CN108230676B - 一种基于轨迹数据的交叉口行人过街风险评估方法 - Google Patents
一种基于轨迹数据的交叉口行人过街风险评估方法 Download PDFInfo
- Publication number
- CN108230676B CN108230676B CN201810063488.0A CN201810063488A CN108230676B CN 108230676 B CN108230676 B CN 108230676B CN 201810063488 A CN201810063488 A CN 201810063488A CN 108230676 B CN108230676 B CN 108230676B
- Authority
- CN
- China
- Prior art keywords
- risk
- pedestrian crossing
- pedestrian
- crossing
- level
- 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
- G08G1/01—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Abstract
本发明涉及一种基于轨迹数据的交叉口行人过街风险评估方法,包括以下步骤:S1:基于轨迹数据提取机动车与行人之间的冲突指标;S2:基于提取的冲突指标识别行人和机动车的交互模式,根据不同交互模式计算行人与机动车潜在的碰撞概率;S3:根据机动车的车型、车速计算人车交互事件的潜在碰撞后果;S4:结合碰撞概率与潜在碰撞后果,创建风险评估模型;S5:根据风险评估模型中的各时空计算单元上的行人过街风险度获取风险度矩阵,根据风险度矩阵绘制行人过街风险地图;S6:结合风险评估模型中的行人过街平均风险度与主观风险标准划分行人过街风险等级,进行风险评估。与现有技术相比,本发明具有评估全面、评估准确等优点。
Description
技术领域
本发明涉及交通安全评价领域,尤其是涉及一种基于轨迹数据的交叉口行人过街风险评估方法。
背景技术
交叉口是各向机动车流、非机动车流和行人流的集散点,其运行环境的复杂性导致行人在此受到伤害甚至死亡的风险很高,是事故的高发地带。行人安全评价,本质上是基于各项指标对行人的安全程度做出系统综合评价。交叉口行人安全评价是对现有交叉口进行交通安全改善与管理的必要前提。
目前,定量评估行人安全水平的研究方法主要可以分为两类。
一类是基于已有交通事故数据对行人安全水平进行评价的方法;另一类是基于交通冲突技术的安全评价方法。由于交通事故发生的稀有性、随机性的特点,导致事故数据的采集往往需要耗费相当长的时间以及大量的人力物力,造成了事故数据样本量少、采集难度大等缺点。同时,事故的发生具有不可观测性以及不可重现性,因此事故数据的来源依赖于事故现场的勘察记录,无法完全真实地再现事故过程,这又造成了事故数据的可靠性低、准确性受限的缺点。基于交通冲突的评价方法凭借其“大样本、短周期、小区域、高信度”的统计学优势,通过定量测定相当于“准事故”的严重冲突,代替传统的事故统计方法。
基于交通冲突的行人安全评价,可以细分为两种,一种是使用统计数据,如冲突数量等,描述交通的安全性并预测冲突或者事故发生的可能性。另一种方法则从更加微观的角度来描述交通冲突发生的过程,如基于冲突过程判别交通冲突的安全性。
然而,上述方法均停留在静态分析冲突数量或冲突的严重程度上,然而实际上处在不同过街位置、经历了不同信号阶段的行人所遇到的车流特征不同,其与机动车发生碰撞的可能性及可能的碰撞后果也不尽相同,因此从时间和空间两个维度评估行人过街风险是是十分有必要的。此外,现有方法鲜有将冲突评价与行人过街的主观安全感受相结合,并进行行人过街安全水平分级。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可从时间和空间两个维度进行交叉口过街风险评估,且结合风险评估与行人主观感受进行安全分级的基于轨迹数据的交叉口行人过街风险评估方法。
本发明的目的可以通过以下技术方案来实现:
一种基于轨迹数据的交叉口行人过街风险评估方法,包括以下步骤:
步骤一、基于轨迹数据识别行人与机动车交互事件,提取冲突指标:
