CN109190871B - 一种基于vr技术的非机动车道路段服务水平测算方法 - Google Patents
一种基于vr技术的非机动车道路段服务水平测算方法 Download PDFInfo
- Publication number
- CN109190871B CN109190871B CN201810727500.3A CN201810727500A CN109190871B CN 109190871 B CN109190871 B CN 109190871B CN 201810727500 A CN201810727500 A CN 201810727500A CN 109190871 B CN109190871 B CN 109190871B
- Authority
- CN
- China
- Prior art keywords
- road
- motor vehicle
- isolation
- lane
- section
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 238000002474 experimental method Methods 0.000 claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000002955 isolation Methods 0.000 claims description 104
- 230000002441 reversible effect Effects 0.000 claims description 26
- 230000007613 environmental effect Effects 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 14
- 239000011521 glass Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000000556 factor analysis Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000008447 perception Effects 0.000 abstract description 8
- 230000006399 behavior Effects 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000002452 interceptive effect Effects 0.000 abstract description 4
- 238000011835 investigation Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 241000611421 Elia Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 229920006351 engineering plastic Polymers 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- RGCLLPNLLBQHPF-HJWRWDBZSA-N phosphamidon Chemical compound CCN(CC)C(=O)C(\Cl)=C(/C)OP(=O)(OC)OC RGCLLPNLLBQHPF-HJWRWDBZSA-N 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于交通运输领域，涉及一种基于VR技术的非机动车道路段服务水平测算方法，包括以下步骤：A、筛选典型路段；B、录制典型路段视频；C、处理路段视频和采集道路交通状况数据信息；D、进行非机动车道满意度调查实验；E、建立非机动车道服务水平模型。本发明实用VR方法可以更好地还原骑行者的现实感知，使用户沉浸到交互式的视景中，展现更为真实的实体行为，最终使非机动车道服务水平分级评估更具可靠性。
Description
技术领域
本发明属于交通运输领域，涉及一种基于VR技术的非机动车道路段服务水平测算方法。
背景技术
非机动车道的服务水平是评估车道运行情况的重要参数，也是规划设计非机动车交通设施的基础。本专利以连续非机动车道为研究对象，采用VR技术设置虚拟骑行环境，研究骑行者在不同道路条件、环境条件和交通条件下感受的服务质量，通过设置场景，获取不同属性(包括不同的道路条件、环境条件和交通条件)水平下的大量有效样本，通过精细化分类(即在上述不同属性的基础上进行分类)，可以更清晰地分析影响骑行者满意度的因素，进而建立非机动车道服务水平模型。结果表明：相对于传统方法，VR方法可以将数据的有效度提高25％，为分析人的交通行为提供新的研究手段，开辟了新的研究范式。在道路设计中，可根据实际情况更有效地分配路权，改善出行环境，从而引导居民选择绿色交通方式、优化出行结构、提高系统运行效率，达到节能减排的目的。该方法可应用于非机动交通设施的规划、设计及管理实践中，为项目建设提供实用指南。
目前国内外对非机动车道服务水平进行有效评估的方法主要集中在两个方面：一是从出行环境角度对设施提供服务的能力进行评价；另一方面是从出行者的微观感受特性角度评价车道的服务水平。
1出行环境角度评价
该部分的研究重点是从宏观角度分析自行车道运行能力与交通状况、道路几何等影响因素之间的统计关系。
Dixon(1996)研究了非机动车道服务水平与骑行者的潜在冲突之间的统计关系，建立了集基础设施供给、冲突、速度差异、机动车服务水平、基础设施维护、自行车发展支持状况为一体的自行车服务水平评价模型，提出了一种用于非机动车道设施的服务水平评级体系(A到F级)。Landis(1996)通过拦截自行车骑行者，调查获取其对使用某一路段的主观满意度，提出了经过统计学校正的服务水平模型。Petritsch(2007)通过现场实验与组织被试者观看事先录制视频的方法，获取被试者对非机动车道满意程度的认知数据，提出一个由自行车道组成的干道服务水平模型。Elias(2011)通过考虑高峰时段因素、非机动车流量、人行横道、自行车道宽度和单位段冲突等影响因素，建立了路段非机动车道服务水平模型。Krykewycz等人(2011)采用基于网络的众包方法来改善自行车舒适评分系统。Kang和Lee(2012)提出了一种非机动车道服务水平模型，并在韩国制定了一套服务水平标准，该模型考虑了骑行者满意程度与自行车道宽度，道路类型，相遇次数和接近交叉口的车道数之间的关系。Li等(2012)研究了物理环境对自行车骑行者感受的影响，将道路按道路几何尺寸、环境因素、交通量影响三个层面进行了分类；通过问卷调查的方法，利用统计学原理，分析找出主要的影响骑行者满意程度的因素。Willis等人(2013)使用大学旅游调查来研究建筑环境特征，行程特征和季节性天气对自行车道满意度的影响。戴冀峰等人(2015)使用自行车相容性指标优化城市道路段的服务水平模型，并确定影响服务水平的关键因素，包括自行车道的存在，自行车道宽度，机动车道宽度和非法停车。方雪丽等人(2016)从自行车出行者的实际感受出发，通过逐步回归等数理统计的方法，量化骑行者安全、舒适、清洁感受和总体感受。
2出行者微观感受评价
从出行者的微观感受角度对道路环境及状况、交通条件等方面得到的可能的服务质量或服务程度(美国道路工程手册，Highway Capacity Manual，HCM，2000)进行评价，研究所描述的服务水平的量度均是来源于道路使用者的观点，即从人的角度对道路交通环境进行评价(Landis，1997；Markey，1998)。
Botma(1995)提出了障碍数的概念，将骑行者在运动过程中超越障碍物的数量作为评价道路服务水平的依据，并以此实测了荷兰部分道路的服务水平，Botma对自行车道服务水平的研究工作已被美国道路工程手册所采纳(HCM，1995)，以便根据行驶速度，行驶时间，机动自由度，交通中断程度，舒适度、便捷度等来计算连续和中断的自行车流服务水平。Hummer等人(2006)进一步发展了Botma的工作，并开发了一种通过测量超车的数量来估计美国自行车道服务水平的新方法。HCM2010采用Hummer的方法，并以A-F等级确定了非机动车道的服务水平。HCM对连续流和间断流的自行车服务设施均进行了服务水平研究，其中在连续自行车道服务水平的研究中考虑了机动车交通、停靠车辆、出入口密度等产生的阻抗对自行车车速及标准差的影响，进而确立了不同自行车流率和速度标准差条件下的事件数，用事件数刻画服务水平。单晓峰(2007)提出了以事件数来刻画自行车骑行者所感受到的舒适程度，通过对事件数的调查样本进行系统聚类和模糊聚类分析，建立了各类事件数与服务水平的相关关系，提出自行车交通六级服务水平的分级标准和相应的事件数范围。Li等(2010，2013)延续了Botma和Hummer的方法，提出了自行车在超越过程中的三种方式：自由超越、临近超越和延误超越模型，并按此分类提出对物理隔离的自行车道的服务水平评估方法。曹士强(2015)研究在不同道路横断面下，不同干扰因素对非机动车骑行行为(平均速度，速度标准差，平均绝对加速度，平均绝对加速度变化率，平均绝对横向偏移率)的影响和骑行者生理特征的变化，应用广义回归神经网络建立特征模型，并分析流量、速度等交通环境，判断道路横断面类型，分析干扰因素，调查非机动车道有效宽度等交通环境，建立特征模型，测算平均绝对横向偏移率，确定非机动车服务水平等级。Liang(2017)在Li和Botma研究的基础上，提出感知域的概念，并用其衡量自由超越、临近超越和延误超越三种超越模式，提出速度状态熵在微观层面考量系统的复杂程度，并用密度指标对独立自行车道的服务水平进行评估。
目前，中国公路设计手册尚未提供具体的方法或指导性方针来确定非机动车道的服务水平。由于中国的非机动车骑行环境(流量大、速度快、独特的交通法规等)与其他国家不同，所以有必要针对我国独特的环境提出适用于我国自行车道服务水平的评价方法和相关指标体系。因此，研究适用于中国国情的非机动车道服务水平方法十分重要。
通过对非机动车服务水平的研究现状分析可知，非机动车道服务水平是道路使用者从道路环境及状况、交通条件等方面得到的可能的服务质量或服务程度。其测定方法是将道路环境及状况、交通条件等方面的因素与骑行者对路段的主观评价建立联系，最终得到非机动车道服务水平分级。传统的非机动车道服务水平评估分级的制定通常以主观问卷或交通流特征点的形式进行确定。主观问卷法分为道路实测问卷和视频打分两种形式，问卷调查方法是当骑行者在路口停车等候时，采用问卷调查的形式，询问骑行者对刚刚经过路段的感受，以获取骑行者对该路段的评分。电脑视频方法是让选择的被试者通过电脑观看路段视频，假设自己为该路段上的某一名骑行者，然后对该路段的服务水平进行评分。针对于交通流特征点的建模方法，把侧重点集中于骑行者的微观行为与其对设施服务水平之间的关系，这里并没有考虑到骑行者本身对设施的满意程度。这些方法往往存在过多的主观成分，同时受到样本量的限制，难以对各种类型道路进行较为全面的评价，使得服务水平的分级评估较难以反映道路使用者的实际意愿。同时出行环境是决定非机动车服务水平高低的主要因素，从出行环境角度出发评价非机动车服务水平的研究较少，国外的相关研究较多，但在我国的适用性较低。
发明内容
为了更好地还原骑行者的现实感知，让骑行者的感觉更加真实，使非机动车道路段服务水平评分更具真实性，得到的非机动车道服务水平分级评估更可靠，本研究采用虚拟现实(VR)技术，使得本发明所述方法具有除了计算机视觉感知的特点外，还将听觉感知、运动感知与视觉感知融合，使骑行者沉浸于虚拟现实中。简述方法如下：
将拍摄的路段视频进行格式转化，得到相应路段的VR视频。骑行者通过在模拟骑行台上骑行的同时，佩戴VR眼镜观看路段的VR视频，给出相应路段的评分。
相比于传统的电脑视频评分法，VR方法可以更好地还原骑行者的现实感知，使用户沉浸到交互式的视景中，展现更为真实的实体行为，最终使非机动车道服务水平分级评估更具可靠性。同时考虑分析多干扰因素，采用实验法对不同骑行者在不同道路条件、环境条件和交通条件下获取的服务质量进行分析，采用因子分析等统计学方法分析影响非机动车道服务水平的主要因素，建立非机动车道服务水平模型，具体技术方案如下：
一种基于VR技术的非机动车道路段服务水平测算方法，包括以下步骤：
A、筛选典型路段：根据影响非机动车道形式的因素，从实际路段中筛选出典型路段。
根据相关参考文献分析，得出，影响非机动车道形式的因素包括：机动车道与非机动车道之间的隔离类型、非机动车道与行人道之间的隔离形式、有无公交车站、有无路边停车、有无道路节点和路段宽度；
所述机动车道与非机动车道之间的隔离类型包括：有物理隔离和无物理隔离；
所述非机动车道与行人道之间的隔离形式包括：有物理隔离和无物理隔离；
所述有无路边停车的因素包括：实验路段有路边停车和实验路段无路边停车。
B、录制典型路段视频：对筛选出的典型路段进行实地路段视频录制。
所述路段视频包括第一人称视频和第三人称视频；
录制第一人称视频，是指骑行者在头部佩戴运动摄像机，以第一人称视角记录其在骑行过程中的道路交通状况；
录制第三人称视频，是指用固定在典型路段一侧的摄像机以第三人称视角拍摄，记录周围的道路交通状况。
C、处理路段视频和采集道路交通状况数据信息。
所述处理路段视频是指将录制的第一人称视频进行格式转换，处理为相应典型路段的VR视频片段；
所述采集道路交通状况数据信息是指对录制的第三人称视频从道路条件、环境条件和交通条件三个层面进行数据信息采集。
D、进行非机动车道满意度调查实验：建立非机动车道路段服务水平分级标准，评估VR眼镜中的场景，获得分级打分数据；所述VR眼镜中的场景为步骤C中的某路段VR视频片段。
E、建立非机动车道服务水平模型：结合步骤C中的道路交通状况数据信息和步骤D中的分级打分数据，采用因子分析方法，统计分析影响非机动车道路段服务水平的因素，对非机动车道路段服务水平进行分级评估。
在上述技术方案的基础上，所述道路交通状况包括：道路条件、环境条件和交通条件；
所述道路条件包括：机动车道与非机动车道之间的隔离类型、车道宽度、车道数量和非机动车道与行人道之间的隔离形式。
所述机动车道与非机动车道之间的隔离类型包括：绿化隔离、护栏隔离、划线隔离和混行无隔离，其中绿化隔离和护栏隔离称为硬隔离形式；
所述车道宽度包括以下情况：
当机动车道与非机动车道之间的隔离类型为硬隔离形式时，包括：自行车道宽度和隔离带宽度；所述隔离带包括绿化隔离时的绿化带和护栏隔离时的护栏；
当机动车道与非机动车道之间的隔离类型为划线隔离时，包括：自行车道宽度和紧邻机动车道的宽度；
当机动车道与非机动车道之间的隔离类型为混行无隔离时，包括：混行车道宽度；
所述车道数量包括以下情况：
当机动车道与非机动车道之间的隔离类型为划线隔离时，包括：同向机动车道数量；
当机动车道与非机动车道之间的隔离类型为混行无隔离时，包括：同向机动车道数量。
所述非机动车道与行人道之间的隔离形式包括：有物理隔离和无物理隔离。
所述环境条件包括：是否存在公交车站的情况、有无公交车进站的情况、有无道路节点的情况、有无路边停车的情况和路边停车比例。
所述是否存在公交车站的情况包括：实验路段有公交车站和实验路段无公交车站；
所述有无公交车进站的情况为：在实验路段有公交车站的情况时，包括：有公交车进站和无公交车进站；
所述有无道路节点的情况包括：实验路段非机动车道上有进出该机动车道的节点和实验路段非机动车道上无进出该非机动车道的节点；
所述有无路边停车的情况包括：实验路段有路边停车的情况和实验路段无路边停车的情况，其中实验路段有路边停车的情况包括：有合法停车位和非法停车位；
所述路边停车比例的定义为：如果在n个路边停车位上有m辆车停放，则路边停车比例为m/n。
所述交通条件包括：流量和速度。
所述流量包括正向自行车流量、正向电动自行车流量、机动车流量、正向其它非机动车流量、大型车流量、逆行自行车流量、逆行电动自行车流量、逆向其它非机动车流量、正向行人流量和逆向行人流量；
所述速度包括：正向自行车速度、正向电动自行车速度、正向其它非机动车速度、机动车速度、逆行自行车速度、逆行电动自行车速度和逆向其它非机动车速度。
在上述技术方案的基础上，对所述道路条件的要求为：
①路段保持直线，避免转弯路段；
②路段选择在远离交叉口处，避免与交叉口冲突；
③路面平顺、无坑洼、无非常规障碍物；所述非常规障碍物包括报刊亭和路边摊等占道设施。
在上述技术方案的基础上，所述处理为相应典型路段的VR视频片段是指将拍摄的第一人称视频进行裁剪，形成13～17s的视频片段；并将每个路段形成的VR视频片段进行随机排序。
在上述技术方案的基础上，步骤D中所述进行非机动车道满意度调查实验的具体步骤如下：
D1、招募实验骑行者；
D2、实验组织人员告知实验骑行者所处的道路交通状况，要求实验骑行者假想自己正在非机动车道上骑行自行车前进；
D3、请实验骑行者回想在日常骑行中遇到的情况，建立非机动车道路段服务水平分级标准；
D4、实验骑行者佩戴VR眼镜，在模拟骑行台上骑行；
D5、实验骑行者随机观看典型路段视频，通过感知道路交通状况，评估VR视频中的场景，获得分级打分数据；
D6、重复D1～D5的步骤，采集大量非机动车道路段服务水平分级打分数据。
在上述技术方案的基础上，所述采用因子分析方法，统计分析影响非机动车道路段服务水平的因素，对非机动车道路段服务水平进行分级评估，包括以下步骤：
E1、总结影响非机动车道路段服务水平的因素，包括：X1非机动车道与机动车道隔离类型、X2自行车道宽度、X3同向机动车道数、X4非机动车道与行人之间有无物理隔离、X5有无公交车站、X6进出公交车站公交车数量、X7有无合法停车位、X8路边停车比例、X9有无进出节点、X10同向机动车流量、X11同向大型车流量、X12正向自行车流量、X13逆向自行车流量、X14正向电动自行车流量、X15逆向电动自行车流量、X16正向其它非机动车流量、X17逆向其它非机动车流量、X18正向行人流量、X19逆向行人流量、X20机动车平均速度、X21正向自行车平均速度、X22逆向自行车平均速度、X23正向电动自行车平均速度、X24逆向电动自行车平均速度、X25正向其它非机动车平均速度和X26逆向其它非机动车平均速度；
E2、将影响非机动车道路段服务水平的因素作为自变量，以大量非机动车道路段服务水平分级打分数据作为因变量，进行回归分析，获得影响非机动车道路段服务水平的因素，以及对非机动车道路段服务水平分级打分的影响程度；
E3、将影响非机动车道路段服务水平的因素作为变量，非机动车道路段按隔离类型分类，运用主成分分析法，建立不同隔离类型的非机动车道路段服务水平模型；
其中，绿化隔离类型非机动车道路段服务水平模型如式(1)所示，
护栏隔离类型非机动车道路段服务水平模型如式(2)所示，
划线隔离类型非机动车道路段服务水平模型如式(3)所示，
混行无隔离类型非机动车道路段服务水平模型如式(4)所示，
在上述技术方案的基础上，每种形式非机动车道路段拍摄的VR视频中的场景数量不少于50。
在上述技术方案的基础上，所述分级标准为一级～五级；一级服务水平为骑行者最为满意的骑行环境，随着满意程度的下降，依次为二级、三级、四级和五级；三级服务水平为骑行者能够接受的一般情况；五级服务水平为骑行者无法忍受的骑行环境。
在上述技术方案的基础上，所述模拟骑行台包括磁阻自行车训练台；
所述磁阻自行车训练台包括：训练台支架和磁阻装置；
所述训练台支架将自行车的后轮支起，使实验骑行者在原地骑行自行车；
所述磁阻装置通过调节自行车后轮胎与磁阻的摩擦力，用于模拟道路的上坡情况。
本发明所述的一种基于VR技术的非机动车道路段服务水平测算方法，具有以下有益技术效果：
①VR视频更真实，评分更具可靠性。VR视频可以更好地还原被试者(骑行者)的现实感知，使用户沉浸到交互式的视景中，展现更为真实的实体行为，使非机动车道路段服务水平评分更具真实性，从而使非机动车道服务水平分级评估更具可靠性。
②模拟骑行环境，评分更加真实。磁阻自行车训练台可以让骑行者在观看VR视频的同时蹬踏自行车，并可通过调节磁阻来模拟道路的不同坡度的情况，使评分更加真实。
③可以使不同骑行者处于相同场景下，通过给出评分可以更加详细地分析影响骑行者感受的因素。该方法可以通过设置较细的影响因素分类间隔(如提供不同道路宽度、不同停车比例信息等)，分析不同影响因素的影响程度，进而为准确把握骑行者的心理因素提供条件。
附图说明
本发明有如下附图：
图1录制视频画面示意图
图2机动车道与非机动车道之间的隔离类型示意图
图3非机动车道与人行道之间的隔离形式示意图
图4实验路段有无公交车站示意图
图5实验路段有无路边停车示意图
图6实验路段有无节点示意图
图7典型实验路段宽度示意图
图8本发明所述方法技术路线示意图
图9满意度调查实验流程示意图
图10磁阻自行车训练台使用示意图
图11采用不同方法对路段满意度评分示意图
图12不同方法实验可行性对比分析图
具体实施方式
以下结合附图和实施例对本发明做进一步详细说明。
1.实验项目流程
实验项目流程主要分为前期、中期、后期三部分。前期包括筛选典型路段和录制典型路段视频；中期包括处理路段视频和道路交通状况信息采集；后期进行非机动车道满意度调查实验。具体描述如下：
前期：首先筛选典型路段。将各种道路交通状况进行组合，形成不同形式的非机动车道路段。然后筛选出的典型路段并录制实地视频。路段视频包括第一人称视频和第三人称视频。录制第一人称视频，是指骑行者在头部佩戴运动摄像机，以第一人称视角记录其在骑行过程中的道路交通状况；同时，用固定在典型路段一侧的摄像机以第三人称视角拍摄，记录周围的道路交通状况，形成第三人称视频。
中期：处理路段视频。将拍摄的第一人称视频进行格式转换，经过处理得到相应典型路段的VR视频。然后进行道路交通状况数据信息采集工作。道路交通状况数据信息采集时通过第三人称视频从典型路段的道路条件、环境条件和交通条件三个层面进行数据采集。
后期：进行非机动车道满意度VR实验和建立非机动车道服务水平模型。实验时，实验组织人员首先会告知实验骑行者所处的道路交通状况，要求实验骑行者假想自己正在非机动车道上骑行自行车前进，而VR眼镜中的场景即为骑行过程中观察到的情况。然后要求骑行者随机观看典型路段视频，对非机动车道路段服务水平建立分级标准。建立分级标准后，要求实验骑行者在模拟骑行台上进行骑行，并佩戴VR眼镜，画面展示内容是在不同典型路段录制的VR视频片段。最后通过感知其中的道路条件、环境条件和交通条件等诸多方面的综合因素，请实验骑行者对不同场景下的视频片段进行评估，为非机动车道路段服务水平分级(一级～五级服务水平)，获得分级打分数据。然后对数据(包括上述分级打分数据和中期获得的道路交通状况数据信息)采用因子分析方法，统计分析影响非机动车道路段服务水平的因素，建立非机动车道路段服务水平模型。
2.实验台设备，支架支撑，磁阻调节(模拟不同坡度)
名称：磁阻自行车训练台
尺寸：长54cm，宽39cm，展开底座49cm
材质：精钢/工程塑料
可承受重量：135kg(包含自行车在内)
适用自行车尺寸：26～28寸
设备介绍：磁阻自行车训练台由训练台支架和磁阻装置两部分组成。训练台支架将自行车的后轮支起，从而使实验骑行者可以在室内原地骑行自行车。磁阻装置通过调节自行车后轮胎与磁阻的摩擦力，模拟道路的上坡情况，如图10所示示意。
3.道路交通状况视频录制和数据信息采集
道路交通状况视频录制：在录制骑行视频的过程前，先对道路交通状况进行分析。道路应满足以下录制条件：
①路段尽量保持直线，避免转弯路段；
②路段选择在远离交叉口处，避免与交叉口冲突；
③路面平顺、无坑洼、无非常规障碍物等。
视频录制采用两种方式：以第一人称视角录制视频和以第三人称视角录制视频，以第一人称视角录制视频画面如图1(a)示意，以第三人称视角录制视频画面如图1(b)示意。
以第一人称视角录制视频，即实验骑行者看到的画面与骑行者看到的画面相同。在骑行过程中，骑行者尽量保持车速均匀、车辆平稳，避免晃动，为后期实验骑行者提供良好的体验环境。该部分视频用于非机动车道满意度调查实验。
以第三人称视角录制视频，用固定在典型路段一侧的摄像机以第三人称视角拍摄，记录周围的道路交通状况，该部分视频资料用于数据采集。对不同路段的道路交通状况进行数据信息采集是从道路条件、环境条件和交通条件三个层面进行数据信息采集。
①道路条件包括：总车道宽度、自行车车道宽度、机动车道宽度、紧邻自行车道的机动车道宽度、混行道路宽度、隔离类型，如表1所示为道路条件信息采集表。
表1道路条件信息采集表
研究表明：坡度和铺装情况对服务水平都有影响，但在实验中比较难以体现这两方面的影响。上坡可以通过磁阻调节运动阻力进行控制，但是下坡和道路铺装情况就比较难以体现了，因此暂且不考虑这两个因素。
②环境条件包括：是否存在公交站、有无公交车进站、有无道路节点、有无路边停车、路边停车比例，如表2所示为环境条件信息采集表。
表2环境条件信息采集表
③交通条件包括：流量(正向自行车流量、正向电动自行车流量、正向其它非机动车流量、机动车流量、大型车流量、逆行自行车流量、逆行电动自行车流量、逆向其它非机动车流量、正向行人流量和逆向行人流量)和速度(自行车速度、电动自行车速度、正向其它非机动车速度、机动车速度、逆行自行车速度、逆行电动自行车速和逆向其它非机动车速度)，如表3所示为交通条件信息采集表。
表3交通条件信息采集表
4.VR视频片段的制作和排序
为了保证实验骑行者观看的VR视频片段，不因为视频时间过长、画面抖动模糊等产生不良生理反应，而影响评分的准确性，将拍摄的第一人称视频进行适当裁剪，形成13～17s的视频片段，方便实验骑行者对不太长的一段时间内的交通运行状态进行认知。为防止实验骑行者对道路状态形成刻板印象，并将每个路段形成的VR视频随机排序。
为保证实验效果，建议每种形式非机动车道路段拍摄的VR视频中的场景数量(包括不同车流量下的视频)不少于50。
5.筛选典型路段的依据
非机动车道形式由以下六种主要因素影响：
①机动车道与非机动车道之间的隔离类型，具体包括：机非绿化隔离路段，如图2(a)示意；机(机动车道)非(非机动车道)护栏隔离路段，如图2(b)示意；机非划线隔离路段，如图2(c)示意；机非混行路段，如图2(d)示意。
②非机动车道与人行道之间的隔离形式，具体包括：非机动车道与行人之间有物理隔离，如图3(a)示意；非机动车道与行人之间无物理隔离，如图3(b)示意。
③实验路段有无公交车站，具体包括：实验路段有公交车站，如图4(a)示意；实验路段无公交车站，如图4(b)示意。
④实验路段有无路边停车，具体包括：实验路段有路边停车，如图5(a)示意；实验路段无路边停车，如图5(b)示意。其中实验路段有路边停车的情况又分为合法停车位和非法停车位两种情况。
⑤实验路段有无节点，具体包括：实验路段有节点，如图6(a)示意；实验路段无节点，如图6(b)示意。
⑥实验路段宽度因素：选取3～5个典型的非机动车道宽度，例如：非机动车道宽度2.4m如图7(a)示意，非机动车道宽度3.3m如图7(b)示意，非机动车道宽度4.2m如图7(c)示意，非机动车道宽度5.0m如图7(d)示意。
6.本发明所述方法技术路线图
本项目以连续自行车道为研究对象。
先采用追踪实验方法采集骑行者在某一场景下(考虑影响非机动车道形式因素的某一典型路段)的骑行视频。采用五级制分级标准对非机动车道的道路交通状况进行评估。将采集到的骑行视频进行处理，转化为VR可读的视频格式数据。
再采用VR方法让同一骑行者对与前述相同场景的自行车运行状态进行评估。
对两次实验获取的同一骑行者对相同场景的评估情况进行假设检验，若无显著差异(即差异小于等于15％)，则VR方法可以适用于对道路服务水平的评估。在此基础上招募不同类型的实验骑行者，对不同场景下的路段运行情况进行评估，获取不同维度(包括不同道路条件、环境条件和交通条件)上实验骑行者的主观感受。在大样本量的基础上，对数据采用因子分析方法，统计分析骑行者对自行车基础设施服务水平感受的影响因素，建立自行车道服务水平模型，以期通过改善设施条件来提高自行车交通设施的服务水平。本发明所述方法技术路线图示意如图8所示，其中BLOS为自行车服务水平，bicycle level ofservice。
7.满意度调查实验流程
满意度调查实验分为挑选骑行者、实验前准备和正式VR实验三个部分，具体流程示意见图9。
在挑选骑行者时，实验人员用调查问卷的方式筛选可以熟练骑行自行车、且观看VR视频无眩晕等不良反应的人作为骑行者，调查问卷的形式如下所示。
非机动车满意度实验调查问卷
对筛选出的骑行者，在进行VR实验前，请骑行者填写实验前问卷，形式如下所示。
VR实验前准备问卷
告知骑行者实验操作及注意事项，并按照骑行者自身要求，调节车座高度和磁阻，以达到舒适的骑行状态，如图10示意。
实验正式进行之前，实验组织人员首先要求骑行者回想在日常骑行过程中所遇到的极端骑行环境，建立分级标准。骑行者最为满意的骑行环境定义为一级服务水平，随着满意程度的下降，评估等级也降低，其中三级服务水平为骑行者能够接受的一般情况，五级服务水平表明骑行者无法忍受该骑行环境，现实中将放弃这种出行方式，而改用其它方式出行。为保证骑行者能够对全部视频有较为直观的认识，实验人员会告知骑行者所处的环境，要求骑行者假想自己正在非机动车道上骑行自行车前进，而VR眼镜中的场景即为骑行过程中观察到的情况。然后要求骑行者观看5段不同道路状态下的视频，以便骑行者能够对实验环境进行全面的认知，建立分级标准。
建立分级标准后，实验要求骑行者在固定的自行车上进行骑行，并佩戴VR眼镜，画面展示内容是在不同路段上录制的实验片段。最后通过感知其中的道路条件、环境条件和交通条件等诸多方面的综合因素，请骑行者对不同场景下的视频片段进行评估，为非机动车道服务水平打分分级(一级～五级服务水平)，获得分级打分数据，并填入记录表中，记录表的形式如表4所示。
表4 非机动车道服务水平打分分级记录表
骑行者编号：______
| 视频编号 | 骑行者状态 | 打分 | 视频编号 | 骑行者状态 | 打分 |
| 1 | 11 | ||||
| 2 | 12 | ||||
| 3 | 13 | ||||
| 4 | 14 | ||||
| 5 | 15 | ||||
| 6 | 16 | ||||
| 7 | 17 | ||||
| 8 | 18 | ||||
| 9 | 19 | ||||
| 10 | 20 |
填表注意事项：
①区分清楚视频片段的顺序；
②对每段视频打分之前，请先询问骑行者的状态，包括：正常、骑行者感觉不舒服（请立刻停止实验，该段视频打分无效）、是否需要实验轮换（在小组内循环，该骑行者休息）。
③对于同一隔离类型的非机动车道路段拍摄的VR眼镜中的场景数量不少于20；
8.采用因子分析方法，统计分析影响非机动车道路段服务水平的因素，对非机动车道路段服务水平进行分级评估，包括以下步骤：
E1、总结影响非机动车道路段服务水平的因素，包括：X1非机动车道与机动车道隔离类型、X2自行车道宽度（m）、X3同向机动车道数（条）、X4非机动车道与行人之间有无物理隔离、X5有无公交车站、X6进出公交车站公交车数量（辆）、X7有无合法停车位、X8路边停车比例（%）、X9有无进出节点、X10同向机动车流量（辆/小时）、X11同向大型车流量（辆/小时）、X12正向自行车流量（辆/小时）、X13逆向自行车流量（辆/小时）、X14正向电动自行车流量（辆/小时）、X15逆向电动自行车流量（辆/小时）、X16正向其它非机动车流量（辆/小时）、X17逆向其它非机动车流量（辆/小时）、X18正向行人流量（人/小时）、X19逆向行人流量（人/小时）、X20机动车平均速度（千米/小时）、X21正向自行车平均速度（千米/小时）、X22逆向自行车平均速度(千米/小时)、X23正向电动自行车平均速度(千米/小时)、X24逆向电动自行车平均速度(千米/小时)、X25正向其它非机动车平均速度(千米/小时)和X26逆向其它非机动车平均速度(千米/小时)；
E2、将影响非机动车道路段服务水平的因素作为自变量，以大量非机动车道路段服务水平分级打分数据的平均作为因变量，进行线性回归分析，获得影响非机动车道路段服务水平的因素对非机动车道路段服务水平分级打分的影响程度；例如：将全部路段、硬隔离路段(绿化隔离、护栏隔离)、软隔离路段(划线隔离、无隔离)三种情况对比分析，归纳得到不同路段前十项影响因素，如表5所示。
表5三种隔离形式自变量系数对比分析表
通过分析可知，隔离类型对骑行者的评估情况影响最为显著，因此将非机动车道路段按照隔离类型进行分类，进行服务水平评估。
E3、将影响非机动车道路段服务水平的因素作为变量，非机动车道路段按隔离类型分类，运用主成分分析法，建立不同隔离类型的非机动车道路段服务水平模型；
其中，绿化隔离类型非机动车道路段服务水平模型如式(1)所示，
护栏隔离类型非机动车道路段服务水平模型如式(2)所示，
划线隔离类型非机动车道路段服务水平模型如式(3)所示，
混行无隔离类型非机动车道路段服务水平模型如式(4)所示，
由计算得到的F值越小，表明非机动车道路段服务水平等级越高，反之越低。
对比例：
为验证VR方法的有效性，本研究采用请骑行者分别观看VR视频、第三人称拍摄视频(电脑端)、第一人称拍摄视频(电脑端)，并假想自己正在非机动车道上骑自行车前进，对不同方法下的视频进行评分。
通过感知其中不同的道路条件、环境条件和交通条件等诸多综合因素，请骑行者按照五级制(一级～五级服务水平)的方法，对77组视频(根据实际需要对实际道路进行调查，针对不同类型车道推荐不少于50组视频)进行评估，将非机动车道服务水平进行分级。
最后将以上所述三种方法进行对比分析，依次与实际道路骑行的评分进行对比，统计同一骑行者对同一路段的评分差异。
①请骑行者在实际道路骑行，记录其对该路段的实时满意度感受，将获得的数据作为基础数据，基础数据是验证其它方法有效性的基础，如图11(a)示意。
②请同一骑行者假设自己是实验中的骑行者，在第三人称拍摄视频下(电脑端观看)给出实验路段的满意度(对比数据一)，如图11(b)示意。
③请同一骑行者在电脑端进行测试，假设自己在骑行过程中看到的画面为第一人称拍摄下的视频，并对实验路段的运行满意度进行测试(对比数据二)，如图11(c)示意。
④请同一骑行者佩戴VR眼镜，在实验环境下调节好磁阻的自行车上进行测试，对道路运行的满意度进行评价(对比数据三)，如图11(d)示意。
将不同实验方法获得的对比数据与道路实测获得的基础数据进行对比，将得到的数据汇总至图12。同时考虑到骑行者在对同一段道路进行打分时，有一定的随机性，因此本发明认为等级评定的绝对值小于等于1均为准确数据。
图12表明VR评分中85％与实际道路评分相差小于等于1，仅有3％的评分与实际评分相差大于2；在电脑端看第一人称视频的评分中，78％与实际道路评分相差小于等于1，8％的评分与实际道路评分相差大于2；在电脑端看第三人称视频的评分中，仅有60％与实际道路评分相差小于等于1，20％的评分与实际道路评分相差大于2。
通过以上分析，得出结论：相对于其它两种方法，VR技术可以更好地还原骑行者的现实感知，使用户沉浸到交互式的视景中，展现更为真实的实体行为。因此可以很好地运用于非机动车道服务水平的研究中。
显然，本发明的上述实施例的原理阐述仅仅是为清楚地说明本发明所做的举例，而并非是对本发明实施方式的限定，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，这里没有对所有的实施方式予以穷举，凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。
本说明书中未做详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (1)
1.一种基于VR技术的非机动车道路段服务水平测算方法，其特征在于，包括以下步骤：
A、筛选典型路段：根据影响非机动车道形式的因素，从实际路段中筛选出典型路段；
B、录制典型路段视频：对筛选出的典型路段进行实地路段视频录制；
所述路段视频包括第一人称视频和第三人称视频；
录制第一人称视频，是指骑行者在头部佩戴运动摄像机，以第一人称视角记录其在骑行过程中的道路交通状况；
录制第三人称视频，是指用固定在典型路段一侧的摄像机记录周围的道路交通状况；
C、处理路段视频和采集道路交通状况数据信息；
所述处理路段视频是指将录制的第一人称视频进行格式转换，处理为相应典型路段的VR视频片段；所述处理为相应典型路段的VR视频片段是指将拍摄的第一人称视频进行裁剪，形成13～17s的视频片段；并将每个路段形成的VR视频片段进行随机排序；
所述采集道路交通状况数据信息是指对录制的第三人称视频从道路条件、环境条件和交通条件三个层面进行数据信息采集；
D、进行非机动车道满意度调查实验：建立非机动车道路段服务水平分级标准，评估VR眼镜中的场景，获得分级打分数据；
所述VR眼镜中的场景为步骤C中的某路段VR视频片段；
E、建立非机动车道服务水平模型：结合步骤C中的道路交通状况数据信息和步骤D中的分级打分数据，采用因子分析方法，统计分析影响非机动车道路段服务水平的因素，对非机动车道路段服务水平进行分级评估；
所述道路交通状况包括：道路条件、环境条件和交通条件；
所述道路条件包括：机动车道与非机动车道之间的隔离类型、车道宽度、车道数量和非机动车道与行人道之间的隔离形式；
所述机动车道与非机动车道之间的隔离类型包括：硬隔离形式、划线隔离和混行无隔离；
所述硬隔离形式包括：绿化隔离和护栏隔离；
所述车道宽度包括以下情况：
当机动车道与非机动车道之间的隔离类型为硬隔离形式时，包括：自行车道宽度和隔离带宽度；所述隔离带包括绿化隔离时的绿化带和护栏隔离时的护栏；
当机动车道与非机动车道之间的隔离类型为划线隔离时，包括：自行车道宽度和紧邻机动车道的宽度；
当机动车道与非机动车道之间的隔离类型为混行无隔离时，包括：混行车道宽度；
所述车道数量包括以下情况：
当机动车道与非机动车道之间的隔离类型为划线隔离时，包括：同向机动车道数量；
当机动车道与非机动车道之间的隔离类型为混行无隔离时，包括：同向机动车道数量；
所述非机动车道与行人道之间的隔离形式包括：有物理隔离和无物理隔离；
所述环境条件包括：是否存在公交车站的情况、有无公交车进站的情况、有无道路节点的情况、有无路边停车的情况和路边停车比例；
所述是否存在公交车站的情况包括：实验路段有公交车站和实验路段无公交车站；
所述有无公交车进站的情况为：在实验路段有公交车站的情况时，包括：有公交车进站和无公交车进站；
所述有无道路节点的情况包括：实验路段非机动车道上有进出该非机动车道的节点和实验路段非机动车道上无进出该非机动车道的节点；
所述有无路边停车的情况包括：实验路段有路边停车的情况和实验路段无路边停车的情况；
所述实验路段有路边停车的情况包括：有合法停车位和非法停车位；
所述路边停车比例的定义为：如果在n个路边停车位上有m辆车停放，则路边停车比例为m/n；
所述交通条件包括：流量和速度；
所述流量包括：正向自行车流量、正向电动自行车流量、正向其它非机动车流量、机动车流量、大型车流量、逆行自行车流量、逆行电动自行车流量、逆向其它非机动车流量、正向行人流量和逆向行人流量；
所述速度包括：正向自行车速度、正向电动自行车速度、正向其它非机动车速度、机动车速度、逆行自行车速度、逆行电动自行车速度和逆向其它非机动车速度；
对所述道路条件的要求为：
①路段保持直线，避免转弯路段；
②路段选择在远离交叉口处，避免与交叉口冲突；
③路面平顺、无坑洼、无非常规障碍物；所述非常规障碍物包括报刊亭和路边摊；
步骤D中所述进行非机动车道满意度调查实验的具体步骤如下：
D1、招募实验骑行者；
D2、实验组织人员告知实验骑行者所处的道路交通状况，要求实验骑行者假想自己正在非机动车道上骑行自行车前进；
D3、请实验骑行者回想在日常骑行中遇到的情况，建立非机动车道路段服务水平分级标准；
D4、实验骑行者佩戴VR眼镜，在模拟骑行台上骑行；
D5、实验骑行者随机观看典型路段视频，通过感知道路交通状况，评估VR视频中的场景，获得分级打分数据；
D6、重复D1～D5的步骤，采集大量非机动车道路段服务水平分级打分数据；
所述采用因子分析方法，统计分析影响非机动车道路段服务水平的因素，对非机动车道路段服务水平进行分级评估，包括以下步骤：
E1、总结影响非机动车道路段服务水平的因素，包括：X1非机动车道与机动车道隔离类型、X2自行车道宽度、X3同向机动车道数、X4非机动车道与行人之间有无物理隔离、X5有无公交车站、X6进出公交车站公交车数量、X7有无合法停车位、X8路边停车比例、X9有无进出节点、X10同向机动车流量、X11同向大型车流量、X12正向自行车流量、X13逆向自行车流量、X14正向电动自行车流量、X15逆向电动自行车流量、X16正向其它非机动车流量、X17逆向其它非机动车流量、X18正向行人流量、X19逆向行人流量、X20机动车平均速度、X21正向自行车平均速度、X22逆向自行车平均速度、X23正向电动自行车平均速度、X24逆向电动自行车平均速度、X25正向其它非机动车平均速度和X26逆向其它非机动车平均速度；
E2、将影响非机动车道路段服务水平的因素作为自变量，以大量非机动车道路段服务水平分级打分数据作为因变量，进行回归分析，获得影响非机动车道路段服务水平的因素，以及对非机动车道路段服务水平的影响程度；
E3、将影响非机动车道路段服务水平的因素作为变量，非机动车道路段按隔离类型分类，运用主成分分析法，建立不同隔离类型的非机动车道路段服务水平模型；
其中，绿化隔离类型非机动车道路段服务水平模型如式(1)所示，
护栏隔离类型非机动车道路段服务水平模型如式(2)所示，
划线隔离类型非机动车道路段服务水平模型如式(3)所示，
混行无隔离类型非机动车道路段服务水平模型如式(4)所示，
所述模拟骑行台包括磁阻自行车训练台；
所述磁阻自行车训练台包括：训练台支架和磁阻装置；
所述训练台支架将自行车的后轮支起，使实验骑行者在原地骑行自行车；
所述磁阻装置通过调节自行车后轮胎与磁阻的摩擦力，用于模拟道路的上坡情况；
每种形式非机动车道路段拍摄的VR视频中的场景数量不少于50；
所述分级标准为一级～五级；一级服务水平为骑行者最为满意的骑行环境，随着满意程度的下降，依次为二级、三级、四级和五级；三级服务水平为骑行者能够接受的一般情况；五级服务水平为骑行者无法忍受的骑行环境。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810727500.3A CN109190871B (zh) | 2018-07-05 | 2018-07-05 | 一种基于vr技术的非机动车道路段服务水平测算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810727500.3A CN109190871B (zh) | 2018-07-05 | 2018-07-05 | 一种基于vr技术的非机动车道路段服务水平测算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109190871A CN109190871A (zh) | 2019-01-11 |
| CN109190871B true CN109190871B (zh) | 2021-10-15 |
Family
ID=64948872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810727500.3A Active CN109190871B (zh) | 2018-07-05 | 2018-07-05 | 一种基于vr技术的非机动车道路段服务水平测算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109190871B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109976521A (zh) * | 2019-03-15 | 2019-07-05 | 东风汽车集团有限公司 | 基于vr体验与大数据技术的汽车造型市调系统及方法 |
| CN112132376B (zh) * | 2020-07-14 | 2023-02-07 | 同济大学 | 一种非机动车骑行品质评价方法 |
| CN112801482B (zh) * | 2021-01-20 | 2023-04-07 | 同济大学 | 一种数据驱动的非机动车骑行适宜性评价系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6950788B2 (en) * | 2000-09-27 | 2005-09-27 | Ardeshir Faghri | Computer-implemented system and method for simulating motor vehicle and bicycle traffic |
| CN105718065B (zh) * | 2016-01-27 | 2018-08-21 | 北京交通大学 | 车路协同环境下的交互式视景仿真系统 |
| CN107564287B (zh) * | 2017-09-20 | 2021-01-05 | 北京工业大学 | 一种信号交叉口人行横道混合交通流秩序度评价模型的建立方法 |
| CN107569819A (zh) * | 2017-11-02 | 2018-01-12 | 泉州创景视迅数字科技有限公司 | 一种自行车虚拟仿真骑行模拟系统及其使用方法 |
-
2018
- 2018-07-05 CN CN201810727500.3A patent/CN109190871B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 基于HTCVive的全景视频显示质量评估;汪泽伟等;《液晶与显示》;20180115;第33卷(第1期);第85-91页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109190871A (zh) | 2019-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Landis et al. | Intersection level of service for the bicycle through movement | |
| Lawson et al. | Perception of safety of cyclists in Dublin City | |
| Nazemi et al. | Studying bicyclists’ perceived level of safety using a bicycle simulator combined with immersive virtual reality | |
| Foster et al. | Level-of-service model for protected bike lanes | |
| CN109190871B (zh) | 一种基于vr技术的非机动车道路段服务水平测算方法 | |
| Patnaik et al. | Divisive Analysis (DIANA) of hierarchical clustering and GPS data for level of service criteria of urban streets | |
| Schönauer et al. | Social and spatial behaviour in Shared Spaces | |
| Inada et al. | Development of planning support system for welfare urban design–optimal route finding for wheelchair users | |
| Golakiya et al. | Impact of midblock pedestrian crossing on speed characteristics and capacity of urban arterials: civil engineering: transportation engineering | |
| Li et al. | Investigating bicyclists’ perception of comfort on physically separated bicycle paths in Nanjing, China | |
| Wang et al. | Investigating tools for evaluating service and improvement opportunities on bicycle routes in Ohio, United States | |
| Pawar et al. | Examining crossing conflicts by vehicle type at unsignalized T-intersections using accepted gaps: a perspective from emerging countries | |
| Liang et al. | Analyzing bicycle level of service using virtual reality and deep learning technologies | |
| Aronsson | Speed characteristics of urban streets based on driver behaviour studies and simulation | |
| Hu et al. | Evaluating Bicycling Environments with Trajectory Data on Shared Bikes: A Case Study of Beijing | |
| Othayoth et al. | Factors influencing level of service for motorized vehicles at signalized intersection under mixed traffic condition | |
| Turner et al. | Bicycle suitability criteria: Literature review and state-of-the-practice survey | |
| Chen et al. | Classification criteria and application of level of service for bicycle lanes in China | |
| Nazemi et al. | Studying bicyclists’ perceived level of safety using a cycling simulator combined with immersive virtual reality | |
| Murrau et al. | Pedestrian behaviour in urban area | |
| Rossi et al. | Fitting time headway and speed distributions for bicycles on separate bicycle lanes | |
| Li et al. | Exploring Factors Influencing Bicyclists’ Perception of Comfort on Bicycle Facilities 2 | |
| Williams et al. | Safety Considerations for All Road Users on Edge Lane Roads | |
| Ghuzlan et al. | Effect of Pavement Condition on Multilane Highway Free Flow Speed | |
| Li et al. | Research on Cycling Distance Based on Cyclist Perception |
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 |