CN108961776A - 一种基于高精度数据的闯红灯行为识别方法 - Google Patents

Abstract

本专利公开了一种基于高精度数据的闯红灯行为识别方法，所述方法包括：步骤一、采集高精度线圈检测器和信号灯事件数据；步骤二、对采集的高精度线圈检测器和信号灯事件数据进行处理；步骤三、划分车辆行为类别；步骤四、实现车辆行为的初步识别，利用停车线检测器数据来进行车辆行为的识别；步骤五、对初步识别的车辆行为进行验证。在不利用视频采集等大量数据处理的情况下提高了闯红灯的判断精度以及判断时间。

Description

一种基于高精度数据的闯红灯行为识别方法

技术领域

本发明涉及智能交通安全领域，特别涉及一种基于高精度线圈检测器和信号灯事件数据的闯红灯行为识别方法。

背景技术

目前，城市的快速发展和居民消费能力的变化带来了私人小汽车保有量的爆发式增长，给城市交通带来巨大的压力。庞大的汽车保有量及飞快的增长速度，使得道路交通压力增加，安全矛盾日益突出。交通安全问题已经成为城市发展所带来的一项重要危害，同时也是影响居民安全出行的严重隐患。

城市道路是交通运行的载体，而交叉口是不同道路相交的节点，由于在城市道路交叉口处，各个方向、转向的车流及各种类型的交通流相互穿梭、交汇，这使得道路上连续的交通流被交通信号中断，车辆和行人在交叉口堆积，形成交通瓶颈，交通矛盾较为突出。闯红灯是指机动车在信号控制的交叉路口和路段上违反红灯相位禁止通行规定，越过停止线并继续行驶的行为，由于一些闯红灯行为的出现和不遵守交通安全法规的驾驶行为等，又使交叉口成为了交通冲突和事故最严重的地带。由此可见，积极开展对交叉口闯红灯行为的识别研究分析，能够降低交叉口得闯红灯频次，加强交叉口得安全保障。

现有技术中对闯红灯相关的研究都依靠视频检测器实现闯红灯事件的获取，需要将红灯亮时的所有图像传输给控制中心，从而使得闯红灯的检测需要存储大量图像、占用大量内存，而且无法实现大范围长时间的应用。

环形线圈车辆检测器是一种基于电磁感应原理车辆检测器，它的传感器是一个埋在路面下，通有一定工作电流的环形线圈。当车辆通过环形线圈或停在环形地埋线圈上时，车辆自身铁质切割磁通线，引起线圈回路电感量的变化，检测器通过检测该电感量变化就可以检测出车辆的存在。这种检测设备具有性能稳定、性价比高、工程应用方便、免维护、技术不复杂等特点，目前在工程上应用广泛。因此，利用环形线圈检测器获取高精度数据用于闯红灯行为识别是一种可行性更高方法。

发明内容

本发明的目的在于克服现阶现有技术中依靠视频检测器实现对闯红灯识别的技术方案，以解决视频识别无法实现大范围长时间的应用问题。

为此，本专利提供一种基于高精度数据的闯红灯行为识别方法，以高精度线圈检测器和信号灯事件数据为基础，利用停车线检测器数据来进行车辆行为的识别。考虑识别出的车辆是否采取减速制动措施以及估算出的车辆通过停车线的时刻，提出了车辆行为的识别和验证算法，将车辆行为识别为了四类，分别为：绿灯通过、闯黄灯、闯红灯以及停车。实现对交叉口闯红灯行为的识别分析，能够降低交叉口的闯红灯频次，加强交叉口的安全保障。

为实现上述发明目的，本发明的具体技术方案如下：

步骤一：交通与信号信息采集监控系统采集高精度线圈检测器数据和信号灯事件数据。交通与信号信息采集监控系统能够从交叉口处连续准确的采集基于车辆运动的高精度交通数据及信号灯相位切换的数据，系统的功能组件可以分为两类：信号交叉口原本就已安装实现的功能要素和附加的数据采集单元。已存在的要素包括车辆检测单元、交通信号控制器，以及交通信号控制柜背板。其中，车辆检测单元即为交叉口布设的各环形线圈检测器，按布设位置分为三种，包括布设于停车线处的检测器S(称停车线检测器)、交叉口上游路段约距停车线150m处布设的检测器A(称排队检测器)，以及交叉口下游车道入口处的检测器E(称下游入口检测器)。附加的单元包括交通控制器接口设备，交通事件记录器软件程序，以及交通日志数据服务器。交通控制器接口设备作为一种接口设备，负责将现有交通信号组件与机柜中附加的工控机进行连接以实现数据传输。交通事件记录器软件程序采用Visual C#语言进行编程，并植入工控机中运行，能够实现将事件数据记录至日志文件中。交通事件记录器能持续实时的监控数据采集卡的各个通道状态，当一个通道的状态发生改变时，能够立即进行记录。交通事件记录器实现了非常高的精度，记录事件发生时刻的准确性可以达到毫秒级。