将行人进入人行横道和机动车经过停车线的时间差小于10s的相遇事件,记录为一个人车交互事件。提取的冲突指标包括:TTC(Time-to-Collision),即道路使用者若继续以当前的速度和路径行驶,到达冲突点所需的时间;PET(Post-encroachment Time),即第一个道路使用者离开冲突区域的时刻与另一方到达冲突区域的时间差;GT(Gap Time),即道路使用者若继续以当前的速度和路径行驶,一方离开冲突区域与另一方到达冲突区域之间的时间差。以0.12s为间隔多次计算TTC和GT的值,取整个交互过程中的最小值TTCmin和GTmin为最终的值。PET的值只在交互过程结束时计算一次。
步骤二、判断人车交互模式,计算碰撞概率:
基于提取到的冲突指标识别行人和机动车的交互模式,根据不同交互模式计算行人与机动车潜在的碰撞概率。人和机动车的交互模式包括压迫交互模式、自由交互模式和协作交互模式,其中:
压迫交互:
P=0.66ψ(TTC)+0.34ψ(PET)
自由交互:
P=0.05ψ(TTC)+0.95ψ(PET)
协作交互:
P=0.53ψ(TTC)+0.47ψ(PET)
式中,
其中,p1=7.5;p2=3.5;p3=0.18。
步骤三、计算潜在碰撞后果:
以行人死亡率作为人车交互事件后果的指标,根据机动车的车型、车速计算人车交互事件的潜在碰撞后果。
潜在碰撞后果S的表达式为:
式中,m为车辆类型校正系数;v为TTC值最小时刻所对应的车辆速度;TTC为道路使用者如果继续以当前的速度和路径行驶,到达冲突点所需的时间。
步骤四、建立风险评估模型:
综合考虑碰撞概率和潜在碰撞后果,创建风险评估模型;风险评估模型包括各时空计算单元的行人过街风险度模型和行人过街平均风险度模型,其表达式分别为:
(1)各时空计算单元上的行人过街风险度Rij:
式中,k为行人与机动车一对一的交互事件;i表示第i个时间单元;j表示第j个空间单元;pij,k为时空单元(i.j)里第k个行人与机动车交互事件发生碰撞的概率;sij,k为时空单元(i.j)里第k个行人与机动车交互事件潜在的潜在碰撞后果;nij,veh和nij,ped分别为时空单元(i.j)里通过的机动车流量和行人流量。
时空单元划分方法为:将时间单元分为行人过街绿灯期间、绿闪期间和红灯期间三个部分,每种行人过街信号灯色时期再细化为每5秒为一个小单元,信号灯色衔接部分若小于等于2秒,则归入上一个5秒小单元,若大于等于3秒,则另起一个小单元。空间单元以人行横道的宽度5米为空间单元的长度,每1米为空间单元的宽度进行划分。
(2)行人过街平均风险度Rl:
式中,n为观测人行横道上在观测时段的行人总数;l为单个行人;pl,k为行人l在第k个人车交互事件中的碰撞概率;sl,k为行人l在第k个人车交互事件中的潜在碰撞后果。
步骤五、获取风险度矩阵,绘制行人过街风险地图:
根据各时空单元内的行人过街风险度获取风险度矩阵,根据风险度矩阵绘制行人过街风险地图。
步骤六、过街安全分级评估:
根据行人过街平均风险度,结合主观风险标准,划分行人过街风险等级。
行人过街安全等级包括等级A、等级B、等级C、等级D和等级E;等级A表示交叉口行人过街的安全状态级别为非常安全;等级B表示交叉口行人过街的安全状态级别为安全;等级C表示交叉口行人过街的安全状态级别为接近安全;等级D表示交叉口行人过街的安全状态级别为不安全;等级E表示交叉口行人过街的安全状态级别为非常不安全。
所述的主观风险标准为行人主观风险感受标准,以1-10分划分风险程度,1分代表最高的风险感受,此时行人感觉最危险;10分代表最低的风险感受,此时行人感觉最安全。本发明采用的主观风险标准为调查采集的真实行人过街的风险感受评分。所述的行人过街安全等级结合主观风险标准与行人过街风险度进行分级,即主观风险标准为9或10,行人过街平均风险度为0时,行人过街安全等级属于等级A;主观风险标准为7或8,行人过街平均风险度为1*10-3~5*10-3时,行人过街安全等级属于等级B;主观风险标准为5或6,行人过街平均风险度为6*10-3~10*10-3时,行人过街安全等级属于等级C;主观风险标准为3或4,行人过街平均风险度为11*10-3~20*10-3时,行人过街安全等级属于等级D;主观风险标准为1或2,行人过街平均风险度大于20*10-3时,行人过街安全等级属于等级E。
与现有技术相比,本发明具有以下优点:
一、本发明基于轨迹数据,以行人过街风险作为评价指标,综合考虑了碰撞概率和潜在碰撞后果,建立了风险评估模型,实现了对行人安全更加准确的风险度计算;
二、本发明通过计算行人过街平均风险度,并将行人过街平均风险度与主观风险标准相结合,量化风险和感知风险之间的相关性,实现对人行横道或者交叉口行人过街风险的分级评价;
三、本发明通过各时空单元内的行人过街风险度建立了行人过街风险地图,实现了行人过街风险的动态及二维评估;结合行人过街风险地图的直观显示与量化的分级评价,实现了更加全面的风险评估。
附图说明
图1为一种基于轨迹数据的交叉口行人过街风险评估方法的流程图;
