- Authority
- CN
- China
- Prior art keywords
- conflict
- fpet
- electric bicycle
- speed
- traffic
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种信号交叉口电动自行车的交通冲突判别方法,该方法填补了非机动车领域冲突判别技术的空白,其步骤:1)同向行驶的电动自行车对之间交通冲突特性的分析:(1)电动自行车对的间距、相对速度与速度夹角的统计特性:以电动自行车对间距L等于0.5m为统计间隔,计算多个轨迹点上相对速度Vxd及速度夹角θ的平均值,得到三者之间相互关系;(2)电动自行车对的相对速度变化值、速度夹角变化值的统计特性:电动自行车对的相对速度的变化值与速度夹角的变化值是反映冲突发生与否以及严重程度的本质变量;2)电动自行车交通冲突判别指标的确定;3)电动自行车交通冲突类型的判别:(1)交通冲突存在性判别;(2)交通冲突严重性判别。
Description
技术领域
本发明涉及一种交通安全技术领域中的判别方法,更确切地说,本发明涉及一种信号交叉口电动自行车的交通冲突判别方法。
背景技术
随着电动自行车出行比例的增加,相继引发的交通冲突问题也愈发严重,降低了车流运行安全与效率。交通冲突是表述交通参与者在空间运动与其他参与者或者交通设施相互作用的结果,交通冲突判别方法是交通冲突技术的关键组成部分,因此研究信号交叉口电动自行车冲突判别指标与判别方法可为混合交通流的冲突自动识别技术、交叉口的科学管理提供理论依据。
目前国内外学者主要集中于机动车交通冲突的研究,针对电动自行车冲突与安全方面系统的研究相对较少,大部分集中在电动自行车的交通行为方式、与其他道路使用者的互相影响及发生的碰撞类型。因此,有必要提出一种考虑多因素的定量化冲突判别指标和判别方法,从空间和时间安全的角度来判别电动自行车之间的交通冲突类型。
发明内容
本发明所要解决的技术问题是填补了非机动车领域冲突判别技术的空白,提供了一种信号交叉口电动自行车的交通冲突判别方法。
为解决上述技术问题,本发明是采用如下技术方案实现的:所述的信号交叉口电动自行车的交通冲突判别方法包括步骤如下:
1)同向行驶的电动自行车对之间交通冲突特性的分析:
(1)电动自行车对的间距、相对速度与速度夹角的统计特性:
a.计算相同时间间隔内电动自行车对各自的位移距离,进而得到相应时间间隔内电动自行车对的速度夹角(θ);
b.通过上述时间间隔内两车的速度及速度夹角计算得到相对速度(Vxd);
c.以车辆间距L等于0.5m为统计间隔,计算多个轨迹点上相对速度及速度夹角的平均值;
d.得到车辆间距、相对速度和速度夹角三者之间的相互关系;其中:0.5m为车辆静止时的横向安全距离;
(2)电动自行车对的相对速度变化值、速度夹角变化值的统计特性:
所述的电动自行车对的相对速度的变化值与速度夹角的变化值是反映冲突发生与否以及严重程度的本质变量;
2)电动自行车交通冲突判别指标的确定:
(1)FPET的提出
定义预期后侵占时间FPET,即车辆在同一时刻继续维持当前的速度与行驶方向,两车到达潜在冲突点的预期时间之差:
式中:FPET表示预期后侵占时间,单位.s;
VAi,VBi分别表示两冲突车辆在第i时刻的速度,单位.m/s;
LAi,LBi分别表示两冲突车辆在第i时刻与潜在冲突点的距离,单位.m;
(2)多元冲突判别指标的确定
选择FPET、相对速度和间距作为判别冲突类型的核心变量,构建基于三者变化值的多元冲突判别指标,进而提出同向行驶的电动自行车对之间冲突类型判别方法;
3)电动自行车交通冲突类型的判别:
(1)交通冲突存在性判别
a.聚类分析
a)使用标准欧式距离和最长距离法对不同方向上三个变量的部分样本值进行聚类,进而结合不一致系数及电动自行车实际运行状态确定最优分类数目为两类;
b)由于数据量庞大,所以使用K-means方法对所有数据进行聚类分析;
c)通过对车辆发生冲突时运动状态的分析及FPET的含义可知,FPET变化值ΔFPET越小,且间距变化值ΔL和相对速度变化值越大,则说明电动自行车之间发生冲突的可能性越高;
b.判别分析
a)对判别函数进行Wilk检验,结果表明sig值小于0.05,所建立的线性判别函数能够对两类样本进行有效区分,且具有较强的统计意义,则得到左转电动自行车之间评价有无冲突的Fisher线性判别函数为:
y21=5.086*x1+2.442*x2+0.863*x3-13.79 (3)
y22=0.98*x1+2.366*x2+0.595*x3-1.697 (4)
式中:y21,y22表示左转方向上将样本值代入判别函数后得到的判别值;
x1,x2和x3分别表示ΔFPET,ΔL和ΔVxd,单位.s,m和m/s;
b)当y21>y22时,说明待判样本属于有冲突的一类,反之则属于无冲突的一类;
(2)交通冲突严重性判别
a.临界ΔFPET的分布特性
核密度估计是非参数密度估计方法中常用的一种,用于估计未知的密度函数时效果较好,对直行电动自行车临界ΔFPET核密度估计的拟合流程进行分析,结果表明其最优核函数为Triangle,最优带宽为0.3,概率密度函数为:
式中:Xi为取自一元连续总体的临界ΔFPET样本,i=1,2…n;
x为给定的临界ΔFPET;
I为示性函数,满足一定条件时取1,反之取0;
b.临界ΔFPET的描述统计量分析
根据不同方向上电动自行车的临界ΔFPET服从的最优分布函数,得到临界ΔFPET的各类统计值列入表4:
表4临界ΔFPET统计表
选择临界ΔFPET的均值作为划分严重冲突的临界范围,当通过聚类分析确定为发生冲突时,直行电动自行车对的临界ΔFPET在0--0.5862s之间,则判别其冲突类型为严重冲突,否则为非严重冲突;
同理,左转电动自行车对的临界ΔFPET在0--0.7613s之间,则判别其冲突类型为严重冲突,否则为非严重冲突。
与现有技术相比本发明的有益效果是:
1.本发明所述的信号交叉口电动自行车的交通冲突判别方法填补了非机动车领域冲突判别技术领域的空白,提供了一种机非分离的信号交叉口中同向行驶的电动自行车对之间的交通冲突判别方法,并结合车辆的时空信息进行建模,确保了该冲突判别方法的可行性和有效性;
2.本发明所述的信号交叉口电动自行车的交通冲突判别方法不仅可为交通安全评价提供重要理论依据,也为混合交通流的冲突自动识别技术、交叉口的科学管理提供理论依据;并在保障电动自行车骑行者过街的舒适性、效率和安全性的同时避免信号交叉口时空资源的浪费;
3.本发明所述的信号交叉口电动自行车的交通冲突判别方法提出了考虑多因素的定量化冲突判别指标和判别方法,避免了以往判别方法中主观性和不确定性的问题,给出了操作性较强、指标量化的判别冲突过程,减少了交通工程师在冲突判别过程中的盲目性、随意性等问题,更具有参照性和实践性。
附图说明
下面结合附图对本发明作进一步的说明:
图1是本发明所述的信号交叉口电动自行车的交通冲突判别方法的流程框图;
图2-a是本发明所述的信号交叉口电动自行车的交通冲突判别方法中直行电动自行车间冲突影响因素的关系图;
图2-b是本发明所述的信号交叉口电动自行车的交通冲突判别方法中左转电动自行车间冲突影响因素的关系图;
图3-a是本发明所述的信号交叉口电动自行车的交通冲突判别方法中不同运动状态下直行电动自行车的相对速度变化值(ΔVxd)和速度夹角变化值(Δθ)服从的分布函数;
图3-b是本发明所述的信号交叉口电动自行车的交通冲突判别方法中不同运动状态下左转电动自行车的相对速度变化值(ΔVxd)和速度夹角变化值(Δθ)服从的分布函数;
图4是本发明所述的信号交叉口电动自行车的交通冲突判别方法中电动自行车在信号交叉口内的行驶过程图;
图5-a是本发明所述的信号交叉口电动自行车的交通冲突判别方法中浙江省杭州市教工路-文三路信号交叉口的基本信息图;
图5-b是本发明所述的信号交叉口电动自行车的交通冲突判别方法中浙江省杭州市古翠路-文三路信号交叉口的基本信息图;
图5-c是本发明所述的信号交叉口电动自行车的交通冲突判别方法中浙江省杭州市余杭塘路-古墩路信号交叉口的基本信息图;
图5-d是本发明所述的信号交叉口电动自行车的交通冲突判别方法中江苏省苏州市星明街-现代大道信号交叉口的基本信息图;
图5-e是本发明所述的信号交叉口电动自行车的交通冲突判别方法中广东省湛江市跃进路-中山一路-五一路信号交叉口的基本信息图;
图5-f是本发明所述的信号交叉口电动自行车的交通冲突判别方法中河南省郑州市商都路-黄河南路交叉口信号交叉口的基本信息图;
图6是本发明所述的信号交叉口电动自行车的交通冲突判别方法中信号交叉口的相位图;
图7是本发明所述的信号交叉口电动自行车的交通冲突判别方法中确定严重冲突判别指标的示意图;