步骤二：对采集的高精度线圈检测器和信号灯事件数据进行处理。高精度线圈检测器所采集的事件数据包含了事件发生的日期和时刻，事件类型以及事件的持续时间等信息，其中事件类型包括车辆踏上检测器、离开检测器以及信号相位的开始和结束。信号灯事件数据包含交叉口的信号灯不同时间相位配时。当获得采集数据后第一个过程是进行数据的校验，对原始数据进行确认并剔除错误数据。第二个过程为数据预处理，通过对原始数据进行简单的统计分析，获取4类基本参数，分别为流量、占用时间、信号状态以及配时方案。

步骤三：划分车辆行为类别。车辆在行驶至交叉口附近时，驾驶员会根据信号灯状态、车辆速度、与停车线之间的距离、车辆周围的环境状态以及驾驶员自身的情绪状态等，做出不同的驾驶决策行为，驾驶员决策的最终结果是车辆或驶入交叉口，或停止在停车线前。在研究中需要对交叉口处的车辆行为进行识别，并获取各车辆运行的各类参数，这首先需要对车辆的行为进行分类。依据车辆在不同信号状态下的行为，将交叉口入口处的车辆行为分为了4类：绿灯通过、闯黄灯、闯红灯以及停车行为。

步骤四：实现车辆行为的初步识别。由于排队检测器安装位置与交叉口停车线之间的距离较远，应用于车辆行为的识别具有较高的难度和误差，因此，在研究中我们主要利用停车线检测器数据来进行车辆行为的识别。识别过程中需要考虑两方面的因素：

1)识别出车辆是否采取减速制动措施。停车线检测器S存储的信息包括车辆踏上检测器的时间(T_i ^onS，第i辆车)和占用时间假定有效车长(l_eff)为固定值，有效车长为车辆长度与线圈检测器的长度(l_D)之和，利用公式(1)对单个车辆的速度进行估算：

速度阈值可估算如公式(2)所示：

式中D_s为停车线检测器距停车线的距离。利用速度阈值来对车辆是否采取减速制动措施进行判别，在某些特定的情况下并不适用，例如当交叉口流量接近饱和时，车辆行驶速度都较为缓慢的情况。因此需要进行进一步的判断目标车辆是否处于低速的车辆队列中，通过比较目标车辆与前车的速度来进行判断。

2)估算出车辆通过停车线的时刻。计算出前三辆车的平均速度并与目标车辆速度进行比较，只有当速度差值大于某一阈值，且车辆速度小于速度阈值时，认为车辆采取了减速制动。由于停车线检测器与停车线间的距离较小，对于红灯启亮前未采取减速制动措施的车辆，可以假设其在停车线检测器S与停车线之间保持以恒定的车速。车辆通过停车线的时刻计算如公式(3)：

如果估算出车辆通过停车线的时刻位于红灯启亮前，判断车辆为闯黄灯车辆，如果估算出车辆通过停车线的时刻位于红灯启亮后，则判断车辆为闯红灯车辆。

步骤五：对初步识别的车辆行为进行验证。在进行车辆行为的判定时，仅采用停车线检测器的数据进行识别是不够的。当停车线检测器与停车线间的距离达到某一阈值时，部分车辆可能以较高的车速通过停车线检测器，而后采取急减速在停车线前停止，仅仅通过停车线检测器数据来进行识别可能会产生误检而将这部分停车车辆也识别为闯黄灯或闯红灯车辆。因此通过结合下游入口检测器数据，提出了一种车辆行为的验证算法，对识别出的车辆闯黄灯与闯红灯行为进行进一步的验证。

1)计算停车线检测器S与排队检测器A、下游入口检测器E之间的距离。将线圈检测器数据中与停车线检测器数据与下游入口检测器数据进行匹配，选择出匹配好的n个与前后车时距都较大的车辆数据。计算出车辆踏上两检测器的时间差，并利用公式(4)来计算出停车线检测器A与下游入口检测器E之间的距离：