图2为本发明实施例的交叉口交通状况分析图,其中,图2(a)为交叉口交通平面示意图,图2(b)为交叉口车辆及行人走向示意图,图2(c)为交叉口信号控制方案示意图;
图3为本发明实施例的交叉口行人过街风险地图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
本发明涉及一种基于轨迹数据的交叉口行人过街风险评估方法,如图1所示,该方法包括以下步骤:
(一)划分时空计算单元,提取冲突指标
将行人进入人行横道和机动车经过停车线的时间差小于10s的相遇事件,记录为一个人车交互事件,并提取冲突指标;冲突指标包括:TTC、PET和GT。以0.12s为间隔多次计算TTC和GT的值,取整个交互过程中的最小值TTCmin和GTmin为最终的值。PET的值只在交互过程结束时计算一次。
(二)判断交互模式,计算碰撞概率
基于提取到的冲突指标识别行人和机动车的交互模式,根据不同交互模式下的碰撞概率模型计算出行人与机动车潜在的碰撞概率;行人过街碰撞概率P的计算公式如下:
(1)模式1:压迫交互
P=0.66ψ(TTC)+0.34ψ(PET) (1)
(2)模式2:自由交互
P=0.05ψ(TTC)+0.95ψ(PET) (2)
(3)模式3:协作交互
P=0.53ψ(TTC)+0.47ψ(PET) (3)
式中,
其中,p1=7.5;p2=3.5;p3=0.18。
步骤三、风险评估模型建立
基于提取到的TTC最小时刻对应的机动车速度计算潜在碰撞的严重程度,结合行人流量和机动车流量大小,计算出每一个交互事件中的潜在碰撞后果。潜在碰撞后果S的计算公式表达如下:
式中,m为车辆类型校正系数;v为TTC值最小时刻所对应的车辆速度。
为了更加客观合理地评价行人安全,在考虑碰撞概率P和潜在碰撞后果S的基础上,本发明进一步考虑机动车流量和行人流量的影响,创建了风险评估模型。风险评估模型包括各时空计算单元上的行人过街风险度模型和行人过街平均风险度模型。
各时空计算单元上的行人过街风险度模型的表达式为:
式中,k为行人与机动车一对一的交互事件;i表示第i个时间单元;j表示第j个空间单元;pij,k为时空单元(i.j)里第k个行人与机动车交互事件发生碰撞的概率;sij,k为时空单元(i.j)里第k个行人与机动车交互事件潜在的潜在碰撞后果;nij,veh和nij,ped分别为时空单元(i.j)里通过的机动车流量和行人流量。
行人过街平均风险度模型的表达式为:
式中,n为观测人行横道上在观测时段的行人总数;l为单个行人;pl,k为行人l在第k个人车交互事件中的碰撞概率;sl,k为行人l在第k个人车交互事件中的潜在碰撞后果。
步骤四、绘制行人过街风险地图
将计算得到的行人过街风险度对应到相应的时空计算单元内,如果某个时空单元内没有提取到任何交互事件,则其风险度记为0。叠加每个时空计算单元内的风险度,得到一个风险度矩阵。根据风险度矩阵绘制出行人过街风险的行人过街风险地图。
步骤五、过街安全分级评估
结合行人过街平均风险度与调查获得的行人过街的主观风险标准进行模糊判断,以对交叉口行人的过街情况进行分级,进一步进行过街安全评价。基于行人过街主观风险感受的行人过街风险度分级结果和对应等级的安全性描述如表1所示。
表1基于行人过街主观风险标准的过街风险度分级
如表1所示,本发明的行人过街安全等级由主观风险标准和行人过街平均风险度共同决定,即将行人过街安全等级分为五个级别,分别为等级A、等级B、等级C、等级D和等级E。
主观风险标准为9或10,行人过街平均风险度为0时,行人过街安全等级属于等级A,等级A表示交叉口行人过街的安全状态级别为非常安全;
主观风险标准为7或8,行人过街平均风险度为1~5时,行人过街安全等级属于等级B,等级B表示交叉口行人过街的安全状态级别为安全;
主观风险标准为5或6,行人过街平均风险度为6~10时,行人过街安全等级属于等级C,等级C表示交叉口行人过街的安全状态级别为接近安全;
主观风险标准为3或4,行人过街平均风险度为11~20时,行人过街安全等级属于等级D,等级D表示交叉口行人过街的安全状态级别为不安全;
主观风险标准为1或2,行人过街平均风险度大于20时,行人过街安全等级属于等级E,等级E表示交叉口行人过街的安全状态级别为非常不安全。
本实施例以实际交叉口交通情况为例,收集了交叉口现状下几何设计、交通组织方式、信号控制方案等基础信息,并对该交叉口的行人和机动车运行情况进行了视频拍摄。该处交叉口的交通状况如图2所示。