图8-a本发明所述的信号交叉口电动自行车的交通冲突判别方法中不同带宽(bw)下核函数类型为Gaussion函数的概率密度函数曲线;
图8-b本发明所述的信号交叉口电动自行车的交通冲突判别方法中不同带宽(bw)下核函数类型为Uniform函数的概率密度函数曲线;
图8-c本发明所述的信号交叉口电动自行车的交通冲突判别方法中不同带宽(bw)下核函数类型为Triangle函数的概率密度函数曲线;
图8-d本发明所述的信号交叉口电动自行车的交通冲突判别方法中不同带宽(bw)下核函数类型为Epanechnikov函数的概率密度函数曲线;
图9是本发明所述的信号交叉口电动自行车的交通冲突判别方法中电动自行车之间冲突类型的判别与检验流程图;
具体实施方式
下面结合附图对本发明作详细的描述:
本发明所要解决的技术问题是填补了非机动车领域冲突判别技术的空白,结合车辆的时空信息提供了一种机动车与非机动车分离的信号交叉口中同向行驶的电动自行车对之间的交通冲突判别方法,从而为交叉口的安全评价和混合交通的科学管控提供理论依据及技术支持。本发明利用交通安全技术,提出了考虑多因素的定量化冲突判别指标,研究了信号交叉口电动自行车的冲突判别问题。信号交叉口电动自行车的交通冲突判别方法中:首先对同向行驶电动自行车对之间交通冲突特性进行分析,进而确定了适合电动自行车冲突判别的多元冲突判别指标,最后进行电动自行车冲突类型的判别,实现了交叉口电动自行车冲突判别技术。因此,该方法的具体操作步骤如下:
1.同向行驶的电动自行车对之间交通冲突特性的分析
1)电动自行车对的间距、相对速度与速度夹角的统计特性
(1)计算相同时间间隔内电动自行车对各自的位移距离,进而得到相应时间间隔内电动自行车对的速度夹角(θ);
(2)通过上述时间间隔内两车的速度及速度夹角计算得到相对速度(Vxd);
(3)以车辆间距L等于0.5m(该值为车辆静止时的横向安全距离)为统计间隔,计算多个轨迹点上相对速度及速度夹角的平均值;
(4)得到车辆间距、相对速度和速度夹角三者之间的相互关系。在此处需要说明的一点是,车辆在行驶过程中,速度夹角是很难测得的,本发明是通过对已知车辆轨迹中极小时间间隔内的相关数据进行大量精细化计算得到的该值。
参阅图2-a和图2-b,直行和左转方向上电动自行车的间距、相对速度、速度夹角之间的关系不同,且车辆间距10m均为车辆间能够稳定行驶的安全距离;此外,左转电动自行车对之间的距离在10m之后,相对速度和速度夹角在相近的位置都有一个明显突变段,这个尖点的产生应与电动自行车的转弯半径(信号交叉口的尺寸)有关。
2)电动自行车对的相对速度变化值、速度夹角变化值的统计特性
通过对电动自行车对之间冲突现象的观察,发现相对速度的变化可以反映出电动自行车对自身速度大小以及电动自行车对之间距离的变化情况,而速度夹角的变化则可以反映出电动自行车对行驶方向的改变情况,由此可知,相对速度的变化值(ΔVxd)和速度夹角的变化值(Δθ)是反映冲突发生与否以及严重程度的本质变量。
结合对电动自行车实际运行状态的观测,对轨迹切线无交点的电动自行车的相对速度变化值、速度夹角变化值进行统计分析,确定无冲突类型中两参量的关系特性;对行驶轨迹(运动状态)发生明显变化的电动自行车的相对速度变化值、速度夹角变化值进行统计分析,确定严重冲突类型中两参量的关系特性。参阅图3-a和图3-b中分布函数,可知不同运动状态下相对速度变化值和速度夹角变化值均服从正态分布,其服从的概率密度:
式中:x为不同冲突类型下相对速度变化值、速度夹角变化值,单位.m/s、度;
μ,σ分别为变量x的均值和标准差。
参阅图3-a和图3-b,不同运动状态下两参量的变化值服从的分布特性有显著差异,因而可通过电动自行车并行行驶的参量变化值划分出电动自行车之间有无冲突,通过电动自行车运动状态发生突变的临界参量变化值划分出电动自行车之间冲突的严重程度,继而以此为标准,来划分电动自行车之间的冲突类型。
根据两参量服从的分布函数,可以得到直行和左转方向上不同冲突类型对应的相对速度变化值与速度夹角变化值的各类统计值,如表1所示。本发明选择(变量的均值±标准差)作为划分无冲突和严重冲突的标准范围,非严重冲突的标准范围为去除前二者取值区间的范围。
表1不同冲突类型下两变量相关参数的统计值
通过统计相对速度和速度夹角的变化值可以划分电动自行车之间的冲突类型,但是速度夹角在车辆实际运行中很难测得,因而这种方法的实用性和推广性较差,所以需要更为易测、简单的指标来进行冲突类型的划分。