其中第i辆车踏上下游入口检测器的时间为T_i ^onE，且占用时间为采取相同的方法可以利用公式(5)来计算出排队检测器A与停车线检测器S之间的距离：

其中T_i ^onA为第i辆车踏上排队检测器A的时间，为占用时间。

2)车辆行为的验证。假设闯红灯车辆在停车线检测器和下游入口检测器之间保持匀速，当车辆在时刻以速度踏上停车线检测器S时，利用公式(6)估算出车辆到达下游入口检测器E的时刻：

然后在下游入口检测器数据中搜索范围[T_i ^exE-o_i,T_i ^exE+o_i]内的数据进行匹配，其中o_i为高峰时间段内的平均车头时距的一半。如果搜索范围内无可匹配的数据，则认为车辆在停车线前停止。

3)排除侧向道路右转车辆干扰。由于在交叉口处，侧向道路的右转车流会与干线的直行车流在下游入口交汇，因此在下游入口检测器搜索范围[T_i ^exE-o_i,T_i ^exE+o_i]内搜索到的数据也可能为右转车流的数据。为了排除右转车流的影响，我们对绿灯期间的直行车辆及红灯期间的右转车辆在入口检测器上的占用时间进行了分析比较。分析发现直行车辆对入口检测器的占用时间区间和右转车辆的占用时间区间有所差别。因此在排除右转车流影响时，本文提出了一个较为简单的方法，即确定一个占用时间的阈值，当车辆占用时间小于阈值时，判断占用检测器的为直行车辆；反之则为右转车辆需要将此数据进行排除。

本发明具有的优点如下：

(1)本文所使用的数据来源于感到交通与信号信息采集监控系统，该系统能够从交叉口处连续准确的采集基于事件的高精度交通数据及信号灯相位切换的事件数据，系统中的交通事件记录器实现了非常高的精度，记录事件发生时刻的准确性可以达到毫秒级。

(2)考虑到多方面因素的干扰，比如在当停车线检测器与停车线间的距离较大，部分车辆以较高的车速通过停车线检测器，而后采取急减速在停车线前停止的情况；以及匹配到侧向道路右转车流的情况，使识别结果更准确。

(3)通过对交叉口车辆行为的初步识别后，用下游入口检测器数据进行匹配验证，保证了识别结果的正确性，提高了可信度。

附图说明

图1交叉口检测器布设示意图；

图2交通事件记录器工作流程图；

图3为车辆行为分类示意图；

图4为车辆行为初步识别过程示意图；

图5为初步识别的车辆行为验证过程示意图。

具体实施方式

下面结合本发明的附图，以金谷55号公路(TH55)的5个连续交叉口为例，对本发明在具体实施时的技术方案进行清楚、完整的描述。

步骤一：交通与信号信息采集监控系统采集高精度线圈检测器数据和信号灯事件数据。交通与信号信息采集监控系统能够从交叉口处连续准确的采集基于车辆运动的高精度交通数据及信号灯相位切换的数据，系统的功能组件可以分为两类：信号交叉口原本就已安装实现的功能要素和附加的数据采集单元。已存在的要素包括车辆检测单元、交通信号控制器，以及交通信号控制柜背板。其中，车辆检测单元即为交叉口布设的各类线圈检测器，主要包括布设于停车线处的检测器S(称停车线检测器)、交叉口上游路段约距停车线150m处布设的检测器A(称排队检测器)，以及交叉口下游车道入口处的检测器E(称下游入口检测器)，如图1所示。附加的单元包括交通控制器接口设备，交通事件记录器软件程序，以及交通日志数据服务器。交通控制器接口设备作为一种接口设备，负责将现有交通信号组件与机柜中附加的工控机进行连接以实现数据传输。交通事件记录器软件程序采用Visual C#语言进行编程，并植入工控机中运行，能够实现将事件数据记录至日志文件中。图1所示为数据记录器程序的实地实现流程。交通事件记录器能持续实时的监控数据采集卡的各个通道状态，当一个通道的状态发生改变时，能够立即进行记录。交通事件记录器实现了非常高的精度，记录事件发生时刻的准确性可以达到毫秒级。

步骤二：对采集的数据进行处理。当获得采集数据后第一个过程是进行数据的校验，对原始数据进行确认并剔除错误数据。例如，当数据显示有某个检测器一天内的占用时间达到24个小时时，可以明显判断为检测器运行出错，此外可能出现的另外一种错误为日志文件中缺少某个相位或某个检测器的数据，造成的原因可能是连接线路失效，需要进行现场维护。第二个过程为数据预处理，通过对原始数据进行简单的统计分析，获取4类基本参数，分别为流量、占用时间、信号状态以及配时方案。

