CN108710719A - 基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法 - Google Patents
基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法 Download PDFInfo
- Publication number
- CN108710719A CN108710719A CN201810284592.2A CN201810284592A CN108710719A CN 108710719 A CN108710719 A CN 108710719A CN 201810284592 A CN201810284592 A CN 201810284592A CN 108710719 A CN108710719 A CN 108710719A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- battleground
- conflict
- degree
- occupying
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004088 simulation Methods 0.000 title claims abstract description 20
- 238000012797 qualification Methods 0.000 claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法，包括以下步骤：S1.识别冲突区；S2.对车辆的运动参数进行估计；S3.计算冲突双方车辆分别到达冲突区的时间；S4.判断最先到达冲突区的车辆到达冲突区的时间是否少于决策时间，若是则进入决策时刻，执行步骤S5；否则车辆继续行驶，然后执行步骤S3；S5.计算最先到达冲突区的车辆到达冲突区的时间和离开冲突区的时间以及另一车辆到达冲突区的时间，从而判断是否存在冲突，若是则执行步骤S6，否则车辆继续行驶；S6.分别计算最先到达冲突区的车辆的侵占度；S7.基于冲突区侵占度的车辆占先决策行为的概率模型分别计算最先到达冲突区的车辆的占先概率；S8.判断最先到达冲突区的车辆的占先概率是否大于所设定的阈值，若是则车辆占先行驶，否则则车辆避让。
Description
技术领域
本发明涉及智能交通技术领域，更具体地，涉及一种基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法。
背景技术
城市道路平面交叉口连接着不同方向的道路，是车辆与行人汇集疏散的必经之地。目前，由于交通管理与控制设施的不完善，国内仍存在大量的无信控交叉口和有相位冲突的信控交叉口。车辆经过这类交叉口时，往往需要驾驶员自行处理与其它不同流向车辆的冲突问题，使得交叉口的通行秩序和安全性变得异常脆弱。因此，需要深入分析中国驾驶员的驾驶特性，并通过数学模型刻画车辆的冲突行为，分析其对交叉口运行产生负面影响的内在机理，为提高交叉口的通行效率和安全性能提供决策依据。
车辆的冲突行为主要由驾驶员决策产生，而决策需要衡量各类因素，是一个具有高度互动性的动态博弈过程。如何量化车辆冲突时影响决策的因素，构建能够真实模拟冲突车辆行为的模型，并推演冲突从发生到消解的整个过程，使之能够应用到交通仿真平台，是本发明研究的重点和目的所在。
目前国内外研究对交叉口冲突行为的建模描述主要有两类，第一类是可接受间隙模型，第二类是冲突区避险模型，详细如下[1-3]：
第一，可接受间隙模型。国内外绝大部分研究认为，驾驶员判断是否穿越冲突车流主要考虑车流的间隙，当冲突车流的间隙大于驾驶员的临界间隙，驾驶员会选择穿插冲突车流，否则减速避让。早期的可接受间隙理论将临界间隙设置成一个定值，但不同驾驶员在不同环境下对穿越时机的把握是不尽相同的。于是有学者利用离散选择模型将临界间隙描述为一个随机变量，并加入了诸如车流间隙、停车等待时间以及驾驶员个体属性等影响驾驶员决策的因素，从而建立了基于可接受间隙的概率模型。但这类模型仍存在不足之处，总是假设主路车辆总是拥有优先通行权，它不能描述次路车辆主动穿插迫使主路车减速避让的激进行为。