2.电动自行车交通冲突判别指标的确定
参阅图4,图中Ai,Bi(i=1,2)分别表示不同时刻冲突车辆A、B在交叉口的位置,且两车在第i时刻的速度分别为VAi,VBi;Oi(i=1,2)表示在第i时刻两车继续维持当前速度和行驶方向的轨迹线交点(即潜在冲突点),且两车在第i时刻与Oi的距离分别为LAi和LBi;Li(i=1,2)表示不同时刻两车的间距;α表示A车从A1位置行驶至A2位置的速度转角;β表示B车从B1位置行驶至B2位置的速度转角。
通过对电动自行车运行状态的分析发现,随着冲突车辆间距的减小,不同时刻的潜在冲突点逐渐接近轨迹线交点,两车到达潜在冲突点的时间差值也随之变化,而时间差值的变化过程一定程度上能够反映出车辆之间速度和距离的波动。
1)FPET的提出
此处定义预期后侵占时间(Forecast Post Encroachment Time,FPET),即车辆在同一时刻继续维持当前的速度和行驶方向,两车到达潜在冲突点的预期时间之差:
式中:FPET表示预期后侵占时间,单位.s;
VAi,VBi分别表示两冲突车辆在第i时刻的速度,单位.m/s;
LAi,LBi分别表示两冲突车辆在第i时刻与潜在冲突点的距离,单位.m。
2)多元冲突判别指标的确定
结合对电动自行车运行状态的分析,本发明选择FPET、相对速度和间距作为判别冲突类型的核心变量,并构建基于三者变化值的多元冲突判别指标,进而提出同向行驶的电动自行车对之间冲突类型判别方法,具体见步骤3即电动自行车交通冲突类型的判别步骤。
为了更好的依据新建指标对冲突类型进行判别,本发明需要进行相关数据的实地采集。参阅图5-a至图5-f、图6,电动自行车在中国主要分布在南方平原地区,因此本发明对电动自行车较多的南方城市:杭州市、苏州市、湛江市、郑州市分别进行高空拍摄,并利用视频提取技术对电动自行车的时空信息进行提取。调查获得2693对冲突车流,并以0.2s(电动自行车的平均车长为1.5m,平均速度为5m/s,0.2s是为减小误差所取的时间间隔)为时间间隔进行图片截取,共获得59881对冲突车流轨迹点,得到了车辆在不同时刻的像素坐标、大地坐标及瞬时速度等信息。其中直行和左转电动自行车冲突对各占64%和36%,观测地点的参数特征如下表2所示。
表2观测地点的特征参数
3.电动自行车交通冲突类型的判别
冲突的严重程度是驾驶者及管理者关心的热点,因此本发明在判别车辆间是否存在冲突的基础上,将冲突分为严重冲突、非严重冲突。因此交通冲突判别指标的建立具体包括两个步骤:一、冲突存在性判别;二、冲突严重性判别。该部分主要利用地点1、地点2及地点3采集得到的视频数据。
1)交通冲突存在性判别
(1)聚类分析
本发明首先使用标准欧式距离和最长距离法对不同方向上三个变量的部分样本值进行聚类,然后结合不一致系数及电动自行车实际运行状态确定最优分类数目为两类。由于数据量庞大,所以使用K-means方法对所有数据进行聚类分析,聚类结果如下表3所示。通过对车辆发生冲突时运动状态的分析及FPET的含义可知,FPET变化值(ΔFPET)越小,且间距变化值(ΔL)和相对速度变化值越大,则说明车辆之间发生冲突的可能性越高。由此可知,表中第一类为有冲突的一类,第二类为无冲突的一类。同时,单因素方差分析结果显示三个变量指标对应的显著性均小于0.05,说明三个变量对聚类均有贡献。
表3参数的聚类分析结果
(2)判别分析
利用聚类分析的结果,通过全模型法建立Fisher线性判别函数,进而利用判别函数来对待判样品的冲突类型进行判别。首先对判别函数进行Wilk检验,结果表明sig值小于0.05,即所建立的线性判别函数能够对两类样本进行有效区分,且具有较强的统计意义。则可得到左转电动自行车之间评价有无冲突的Fisher线性判别函数为:
y21=5.086*x1+2.442*x2+0.863*x3-13.79 (3)
y22=0.98*x1+2.366*x2+0.595*x3-1.697 (4)
式中:y21,y22表示左转方向上将样本值代入判别函数后得到的判别值;
x1,x2和x3分别表示ΔFPET,ΔL和ΔVxd,单位.s,m和m/s。
当y21>y22时,说明待判样本属于有冲突的一类,反之则属于无冲突的一类;
判别函数性能的好坏可通过交叉验证的方法进行验证。检验的结果显示交叉验证能够对98%的样本进行正确的分类。