将时间单元分为行人过街绿灯期间、绿闪期间和红灯期间三个部分,每种行人过街信号灯色时期再细化为每5秒为一个小单元,信号灯色衔接部分若小于等于2秒,则归入上一个5秒小单元,若大于等于3秒,则另起一个小单元。空间单元以人行横道的宽度5米为空间单元的长度,每1米为空间单元的宽度进行划分。本实施例根据行人风险评估模型,计算各时空单元上的行人过街风险度,得到风险度矩阵后,绘制的行人过街风险地图如图3所示。
行人过街风险地图的X轴以5秒为一个间隔的时间单元,这些时间单元对应着不同的行人过街信号灯色;行人过街风险地图的Y轴为人行横道上划分出的14个空间单元;Z轴为该时空单元内的行人过街风险度大小;行人过街风险地图可更加直观、全面地表现出行人过街时安全情况的变化过程。
利用表1的分级标准对交叉口行人过街风险进行全方位地评估。根据本发明方法所计算的行人平均过街风险度为15.36*10-3,主观风险标准为3,即行人过街安全等级对应D级,行人过街不安全,这与交叉口运行过程中,右转车辆不受信号灯控制,与行人冲突较多有关。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于轨迹数据的交叉口行人过街风险评估方法,其特征在于,该方法包括以下步骤:
S1:识别人车交互事件,提取冲突指标:基于交叉口行人、机动车运行的轨迹数据,识别人车交互事件,提取冲突指标,冲突指标包括TTC值、PET值和GT值;
S2:判断人车交互模式,计算碰撞概率:基于提取的冲突指标识别行人和机动车的交互模式,交互模式包括压迫交互模式、自由交互模式和协作交互模式,根据不同交互模式计算行人与机动车潜在的碰撞概率;碰撞概率P的计算公式为:
压迫交互模式:
P=0.66ψ(TTC)+0.34ψ(PET)
自由交互模式:
P=0.05ψ(TTC)+0.95ψ(PET)
协作交互模式:
P=0.53ψ(TTC)+0.47ψ(PET)
式中,
其中,p1=7.5;p2=3.5;p3=0.18;
S3:计算潜在碰撞后果:根据机动车的车型、车速计算人车交互事件的潜在碰撞后果;
S4:建立风险评估模型:结合碰撞概率和潜在碰撞后果,创建风险评估模型,所述的风险评估模型包括各时空单元内的行人过街风险度模型及行人过街平均风险度模型;
S5:绘制行人过街风险地图:根据各时空单元内的行人过街风险度获取风险度矩阵后,建立用于直观展示的行人过街风险地图;
S6:过街安全分级评估:结合行人过街平均风险度和主观风险标准,划分行人过街风险等级,进行风险评估。
5.根据权利要求1所述的一种基于轨迹数据的交叉口行人过街风险评估方法,其特征在于,所述的步骤S6中,行人过街平均风险度包括五个分级,分别为行人过街平均风险度的值为0、1*10-3~5*10-3、6*10-3~10*10-3、11*10-3~20*10-3以及大于20*10-3,所述的行人过街平均风险度的值为0时,代表行人过街非常安全,所述的行人过街平均风险度的值大于20*10-3时,代表行人过街非常不安全。
6.根据权利要求5所述的一种基于轨迹数据的交叉口行人过街风险评估方法,其特征在于,所述的步骤S6中,主观风险标准为行人主观风险感受标准,该标准以1~10分划分风险程度,1分代表最高风险感受,此时行人感觉最危险,10分代表最低风险感受,此时行人感觉最安全。
7.根据权利要求6所述的一种基于轨迹数据的交叉口行人过街风险评估方法,其特征在于,所述的步骤S6中,行人过街安全等级包括等级A、等级B、等级C、等级D和等级E;等级A表示交叉口行人过街的安全状态级别为非常安全;等级B表示交叉口行人过街的安全状态级别为安全;等级C表示交叉口行人过街的安全状态级别为接近安全;等级D表示交叉口行人过街的安全状态级别为不安全;等级E表示交叉口行人过街的安全状态级别为非常不安全;
其中,主观风险标准为9或10,行人过街平均风险度为0时,行人过街安全等级属于等级A;主观风险标准为7或8,行人过街平均风险度为1*10-3~5*10-3时,行人过街安全等级属于等级B;主观风险标准为5或6,行人过街平均风险度为6*10-3~10*10-3时,行人过街安全等级属于等级C;主观风险标准为3或4,行人过街平均风险度为11*10-3~20*10-3时,行人过街安全等级属于等级D;主观风险标准为1或2,行人过街平均风险度大于20*10-3时,行人过街安全等级属于等级E。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810063488.0A CN108230676B (zh) | 2018-01-23 | 2018-01-23 | 一种基于轨迹数据的交叉口行人过街风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810063488.0A CN108230676B (zh) | 2018-01-23 | 2018-01-23 | 一种基于轨迹数据的交叉口行人过街风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108230676A CN108230676A (zh) | 2018-06-29 |