第二，冲突区避险模型。国内外也有部分研究假定交叉口内存在相对固定的冲突区，通过冲突车流的行驶路线来确定。然后按照先到先得的原则分配路权，具体做法是通过不断对车辆矩形和冲突区求交，先有交集的车辆拥有通行权，适用于计算机仿真。但是过于简化驾驶员的决策过程，没有考虑安全因素和速度因素等对驾驶员决策产生重要影响的因素。
(1)刘小明[4]等考虑安全因素和速度因素对驾驶员插车行为的效用影响，结合重复博弈理论，利用数值模拟方法得到了单次插车博弈过程的纳什平衡及相应的驾驶员决策行为。但模型的结构较为复杂，达到纳什平衡的运算量较大，会加重交通仿真的计算负担，难以推广应用。
(2)Liu[5]等提取目标车辆从发现冲突到冲突消解整个过程的车辆速度、加速度以及与冲突点之间的距离等数据，然后利用决策树算法进行训练，详细分析了各类影响驾驶员决策的因素，其中两直行冲突车的速度差是最大因素。但是仅考虑交叉口的冲突点弱化了驾驶员对车辆体的感知，与现实的驾驶环境不符。而且该方法没有给出完整的冲突行为描述，其分析的因素是否全面还有待商榷。
(3)肖永剑[6]等基于先到先得的路权获取规则，提出了“占先度”的概念。在冲突前根据车辆的运动状态虚拟两车相遇时的碰撞状态，通过至碰点量化冲突双方各自的占先优势，并利用离散选择模型描述驾驶员选择占先行为的可能性。但是驾驶员在决策时考虑至碰状态的占先程度是不符合情理的，因为冲突双方争抢的路权实际上是双方运动轨迹交汇的重合区域，即冲突区的道路使用权，车辆是否取得先机应该体现在对冲突区的侵占程度，而非至碰点的“占先度”。同时该方法仅考虑建模问题，没有开展仿真模拟的相关工作，缺乏实际应用。
发明内容
本发明针对现有模型方法的不足，首先基于车辆历史的运动轨迹推测两车将会交汇的潜在冲突区，根据车辆的行驶方向确定冲突区边界点的位置信息。然后计算两车到达和离开冲突区的时间，判断车辆是否发生冲突。若两车发生冲突，则预估先到达车辆对冲突区的侵占程度，量化冲突双方在路权竞争中的优势大小，并通过二元logit模型描述驾驶员选择通过冲突区的概率，最后结合基于侵占度的决策模型设计了车辆冲突消解的完整流程，可应用在交通仿真平台上。
为实现以上发明目的，采用的技术方案是：
基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法，包括以下步骤：
S1.识别冲突区；
S2.对车辆的运动参数进行估计；
S3.计算冲突双方车辆分别到达冲突区的时间；
S4.判断最先到达冲突区的车辆到达冲突区的时间是否少于决策时间，若是则进入决策时刻，执行步骤S5；否则车辆继续行驶，然后执行步骤S3；
S5.计算最先到达冲突区的车辆到达冲突区的时间和离开冲突区的时间以及另一车辆到达冲突区的时间，从而判断是否存在冲突，若是则执行步骤S6，否则车辆继续行驶；
S6.分别计算最先到达冲突区的车辆的侵占度；
S7.基于冲突区侵占度的车辆占先决策行为的概率模型分别计算最先到达冲突区的车辆的占先概率；
S8.判断最先到达冲突区的车辆的占先概率是否大于所设定的阈值，若是则车辆占先行驶，否则则车辆避让。
优选地，所述步骤S1识别冲突区的具体过程如下：
1)利用先验的平均车宽来重构冲突双方车辆的行驶姿态，从而得到轨迹面；
2)通过人工观察的方法判定冲突双方车辆汇集相交的区域，然后将区域内的轨迹点序号保存至候选数据集，再通过平面几何直线求交的方法来确定冲突区的边界点坐标，从而确定冲突区。
优选地，所述步骤S2对车辆的运动参数进行估计的具体过程如下：
假设在采样间隔内车辆做匀速运动，从位移差分求得第i个点与第i+1点之间的平均速度；然后把平均速度当成采样间隔中点时刻的瞬时速度，再对vi与vi+1两个速度进行差分得到两两采样间隔中点之间的轨迹点的加速度；
式中si表示第1个点到第i个点的位移；vi表示第i个点与第i+1个点中心时刻的速度；t表示采样间隔。
优选地，所述步骤S6计算侵占度的具体过程如下：
其中，(vp,ap)表示最先到达冲突区的车辆的运动状态，tl表示最后到达冲突区的车辆的到达时间；Lprior表示最先到达冲突区的车辆的车身长度。
优选地，所述基于冲突区侵占度的车辆占先决策行为的概率模型表示如下：
其中，α0、α1为待定系数，利用最大似然方法进行标定。
与现有技术相比，本发明的有益效果是：