至此,完成了交通冲突存在性的判别,当对待判样本值进行冲突类型判别时,代入相应的Fisher线性判别函数进行判别即可。
2)交通冲突严重性判别
参阅图7,对电动自行车的行驶特性和冲突影响因素的分析,发现每组轨迹数据中,FPET、相对速度及间距三者的变化值总是同时存在一个突变点,如图7中,序号为12时对应的运动状态,此处定义该突变点对应的FPET变化值为临界ΔFPET,因此确定使用临界ΔFPET作为严重冲突的判别指标。
为了深入的探讨临界ΔFPET的相关特性,故首先对其做分布特性的研究。
(1)临界ΔFPET的分布特性
核密度估计是非参数密度估计方法中常用的一种,用于估计未知的密度函数时效果较好,以直行电动自行车临界ΔFPET核密度估计的拟合流程为例进行分析,参阅图8-a至图8-d。结果表明其最优核函数为Triangle,最优带宽为0.3,概率密度函数为:
式中:Xi为取自一元连续总体的临界ΔFPET样本,i=1,2…n;
x为给定的临界ΔFPET;
I为示性函数,满足一定条件时取1,反之取0。
(2)临界ΔFPET的描述统计量分析
根据不同方向上电动自行车的临界ΔFPET服从的最优分布函数,得到临界ΔFPET的各类统计值,具体数据如下表4所示。本文选择临界ΔFPET的均值作为划分严重冲突的临界范围,当通过聚类分析确定为发生冲突时,直行电动自行车对的临界ΔFPET在(0--0.5862s)之间,则判别其冲突类型为严重冲突,否则为非严重冲突;同理,左转电动自行车对的临界ΔFPET在(0--0.7613s)之间,则判别其冲突类型为严重冲突,否则为非严重冲突。
表4临界ΔFPET统计表
实施例
为了验证本发明的效果,特利用地点4-6的实地数据进行检验。检验地点的参数特征如表2所示,具体检验的流程图如图9所示,图中yi1,yi2(i=1,2)分别表示不同方向上代入判别函数后得到的判别值,i=1表示直行;i=2表示左转;aj(j=1,2)表示不同方向临界ΔFPET的临界值,j=1表示直行,且a1=0.5862s;j=2表示左转,且a2=0.7613s。
1.同向行驶的电动自行车对之间交通冲突特性的分析
电动自行车在实际行驶过程中,不同冲突类型的相对速度变化值与速度夹角变化值服从不同的分布函数,因而本发明利用(变量的均值±标准差)作为划分无冲突和严重冲突的标准范围,非严重冲突的标准范围为去除前二者取值区间的范围,具体参数范围如表1所示。
2.电动自行车交通冲突类型的判别
参阅图1,利用该判别方法进行类型判别时不需重复计算步骤2即电动自行车交通冲突判别指标的确定步骤(该步骤仅为确定冲突判别指标的分析过程,故无需重复),可直接利用步骤3中得到的最终判别步骤进行计算即可。
参阅图9,将地点4-6采集的待判样本数据均按照图示流程进行冲突类型的判别和检验,所得结果如下表5所示,表中错判率=根据新建指标划分的冲突类型与根据标准范围划分的冲突类型之间不同的轨迹点对数/相应类型的轨迹点总数。
表5待判样本冲突类型判别及检验结果
由表5可知,通过新建指标划分的冲突类型与根据标准划分的冲突类型差别较小,冲突类型的错判率较低,由此说明,该指标能够较为准确有效的划分出电动自行车之间不同的冲突类型,其合理性和可信度较高。
综上可知,本发明建立的基于空间和时间安全的同向电动自行车冲突类型判别方法,提出了考虑多因素的定量化冲突判别指标,结合了车辆之间距离和相对速度的综合变化情况,考虑了驾驶员的自身属性(加减速、转换方向等),补充了非机动车领域冲突判别技术领域的空白,一方面为交叉口交通的安全评价、混合交通的科学管控提供重要依据,另一方面避免了以往判别方法中主观性和不确定性的问题,减少了交通工程师在冲突判别过程中的盲目性、随意性等问题,因此,本发明可以为电动自行车冲突类型的判别提供理论参考和技术支持,具有较好的应用前景。
Claims (1)
1.一种信号交叉口电动自行车的交通冲突判别方法,其特征在于,所述的信号交叉口电动自行车的交通冲突判别方法包括步骤如下:
1)同向行驶的电动自行车对之间交通冲突特性的分析:
(1)电动自行车对的间距、相对速度与速度夹角的统计特性:
a.计算相同时间间隔内电动自行车对各自的位移距离,进而得到相应时间间隔内电动自行车对的速度夹角θ;
b.通过上述时间间隔内两车的速度及速度夹角计算得到相对速度Vxd;