CN108230676B true CN108230676B (zh) | 2020-11-27 |
Family
ID=62668668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810063488.0A Active CN108230676B (zh) | 2018-01-23 | 2018-01-23 | 一种基于轨迹数据的交叉口行人过街风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230676B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146299B (zh) * | 2018-08-29 | 2021-08-31 | 广东工业大学 | 一种道路交叉口安全状态评估方法 |
CN109711704A (zh) * | 2018-12-21 | 2019-05-03 | 河海大学 | 一种适应无信号控制路段情况的人行横道安全性能测评方法 |
CN110033611B (zh) * | 2019-04-04 | 2021-01-01 | 北京汽车集团有限公司 | 路口引导装置和方法 |
CN110363983B (zh) * | 2019-06-24 | 2021-08-31 | 长沙理工大学 | 无信号交叉口机非人实时轨迹预测与冲突识别方法 |
CN112242069B (zh) | 2019-07-17 | 2021-10-01 | 华为技术有限公司 | 一种确定车速的方法和装置 |
CN112847430B (zh) * | 2019-11-26 | 2022-03-29 | 中国科学院沈阳自动化研究所 | 一种协作机器人本质安全设计方法 |
CN111009125B (zh) * | 2019-12-17 | 2021-01-15 | 武汉理工大学 | 一种城市交叉路口人车碰撞概率计算方法 |
US10971005B1 (en) | 2019-12-26 | 2021-04-06 | Continental Automotive Systems, Inc. | Determining I2X traffic-participant criticality |
CN111311093B (zh) * | 2020-02-13 | 2023-09-05 | 中交第一公路勘察设计研究院有限公司 | 基于驾驶员生理数据的道路交叉口风险评估与预警方法 |
CN111402632B (zh) * | 2020-03-18 | 2022-06-07 | 五邑大学 | 一种交叉口行人运动轨迹的风险预测方法 |
CN112071068B (zh) * | 2020-09-17 | 2021-11-09 | 西南交通大学 | 基于对称交叉口的行人过街效率与安全分析方法 |
CN112116263B (zh) * | 2020-09-25 | 2023-09-12 | 安徽百诚慧通科技股份有限公司 | 一种交通路口风险级别评估方法、装置、电子设备及存储介质 |
CN114512027B (zh) * | 2020-11-16 | 2023-07-14 | 长城汽车股份有限公司 | 防碰撞控制方法及装置 |
CN112464546B (zh) * | 2020-12-14 | 2024-03-19 | 上海交通大学设计研究总院有限公司 | 基于动态数据分析的公共空间行人流运动风险判别方法 |
CN112356836B (zh) * | 2021-01-14 | 2021-03-30 | 长沙理工大学 | 一种保障自动驾驶交叉口通行安全的关键冲突点确定方法 |
CN112907947B (zh) * | 2021-01-19 | 2022-03-11 | 东南大学 | 无信控过街通道车让人执法摄像头安全评价方法 |
CN114913709A (zh) * | 2021-02-07 | 2022-08-16 | 广州汽车集团股份有限公司 | 基于车车通信的交叉路口碰撞预警方法、装置和存储介质 |
CN113112809B (zh) * | 2021-04-23 | 2022-03-25 | 武汉理工大学 | 一种基于全息感知的交叉口交通安全风险性评价系统 |