(1)本发明提供的方法充分考虑了国内驾驶员“有缝就插”的激进驾驶习惯，能够描述主动冲抢道路资源的驾驶行为；
(2)本发明提供的方法的冲突区的位置根据目标车辆当前的行驶路线来确定，是动态变化的；
(3)本发明提供的方法具有简洁且完备的冲突避险机制，计算复杂度低，易用性高，方便进行仿真模拟。
附图说明
图1为方法的框架示意图。
图2为方法的流程示意图。
图3为冲突车辆轨迹面与冲突区示意图。
图4为冲突区识别示意图。
图5为直行车与左转车的冲突判断示意图。
图6为侵占度计算示意图。
图7为实验交叉口的平面图。
图8为冲突区边界点识别效果的示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1、2所示，本发明提供的方法包括有以下步骤：
一、识别冲突区
不同方向车辆的行驶轨迹如果相互交叉，会有重叠的公共区域。这个区域即为冲突区域。与常规的冲突点[5]不同的是，冲突区域是考虑了冲突两辆车的宽度，其识别方法具体可分为轨迹面重构和边界点求取两步。
(1)轨迹面重构
基于交通流视频图像的车辆识别与跟踪技术已被广泛应用于车辆轨迹的采集。由于传输带宽受限，轨迹跟踪技术一般只记录识别到的车辆最小外接矩形的质心坐标，只有点信息而没有保留车辆的轮廓数据。
由于冲突区需要由两车的行驶路线和行车姿态确定，原始的轨迹点数据只记录了行驶路线，还需要恢复车辆姿态进行恢复。本发明利用先验的平均车宽来重构冲突车辆行驶姿态，从而得到轨迹面。具体如图3所示。
(2)边界点求取
得到冲突车辆的轨迹面后，可以计算冲突区的边界点位置。由于样本点生成的轨迹是由多段折线构成的，需要对多段折线两两求交，然后判断交点是否在折线段上来自动求解交点坐标。但注意到折线较多，计算量较大，应尽量筛选距离冲突区较远的无关折线。本发明首先通过人工观察的方法判定相交的区域，然后将区域内的轨迹点序号保存至候选数据集，再通过上述平面几何直线求交的方法来确定冲突区的边界点坐标，从而提高计算效率。具体如图4所示。
二、初始化车辆通行权及冲突区的状态
初始化车辆是否获得通行权的标记以及交叉口内部冲突区是否被占用的标记为0。前者是车辆的属性之一，用于判断车辆是否获得冲突区的路权，0代表未获得路权，1代表已获得路权。后者是独立的冲突区属性，与车辆属性没有任何联系的，用于判断冲突区域是否被相应车辆占用，0表示冲突区空闲，1表示冲突区即将被占用或已被占用。
三、对车辆的运动参数进行估计
除了冲突区边界点的位置信息，车辆的运动参数也是预判车辆是否发生冲突的重要依据。车辆运动参数主要是速度和加速度，由于轨迹跟踪记录的是一定采样间隔下车辆的位置坐标，需要通过点间的位移和时间间隔估计车辆的运动参数。
本发明采用差分法估计车辆的运功参数，假设在采样间隔内车辆是做匀速运动假设在采样间隔内车辆做匀速运动，从位移差分求得第i个点与第i+1点之间的平均速度。然后把平均速度当成采样间隔中点时刻的瞬时速度，再对vi与vi+1两个速度进行差分得到两两采样间隔中点之间的轨迹点的加速度。
式中si表示第1个点到第i个点的位移；vi表示第i个点与第i+1个点中心时刻的速度；t表示采样间隔。
四、冲突发生确认
车辆进入交叉口。根据驾驶员的决策选择相应的行为。第一个要判断的是冲突区域是否空闲，即其标记是否为0。如果冲突区域空闲，表明目标车辆可以与其余潜在冲突对象争抢该区域的路权，那么就要计算目标车辆的到达时间，判断是否进入决策边界。
交通冲突的定义是两个或多个道路使用者在时间和空间上不断靠近，如果他们不改变其运动状态的话，就会发生碰撞。对于一个驾驶员的冲突决策来说，驾驶员不可能也没必要预测很久之后才发生的事情，他们只能对未来几秒内有可能发生的冲突进行预估。因此本发明定义了一个决策时刻T，如果车辆能以当前运动状态在T秒内到达冲突区，那么驾驶员就要开始评估冲突是否会发生。根据已有研究，T小于或等于3s。
同时考虑到冲突双方进入决策时刻T的先后顺序肯定会有所不同，在判断车辆是否会发生冲突时，只需要计算先进入决策时刻T的一方的到达冲突区的时间和离开冲突区的时间以及另一方到达冲突区的时间。
不失一般性地，以直行车先进入决策时刻T为例，此时冲突双方的运动状态如图5所示。在确定冲突区后可以根据车辆车头到达冲突区边界点以及车尾通过冲突区边界点，由匀变速直线运动的位移公式，分别计算直行和左转车辆到达时间和离去时间。