c.以车辆间距L等于0.5m为统计间隔,计算多个轨迹点上相对速度及速度夹角的平均值;
d.得到车辆间距、相对速度和速度夹角三者之间的相互关系;其中:0.5m为车辆静止时的横向安全距离;
(2)电动自行车对的相对速度变化值、速度夹角变化值的统计特性:
所述的电动自行车对的相对速度的变化值与速度夹角的变化值是反映冲突发生与否以及严重程度的本质变量;
2)电动自行车交通冲突判别指标的确定:
(1)FPET的提出
定义预期后侵占时间FPET,即车辆在同一时刻继续维持当前的速度与行驶方向,两车到达潜在冲突点的预期时间之差:
式中:FPET表示预期后侵占时间,单位.s;
VAi,VBi分别表示两冲突车辆在第i时刻的速度,单位.m/s;
LAi,LBi分别表示两冲突车辆在第i时刻与潜在冲突点的距离,单位.m;
(2)多元冲突判别指标的确定
选择FPET、相对速度和间距作为判别冲突类型的核心变量,构建基于三者变化值的多元冲突判别指标,进而提出同向行驶的电动自行车对之间冲突类型判别方法;
3)电动自行车交通冲突类型的判别:
(1)交通冲突存在性判别
a.聚类分析
a)使用标准欧式距离和最长距离法对不同方向上三个变量的部分样本值进行聚类,进而结合不一致系数及电动自行车实际运行状态确定最优分类数目为两类;
b)由于数据量庞大,所以使用K-means方法对所有数据进行聚类分析;
c)通过对车辆发生冲突时运动状态的分析及FPET的含义可知,FPET变化值ΔFPET越小,且间距变化值ΔL和相对速度变化值越大,则说明电动自行车之间发生冲突的可能性越高;
b.判别分析
a)对判别函数进行Wilk检验,结果表明sig值小于0.05,所建立的线性判别函数能够对两类样本进行有效区分,且具有较强的统计意义,则得到左转电动自行车之间评价有无冲突的Fisher线性判别函数为:
y21=5.086*x1+2.442*x2+0.863*x3-13.79 (3)
y22=0.98*x1+2.366*x2+0.595*x3-1.697 (4)
式中:y21,y22表示左转方向上将样本值代入判别函数后得到的判别值;
x1,x2和x3分别表示ΔFPET,ΔL和ΔVxd,单位.s,m和m/s;
b)当y21>y22时,说明待判样本属于有冲突的一类,反之则属于无冲突的一类;
(2)交通冲突严重性判别
a.临界ΔFPET的分布特性
核密度估计是非参数密度估计方法中常用的一种,用于估计未知的密度函数时效果较好,对直行电动自行车临界ΔFPET核密度估计的拟合流程进行分析,结果表明其最优核函数为Triangle,最优带宽为0.3,概率密度函数为:
式中:Xi为取自一元连续总体的临界ΔFPET样本,i=1,2…n;
x为给定的临界ΔFPET;
I为示性函数,满足一定条件时取1,反之取0;
b.临界ΔFPET的描述统计量分析
根据不同方向上电动自行车的临界ΔFPET服从的最优分布函数,得到临界ΔFPET的各类统计值列入表4:
表4临界ΔFPET统计表
选择临界ΔFPET的均值作为划分严重冲突的临界范围,当通过聚类分析确定为发生冲突时,直行电动自行车对的临界ΔFPET在0--0.5862s之间,则判别其冲突类型为严重冲突,否则为非严重冲突;
同理,左转电动自行车对的临界ΔFPET在0--0.7613s之间,则判别其冲突类型为严重冲突,否则为非严重冲突。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711190404.1A CN107705635B (zh) | 2017-11-24 | 2017-11-24 | 信号交叉口电动自行车的交通冲突判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711190404.1A CN107705635B (zh) | 2017-11-24 | 2017-11-24 | 信号交叉口电动自行车的交通冲突判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107705635A CN107705635A (zh) | 2018-02-16 |
CN107705635B true CN107705635B (zh) | 2020-11-10 |
Family