CN113808394B (zh) * | 2021-08-27 | 2022-09-30 | 东南大学 | 一种基于风险组合模式的过街通道安全评价方法 |
CN114093161B (zh) * | 2021-10-09 | 2023-04-07 | 长安大学 | 一种行人过街安全评价方法及信号灯设置方法 |
TWI810921B (zh) * | 2022-04-29 | 2023-08-01 | 江俊昇 | 交通肇事路段改善規劃方法及系統 |
CN114724376B (zh) * | 2022-05-05 | 2023-04-28 | 北京航空航天大学 | 一种基于风险场理论的交叉口安全评价方法 |
CN115188188B (zh) * | 2022-07-08 | 2023-09-05 | 重庆交通大学 | 等待时间手机分心条件下行人过街风险评估方法 |
CN115294797B (zh) * | 2022-07-26 | 2023-05-05 | 内蒙古大学 | 一种公路平交路口智能安全控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593545A (zh) * | 2012-08-16 | 2014-02-19 | 同济大学 | 交叉口多模式综合服务水平评价方法 |
CN105741551A (zh) * | 2016-04-22 | 2016-07-06 | 华南理工大学 | 一种无信号交叉口交通安全评价方法 |
CN106056975A (zh) * | 2016-07-29 | 2016-10-26 | 清华大学 | 一种基于多参数的交通冲突安全性分析的修正方法 |
CN106652556A (zh) * | 2015-10-28 | 2017-05-10 | 中国移动通信集团公司 | 一种人车避撞方法及装置 |
CN107180531A (zh) * | 2017-06-05 | 2017-09-19 | 华南理工大学 | 无控制行人过街横道的人车冲突概率空间分布预测方法 |
-
2018
- 2018-01-23 CN CN201810063488.0A patent/CN108230676B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593545A (zh) * | 2012-08-16 | 2014-02-19 | 同济大学 | 交叉口多模式综合服务水平评价方法 |
CN106652556A (zh) * | 2015-10-28 | 2017-05-10 | 中国移动通信集团公司 | 一种人车避撞方法及装置 |
CN105741551A (zh) * | 2016-04-22 | 2016-07-06 | 华南理工大学 | 一种无信号交叉口交通安全评价方法 |
CN106056975A (zh) * | 2016-07-29 | 2016-10-26 | 清华大学 | 一种基于多参数的交通冲突安全性分析的修正方法 |
CN107180531A (zh) * | 2017-06-05 | 2017-09-19 | 华南理工大学 | 无控制行人过街横道的人车冲突概率空间分布预测方法 |
Non-Patent Citations (1)
Title |
---|
基于轨迹的交叉口机非冲突特性研究;刘洋等;《交通科技》;20160215(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108230676A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230676B (zh) | 一种基于轨迹数据的交叉口行人过街风险评估方法 | |
EP3533681B1 (en) | Method for detecting safety of driving behavior, apparatus and storage medium | |
Domenichini et al. | Influence of the lighting system on the driver's behavior in road tunnels: A driving simulator study | |
CN112465395A (zh) | 一种面向自动驾驶汽车的多维度综合评价方法及装置 | |
CN107843440A (zh) | 一种自动驾驶车辆性能测试系统及方法 | |
Sheykhfard et al. | Structural equation modelling of potential risk factors for pedestrian accidents in rural and urban roads | |
CN109278753B (zh) | 一种基于驾驶员视觉可见信息的智能车辆辅助驾驶方法 | |
Hu et al. | Safety evaluation of pedestrian-vehicle interaction at signalized intersections in Changsha, China | |
Goyani et al. | Investigation of traffic conflicts at unsignalized intersection for reckoning crash probability under mixed traffic conditions | |
CN105741553A (zh) | 基于动态阈值的识别车辆轨迹中停靠路段的方法 | |
CN112116263B (zh) | 一种交通路口风险级别评估方法、装置、电子设备及存储介质 | |
CN113753059B (zh) | 一种自动驾驶系统下的驾驶人接管能力预测方法 | |
Zhang et al. | Factors contributing to hit-and-run crashes in China | |
AIlard et al. | Targeting crime prevention to reduce offending: Identifying communities that generate chronic and costly offenders | |
Ivan et al. | Identification of traffic accident risk-prone areas under low-light conditions | |
Tan et al. | Research of fatal car-to-pedestrian precrash scenarios for the testing of the active safety system in China | |
Gitelman et al. | Exploring relationships between driving events identified by in-vehicle data recorders, infrastructure characteristics and road crashes | |
CN108447306B (zh) | 无控交叉口冲突车辆间实时位置共享避撞预警的模拟方法 | |
Branzi et al. | A combined simulation approach to evaluate overtaking behaviour on two-lane two-way rural roads | |
Jiao et al. | Revision of the driver behavior questionnaire for Chinese drivers’ aberrant driving behaviors using naturalistic driving data | |
CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
Xu et al. | Effects of behavioral characteristics of taxi drivers on safety and capacity of signalized intersections | |
CN113870560B (zh) | 基于多源数据的高速公路画像评价与安全风险研判系统 | |
Bäumler et al. | Report on validation of the stochastic traffic simulation (Part B) | |
Rodrigues et al. | Assessing the applicability of the cyclists’ Level of Traffic Stress (LTS) classification to a medium-sized city in a developing country |
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 |