式中，tp，tp'表示直行车到达和离开的时间；tl表示左转车到达时间；vp， ap表示直行车在决策时刻的速度和加速度；vl，al表示左转车在决策时刻的速度和加速度；
sp，sp'表示直行车到达冲突区和离开冲突区的行驶距离m；sl表示左转车到达冲突区的行驶距离。
若满足条件为tp≥tl且tl-tp≤tp'，那么直行车和左转车会发生冲突，需要进一步评估两者对冲突区的侵占优势。
五、侵占度计算
有别于现有的占先度模型研究[6]，本发明提出的侵占度定义在冲突区上的。如上图6所示，在决策时刻，即快车若以当前速度加速度行驶，T秒(≤3s)后会到达冲突区边界点，此时快车离冲突区边界点的距离为sp，慢车离冲突区边界点的距离为sl。由前面的讨论可知，驾驶员是按当前车辆运动状态来评估到达时间的，也就是说车辆是匀变速运动到达的。
快车保持原有的运动状态(vp,ap)以慢车的到达时间(tl)行驶将会超过冲突区边界点一段距离，这段距离比上快车车长即可计算快车的侵占度。
式中，Lprior——快车的车身长度。
七、占先决策概率计算
侵占度的推算需要测量冲突双方的速度、加速度和冲突距离。然而驾驶员不可能对侵占度做出如此精准的评估，所以需要对最终的决策结果进行一定程度的模糊化，从概率的角度描述产生占先行为的可能性。借鉴了可接受间隙模型的建模思路，本发明认为驾驶员判断的依据是自身的临界侵占度，而且临界侵占度也和临界间隙一样，是一个服从某种分布的随机变量。因此采用Logit回归的方法建立了基于冲突区侵占度的车辆占先决策行为的概率模型：
式中：α0，α1——待定系数，可利用最大似然方法进行标定。
求解得到概率后，判断最先到达冲突区的车辆的占先概率是否大于所设定的阈值，若是则车辆占先行驶，否则则车辆避让。此时占先车要将车辆标记为1，同时标记冲突区域为1，意味着在下一个仿真步长开始，其余潜在冲突对象都不再进入占先决策流程，采取相对保守驾驶策略减速驶向冲突区，直到占先车完全离开冲突区，将冲突区标记为0，其余车辆才能进入占先决策流程。
实施例2
本实施例对实施例1的方法进行了具体的实验，实验选择常规工作日早高峰时段，广州市天河区华穗路与华利路交叉路口作为研究区域。华穗路是南北走向的，有双向四车道；华利路是东西走向的，有双向两车道。信号灯控制的相位方案是两个车辆通行相位和一个行人相位，没有设置车辆左转相位，左转车在车辆通行相位内驶入交叉口内部会与对向直行车发生冲突。实验交叉口的平面图如图 7所示
视频车辆轨迹跟踪得到的数据样例如表1所示，第一个字段为车辆编号，第二个字段是车辆离开检测区域的画面帧数，第三、四个字段分别是质心点在图像坐标轴的位置。可以根据编号和坐标位置恢复冲突车辆的行驶路线，然后根据待求交轨迹点候选集识别冲突区边界点，结果如图8所示。
表1视频车辆轨迹跟踪的数据样例
利用观测冲突样本计算相应的侵占度，然后根据计算结果通过最大似然估计标定占先决策模型参数，如表2所示：
表2参数估计结果
变量PL的各项指标均达到统计检验的要求，对模型的解释能力较高。
占先决策的结果要么占先，要么避让，是一个二分类模型，可以利用ROC 曲线分析方法和约登指数来标定概率阈值pr(分类阈值)。如表3所示，约登指数越大，说明预测准确性越高，因此概率阈值pr标为0.5。
表3 ROC曲线坐标
标定模型的性能分析结果如表4所示，AUC＝0.988，非常接近1，表明模型预测性能较好，其余各项指标在95％置信水平下，均通过假设检验，具有一定统计意义。
表4 ROC曲线下方面积
最后将微观交通仿真与车辆冲突消解仿真模拟流程相结合，利用另一组校验样本对已标定的模型进行验证，结果如表5所示，表明模型在预测车辆占先行为上确有较高的能力。
表5模型验证结果
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
参考文献
[1]Rakha H,Sadek S,Zohdy I.Modeling differences in driver left-turngap acceptance behavior using Bayesian and Bootstrap approaches[J].Procedia-Social and Behavioral Sciences,2011,16:739-750.
[2]Xiao Y,Ran Q,Yang J,et al.Analysis and modeling of crossingbehavior at urban intersections in china[J].Journal of TransportationEngineering,2010,137(2): 121-127.
[3]贺冰花,安毅生,赵祥模,等.交叉口车辆左转避撞行为建模与仿真[J].计算机应用研究,2014,31(3):801-803.
[4]刘小明,王秀英.基于重复博弈的无灯控交叉口驾驶员行为模型[J].中国公路学报,2011,24(4):94-100.
[5]Liu M,Lu G,Wang Y,et al.Analyzing drivers’crossing decisions atunsignalized intersections in China[J].Transportation research part F:trafficpsychology and behaviour,2014,24:244-255.
[6]肖永剑,杨建国,王兆安.基于占先度的驾驶员冲突避碰决策模型[J].交通运输工程学报,2009(5):116-120。
Claims (5)
1.基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法，其特征在于：包括以下步骤：
S1.识别冲突区；
S2.对车辆的运动参数进行估计；
S3.计算冲突双方车辆分别到达冲突区的时间；
S4.判断最先到达冲突区的车辆到达冲突区的时间是否少于决策时间，若是则进入决策时刻，执行步骤S5；否则车辆继续行驶，然后执行步骤S3；
S5.计算最先到达冲突区的车辆到达冲突区的时间和离开冲突区的时间以及另一车辆到达冲突区的时间，从而判断是否存在冲突，若是则执行步骤S6，否则车辆继续行驶；
S6.计算最先到达冲突区的车辆的侵占度；
S7.基于冲突区侵占度的车辆占先决策行为的概率模型计算最先到达冲突区的车辆的占先概率；
S8.判断最先到达冲突区的车辆的占先概率是否大于所设定的阈值，若是则车辆占先行驶，否则则车辆避让。
2.根据权利要求1所述的基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法，其特征在于：所述步骤S1识别冲突区的具体过程如下：
1)利用先验的平均车宽来重构冲突双方车辆的行驶姿态，从而得到轨迹面；
2)通过人工观察的方法判定冲突双方车辆汇集相交的区域，然后将区域内的轨迹点序号保存至候选数据集，再通过平面几何直线求交的方法来确定冲突区的边界点坐标，从而确定冲突区。
3.根据权利要求1所述的基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法，其特征在于：所述步骤S2对车辆的运动参数进行估计的具体过程如下：
假设在采样间隔内车辆做匀速运动，从位移差分求得第i个点与第i+1点之间的平均速度；然后把平均速度当成采样间隔中点时刻的瞬时速度，再对vi与vi+1两个速度进行差分得到两两采样间隔中点之间的轨迹点的加速度；
式中si表示第1个点到第i个点的位移；vi表示第i个点与第i+1个点中心时刻的速度；t表示采样间隔。
4.根据权利要求1所述的基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法，其特征在于：所述步骤S6计算侵占度的具体过程如下：
其中，(vp,ap)表示最先到达冲突区的车辆的运动状态，tl表示最后到达冲突区的车辆的到达时间；Lprior表示最先到达冲突区的车辆的车身长度。
5.根据权利要求4所述的基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法，其特征在于：所述基于冲突区侵占度的车辆占先决策行为的概率模型表示如下：
其中，α0、α1为待定系数，利用最大似然方法进行标定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810284592.2A CN108710719A (zh) | 2018-04-02 | 2018-04-02 | 基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810284592.2A CN108710719A (zh) | 2018-04-02 | 2018-04-02 | 基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108710719A true CN108710719A (zh) | 2018-10-26 |
Family
ID=63867045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810284592.2A Pending CN108710719A (zh) | 2018-04-02 | 2018-04-02 | 基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108710719A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263475A (zh) * | 2019-06-27 | 2019-09-20 | 北京华如科技股份有限公司 | 一种实体在固定区域内实现随机运动的方法及存储介质 |
| CN111274710A (zh) * | 2020-02-14 | 2020-06-12 | 青岛智能产业技术研究院 | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 |
| CN112116263A (zh) * | 2020-09-25 | 2020-12-22 | 安徽百诚慧通科技有限公司 | 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 |
| CN112509328A (zh) * | 2020-12-07 | 2021-03-16 | 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 |
| CN112907986A (zh) * | 2021-01-12 | 2021-06-04 | 浙江大学 | 一种基于数字孪生场景和边缘云的动态时间窗路口调度方法 |
| CN113306574A (zh) * | 2021-06-29 | 2021-08-27 | 中国科学院自动化研究所 | 一种自动驾驶路权归属决策方法、系统及设备 |
| CN113569420A (zh) * | 2021-08-03 | 2021-10-29 | 上海理工大学 | 一种平面交叉口冲突交通流轨迹离散性模拟方法 |
| CN113963562A (zh) * | 2021-12-21 | 2022-01-21 | 北京慧拓无限科技有限公司 | 作业区多车辆的避让方法以及装置 |
| CN114067569A (zh) * | 2022-01-14 | 2022-02-18 | 华砺智行(武汉)科技有限公司 | V2x车联网环境下车辆左转辅助预警方法 |
| CN114120639A (zh) * | 2021-11-09 | 2022-03-01 | 广州文远知行科技有限公司 | 一种车辆交通控制方法、装置及存储介质 |
| CN114495551A (zh) * | 2021-12-31 | 2022-05-13 | 上海人工智能创新中心 | 轨迹规划方法、装置、设备和计算机可读存储介质 |
| CN115620536A (zh) * | 2022-10-18 | 2023-01-17 | 北京航空航天大学 | 自动驾驶环境下基于危险度的交叉口通行效率提升方法 |
| CN116704816A (zh) * | 2023-08-08 | 2023-09-05 | 江苏科运智慧交通科技有限公司 | 一种基于冲突域的道路交叉口安全预警方法 |
| CN118053322A (zh) * | 2024-02-04 | 2024-05-17 | 天津大学 | 一种基于计算机视觉的工程车辆碰撞检测预警系统及方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368351A (zh) * | 2011-10-19 | 2012-03-07 | 北京航空航天大学 | 一种消解无信号交叉口两车交通冲突的方法 |
-
2018
- 2018-04-02 CN CN201810284592.2A patent/CN108710719A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368351A (zh) * | 2011-10-19 | 2012-03-07 | 北京航空航天大学 | 一种消解无信号交叉口两车交通冲突的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 何兆成等: "瓶颈处车辆横纵向行为建模与分析", 《物理学报》 * |
| 杨昀霖等: "交叉口内部冲突车辆行为的建模与分析", 《第十届中国智能交通年会》 * |
| 鲍怡婷等: "信号交叉口右转机动车与行人冲突运动模型", 《交通信息与安全》 * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263475B (zh) * | 2019-06-27 | 2023-04-25 | 北京华如科技股份有限公司 | 一种实体在固定区域内实现随机运动的方法及存储介质 |
| CN110263475A (zh) * | 2019-06-27 | 2019-09-20 | 北京华如科技股份有限公司 | 一种实体在固定区域内实现随机运动的方法及存储介质 |
| CN111274710A (zh) * | 2020-02-14 | 2020-06-12 | 青岛智能产业技术研究院 | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 |
| CN111274710B (zh) * | 2020-02-14 | 2023-10-31 | 青岛智能产业技术研究院 | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 |
| CN112116263A (zh) * | 2020-09-25 | 2020-12-22 | 安徽百诚慧通科技有限公司 | 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 |
| 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 |
| 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 |
| CN112509328A (zh) * | 2020-12-07 | 2021-03-16 | 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 |
| CN112907986A (zh) * | 2021-01-12 | 2021-06-04 | 浙江大学 | 一种基于数字孪生场景和边缘云的动态时间窗路口调度方法 |
| CN112907986B (zh) * | 2021-01-12 | 2022-10-21 | 浙江大学 | 一种基于数字孪生场景和边缘云的动态时间窗路口调度方法 |
| CN113306574A (zh) * | 2021-06-29 | 2021-08-27 | 中国科学院自动化研究所 | 一种自动驾驶路权归属决策方法、系统及设备 |
| CN113306574B (zh) * | 2021-06-29 | 2022-11-08 | 中国科学院自动化研究所 | 一种自动驾驶路权归属决策方法、系统及设备 |
| CN113569420A (zh) * | 2021-08-03 | 2021-10-29 | 上海理工大学 | 一种平面交叉口冲突交通流轨迹离散性模拟方法 |
| CN113569420B (zh) * | 2021-08-03 | 2023-11-21 | 上海理工大学 | 一种平面交叉口冲突交通流轨迹离散性模拟方法 |