ID=61180929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711190404.1A Active CN107705635B (zh) | 2017-11-24 | 2017-11-24 | 信号交叉口电动自行车的交通冲突判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705635B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108711288B (zh) * | 2018-06-07 | 2020-11-20 | 郑州大学 | 衔接交叉口非机动车右转衔接安全问题的量化评价方法 |
CN108922176B (zh) * | 2018-06-27 | 2021-05-14 | 华南理工大学 | 一种混合交通冲突态势的快速判断方法 |
CN109087534A (zh) * | 2018-10-09 | 2018-12-25 | 王业宝 | 一种基于车辆行驶轨迹的交通冲突检测方法 |
CN109544934A (zh) * | 2018-12-19 | 2019-03-29 | 同济大学 | 基于城市交叉口混合交通流三维轨迹的效率安全监控系统 |
CN112509328B (zh) * | 2020-12-07 | 2022-06-07 | 中国市政工程华北设计研究总院有限公司 | 一种交叉口右转机动车与电动自行车冲突行为分析方法 |
CN115547060B (zh) * | 2022-10-11 | 2023-07-25 | 上海理工大学 | 一种考虑车辆轮廓的交叉口交通冲突指标计算方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662141B2 (en) * | 1995-01-13 | 2003-12-09 | Alan R. Kaub | Traffic safety prediction model |
KR100969995B1 (ko) * | 2008-06-17 | 2010-07-15 | 한국교통연구원 | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 |
CN101853575A (zh) * | 2010-05-31 | 2010-10-06 | 北京航空航天大学 | 基于二维激光扫描仪的路口交通冲突检测及安全评价方法 |
CN102157069A (zh) * | 2011-04-01 | 2011-08-17 | 北京航空航天大学 | 一种基于视频融合的平面交叉口交通冲突检测方法 |
CN104900089A (zh) * | 2015-06-27 | 2015-09-09 | 奇瑞汽车股份有限公司 | 基于车车协同的变道预警装置 |
CN105070096A (zh) * | 2015-07-14 | 2015-11-18 | 安徽四创电子股份有限公司 | 基于交通场面雷达的快速路交织区潜在交通冲突类型判析方法 |
-
2017
- 2017-11-24 CN CN201711190404.1A patent/CN107705635B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662141B2 (en) * | 1995-01-13 | 2003-12-09 | Alan R. Kaub | Traffic safety prediction model |
KR100969995B1 (ko) * | 2008-06-17 | 2010-07-15 | 한국교통연구원 | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 |
CN101853575A (zh) * | 2010-05-31 | 2010-10-06 | 北京航空航天大学 | 基于二维激光扫描仪的路口交通冲突检测及安全评价方法 |
CN102157069A (zh) * | 2011-04-01 | 2011-08-17 | 北京航空航天大学 | 一种基于视频融合的平面交叉口交通冲突检测方法 |
CN104900089A (zh) * | 2015-06-27 | 2015-09-09 | 奇瑞汽车股份有限公司 | 基于车车协同的变道预警装置 |