步骤三：划分车辆行为类别。车辆在行驶至交叉口附近时，驾驶员会根据信号灯状态、车辆速度、与停车线之间的距离、车辆周围的环境状态以及驾驶员自身的情绪状态等，做出不同的驾驶决策行为，驾驶员决策的最终结果是车辆或驶入交叉口，或停止在停车线前。在研究中需要对交叉口处的车辆行为进行识别，并获取各车辆运行的各类参数，这首先需要对车辆的行为进行分类。如图2所示依据车辆在不同信号状态下的行为，将交叉口入口处的车辆行为分为了4类：绿灯通过、闯黄灯、闯红灯以及停车行为。

步骤四：实现车辆行为的初步识别。由于排队检测器安装位置与交叉口停车线之间的距离较远，应用于车辆行为的识别具有较高的难度和误差，因此，在研究中我们主要利用停车线检测器数据来进行车辆行为的初步识别如图3所示。识别过程中需要考虑两方面的因素：

1)识别出车辆是否采取减速制动措施。停车线检测器存储的信息包括车辆踏上检测器的时间(T_i ^onS，第i辆车)和占用时间假定有效车长(l_eff)为固定值，有效车长为车辆长度与线圈检测器的长度(l_D)之和，一般取值为7.62m，利用公式(1)对单个车辆的速度进行估算：

速度阈值可估算如公式(2)所示：

式中D_s为停车线检测器距停车线的距离。利用速度阈值来对车辆是否采取减速制动措施进行判别，在某些特定的情况下并不适用，例如当交叉口流量接近饱和时，车辆行驶速度都较为缓慢的情况。因此需要进行进一步的判断目标车辆是否处于低速的车辆队列中，通过比较目标车辆与前车的速度来进行判断。

2)估算出车辆通过停车线的时刻。计算出前三辆车的平均速度并与目标车辆速度进行比较，只有当速度差值大于4.572m/s，且车辆速度小于速度阈值时，认为车辆采取了减速制动。由于停车线检测器与停车线间的距离一般不大于15.24m，对于红灯启亮前未采取减速制动措施的车辆，可以假设其在停车线检测器S与停车线之间保持以恒定的车速。车辆通过停车线的时刻计算如公式(3)：

如果估算出车辆通过停车线的时刻位于红灯启亮前，判断车辆为闯黄灯车辆，如果估算出车辆通过停车线的时刻位于红灯启亮后，则判断车辆为闯红灯车辆。

步骤五：对初步识别的车辆行为进行验证。在进行车辆行为的判定时，仅采用停车线检测器的数据进行识别是不够的。当停车线检测器与停车线间的距离达到15.24m时，部分车辆可能以较高的车速通过停车线检测器，而后采取急减速在停车线前停止，仅仅通过停车线检测器数据来进行识别可能会产生误检而将这部分停车车辆也识别为闯黄灯或闯红灯车辆。因此通过结合下游入口检测器数据，提出了一种车辆行为的验证算法，如图4所示对识别出的车辆闯黄灯与闯红灯行为进行进一步的验证。

1)计算停车线检测器S与排队检测器A、下游入口检测器E之间的距离。将线圈检测器数据中与停车线检测器数据与下游入口检测器数据进行匹配，选择出匹配好的n个与前后车时距都较大的车辆数据。并利用公式(4)来计算出停车线检测器A与下游入口检测器E之间的距离：

其中第i辆车踏上下游入口检测器的时间为T_i ^onE，且占用时间为采取相同的方法可以利用公式(5)来计算出排队检测器A与停车线检测器S之间的距离：

其中T_i ^onA为第i辆车踏上排队检测器A的时间，为占用时间。

2)车辆行为的验证。假设闯红灯车辆在停车线检测器和下游入口检测器之间保持匀速，当车辆在时刻以速度踏上停车线检测器S时，利用公式(6)估算出车辆到达下游入口检测器E的时刻T_i ^exE：

然后在下游入口检测器数据中搜索范围[T_i ^exE-o_i,T_i ^exE+o_i]内的数据进行匹配，其中o_i为高峰时间段内的平均车头时距的一半。如果搜索范围内无可匹配的数据，则认为车辆在停车线前停止。

排除侧向道路右转车辆干扰。由于在交叉口处，侧向道路的右转车流会与干线的直行车流在下游入口交汇，因此在下游入口检测器搜索范围[T_i ^exE-o_i,T_i ^exE+o_i]内搜索到的数据也可能为右转车流的数据。为了排除右转车流的影响，我们对绿灯期间的直行车辆及红灯期间的右转车辆在入口检测器上的占用时间进行了分析比较。分析发现直行车辆对入口检测器的占用时间区间为0.22s-0.37s，而右转车辆的占用时间区间为0.45s-0.75s。因此在排除右转车流影响时，本文提出了一个较为简单的方法，即确定一个占用时间的阈值，取值为0.4s，当车辆占用时间小于阈值时，判断占用检测器的为直行车辆；反之则为右转车辆需要将此数据进行排除。

Claims (3)

1.一种基于高精度数据的闯红灯行为识别方法，其特征在于，所述方法包括：

步骤一：采集高精度线圈检测器和信号灯事件数据

采集来源于交通与信号信息采集监控系统的交通信号数据，高精度线圈检测器所采集的事件数据包含了事件发生的日期和时刻，事件类型以及事件的持续时间等信息，其中事件类型包括车辆踏上检测器、离开检测器以及信号相位的开始和结束；信号灯事件数据包含交叉口的信号灯不同时间相位配时；

步骤二、对采集的高精度线圈检测器和信号灯事件数据进行处理

当获得采集数据后第一个过程是进行数据的校验，对原始数据进行确认并剔除错误数据；第二个过程为数据预处理，通过对原始数据进行简单的统计分析，获取流量、占用时间、信号状态以及配时方案数据；

步骤三、划分车辆行为类别

依据车辆在不同信号状态下的行为，将交叉口入口处的车辆行为分为：绿灯通过、闯黄灯、闯红灯以及停车行为四类；

步骤四：实现车辆行为的初步识别，利用停车线检测器数据来进行车辆行为的识别，识别过程包括：

首先，识别出车辆是否采取减速制动措施，停车线线圈检测器存储的信息包括作为目标车辆的第i辆车车辆踏上检测器的时间T_i ^onS、占用时间有效车长l_eff以及线圈检测器的长度l_D，利用式对单个车辆的速度进行估算，并设置速度阈值式中D_s为停车线检测器距停车线的距离；然后，计算出目标车辆之前三辆车的平均速度，并与目标车辆速度进行比较，只有当所述平均速度与目标车辆速度差值大于某一阈值，且车辆速度小于速度阈值时，则认为车辆采取了减速制动；再对于红灯启亮前未采取减速制动措施的车辆，估算出车辆通过停车线的时刻；如果该时刻位于红灯启亮前，判断车辆为闯黄灯车辆，如果该时刻位于红灯启亮后，则判断车辆为闯红灯车辆；

步骤五、对初步识别的车辆行为进行验证

首先，当车辆在时刻以速度踏上停车线检测器时，利用估算出车辆到达下游入口线圈检测器的时刻其中D_ES为停车线检测器A与下游入口检测器E之间的距离；然后在下游入口检测器数据中搜索范围内的数据进行匹配，其中o_i为高峰时间段内的平均车头时距的一半，如果搜索范围内无可匹配的数据，则认为车辆在停车线前停止；然后，对于下游入口检测器搜索范围内搜索到的数据中，设置直行车辆对入口检测器的占用时间区间和右转车辆的占用时间区间差别的过滤阈值，当上述搜索范围内的车辆占用时间小于阈值时，判断占用检测器的为直行车辆；反之则为右转车辆将此数据进行排除。

2.根据权利要求1所述的一种基于高精度数据的闯红灯行为识别方法，其特征在于，在所述步骤四中，对于红灯启亮前未采取减速制动措施的车辆，设其在停车线检测器与停车线之间保持以恒定的车速，车辆通过停车线的时刻

3.根据权利要求2所述的一种基于高精度数据的闯红灯行为识别方法，其特征在于，所述步骤五包括：

计算停车线检测器S与排队线圈检测器A、下游入口检测器E之间的距离。将线圈检测器数据中与停车线检测器数据与下游入口检测器数据进行匹配，选择出匹配好的n个与前后车时距大于预定长度的车辆数据；计算出车辆踏上两检测器的时间差，并利用来计算出停车线检测器A与下游入口检测器E之间的距离，其中第i辆车踏上下游入口检测器的时间为T_i ^onE，且占用时间为利用计算出排队检测器A与停车线检测器S之间的距离；其中T_i ^onA为第i辆车踏上排队检测器A的时间，为占用时间。