| CN114120639A (zh) * | 2021-11-09 | 2022-03-01 | 广州文远知行科技有限公司 | 一种车辆交通控制方法、装置及存储介质 |
| CN113963562B (zh) * | 2021-12-21 | 2022-03-29 | 北京慧拓无限科技有限公司 | 作业区多车辆的避让方法以及装置 |
| CN113963562A (zh) * | 2021-12-21 | 2022-01-21 | 北京慧拓无限科技有限公司 | 作业区多车辆的避让方法以及装置 |
| CN114495551A (zh) * | 2021-12-31 | 2022-05-13 | 上海人工智能创新中心 | 轨迹规划方法、装置、设备和计算机可读存储介质 |
| CN114067569A (zh) * | 2022-01-14 | 2022-02-18 | 华砺智行(武汉)科技有限公司 | V2x车联网环境下车辆左转辅助预警方法 |
| CN115620536A (zh) * | 2022-10-18 | 2023-01-17 | 北京航空航天大学 | 自动驾驶环境下基于危险度的交叉口通行效率提升方法 |
| CN116704816A (zh) * | 2023-08-08 | 2023-09-05 | 江苏科运智慧交通科技有限公司 | 一种基于冲突域的道路交叉口安全预警方法 |
| CN116704816B (zh) * | 2023-08-08 | 2023-10-31 | 江苏科运智慧交通科技有限公司 | 一种基于冲突域的道路交叉口安全预警方法 |
| CN118053322A (zh) * | 2024-02-04 | 2024-05-17 | 天津大学 | 一种基于计算机视觉的工程车辆碰撞检测预警系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108710719A (zh) | 基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法 | |
| CN106114507B (zh) | 用于智能车辆的局部轨迹规划方法和装置 | |
| CN110364008A (zh) | 路况确定方法、装置、计算机设备和存储介质 | |
| CN110992695B (zh) | 基于冲突消解的车辆城市交叉口通行决策多目标优化方法 | |
| WO2019213981A1 (zh) | 基于等效力的行车风险实时评估方法及其装置 | |
| Wei et al. | Characterizing and modeling observed lane-changing behavior: lane-vehicle-based microscopic simulation on urban street network | |
| CN109272745A (zh) | 一种基于深度神经网络的车辆轨迹预测方法 | |
| CN108257416A (zh) | 路径规划的方法、装置和系统 | |
| CN105702035B (zh) | 一种利用历史公交数据评估乘车难易程度的方法 | |
| Nan et al. | Intention prediction and mixed strategy nash equilibrium-based decision-making framework for autonomous driving in uncontrolled intersection | |
| CN114861514A (zh) | 一种车辆行驶方案的规划方法、装置和存储介质 | |
| WO2022227827A1 (zh) | 一种决策方法、装置和车辆 | |
| CN110196587A (zh) | 车辆自动驾驶控制策略模型生成方法、装置、设备及介质 | |
| CN111645673B (zh) | 一种基于深度强化学习的自动泊车方法 | |
| CN109118787A (zh) | 一种基于深度神经网络的车辆速度预测方法 | |
| CN114446049A (zh) | 基于社会价值取向的交通流预测方法、系统、终端及介质 | |
| CN106530695A (zh) | 基于车联网的城市干道车辆行程时间实时预测方法 | |
| CN115206101A (zh) | 一种基于停车引导的停车仿真系统设计方法 | |
| Pan et al. | Research on the behavior decision of connected and autonomous vehicle at the unsignalized intersection | |
| Jiang et al. | A review of traffic behaviour and intelligent driving at roundabouts based on a microscopic perspective | |
| Van Hinsbergh et al. | Vehicle point of interest detection using in-car data | |
| Raipuria et al. | Road infrastructure indicators for trajectory prediction | |
| Cao et al. | Predictive trajectory planning for on-road autonomous vehicles based on a spatiotemporal risk field | |
| Amini et al. | A game-theoretic approach for modelling pedestrian–vehicle conflict resolutions in uncontrolled traffic environments | |
| CN115140048A (zh) | 一种自动驾驶行为决策与轨迹规划模型与方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181026 |