CN105070096A (zh) * | 2015-07-14 | 2015-11-18 | 安徽四创电子股份有限公司 | 基于交通场面雷达的快速路交织区潜在交通冲突类型判析方法 |
Non-Patent Citations (3)
Title |
---|
交通冲突判别模型;郭伟伟,曲昭伟等;《吉林大学学报(工学版)》;20110131;第41卷(第01期);第35-40页及图1-7 * |
基于轨迹的交叉口机非冲突特性研究;刘洋,李克平等;《交通科技》;20160131(第01期);第146-149页及图3 * |
郭伟伟,曲昭伟等.交通冲突判别模型.《吉林大学学报(工学版)》.2011,第41卷(第01期),35-40. * |
Also Published As
Publication number | Publication date |
---|---|
CN107705635A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107705635B (zh) | 信号交叉口电动自行车的交通冲突判别方法 | |
Constantinescu et al. | Driving style analysis using data mining techniques | |
CN105046956B (zh) | 一种基于转向系数的交通流模拟及预测方法 | |
CN104157156B (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN107291972B (zh) | 基于多源数据挖掘的汽车智能驾驶系统有效性评价方法 | |
CN111640295B (zh) | 基于潜在冲突风险评估的交叉口事故黑点判别方法 | |
CN105868787A (zh) | 基于工况识别和模糊能耗的电动汽车续驶里程估算方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN106971546B (zh) | 基于公交车gps数据的路段公交车渗透率估计方法 | |
CN111243338A (zh) | 基于车辆加速度的碰撞风险评价方法 | |
CN112541632A (zh) | 一种基于多属性决策的驾驶行为安全性评估方法 | |
CN109087534A (zh) | 一种基于车辆行驶轨迹的交通冲突检测方法 | |
CN114169444B (zh) | 车辆跟驰工况下考虑风险势场分布的驾驶风格分类方法 | |
CN113436432A (zh) | 一种利用路侧观测数据进行路段短时交通风险预测的方法 | |
CN105513362A (zh) | 一种公交站台毗邻区公交车运行状态评价验证方法 | |
Sil et al. | Merging process of U-turns at uncontrolled median openings under mixed traffic conditions | |
CN113240901B (zh) | 一种智能车换道行为风险等级确定方法及装置 | |
CN109147320B (zh) | 一种基于卡口数据的路段交通状态判别方法 | |
CN112669610B (zh) | 一种基于多元回归分析法的电动自行车换算系数计算方法 | |
CN112270840B (zh) | 车路协同环境下基于单车运动特征的信息可信辨识方法 | |
CN101866549A (zh) | 区域交通服务水平微观指标及评价方法 | |
CN109783893B (zh) | 一种考虑路段上下游线形设计参数的连续建模方法 | |
CN110610611B (zh) | 面向混行交通流中智能网联车辆的行车安全性评价方法 | |
CN108198423B (zh) | 一种两显示信号控制十字平面交叉口的突出事故形态识别方法 | |
Zhang et al. | Modeling lane-change risk in urban expressway off-ramp area based on naturalistic driving data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |