CN109949568A - 面向人自混行环境的行人安全预警方法及系统 - Google Patents
面向人自混行环境的行人安全预警方法及系统 Download PDFInfo
- Publication number
- CN109949568A CN109949568A CN201910084233.7A CN201910084233A CN109949568A CN 109949568 A CN109949568 A CN 109949568A CN 201910084233 A CN201910084233 A CN 201910084233A CN 109949568 A CN109949568 A CN 109949568A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- target pedestrian
- target
- traffic
- interest zones
- 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 36
- 230000009471 action Effects 0.000 claims abstract description 41
- 238000009825 accumulation Methods 0.000 claims description 49
- 230000002452 interceptive effect Effects 0.000 claims description 13
- 230000006698 induction Effects 0.000 claims description 5
- 230000001684 chronic effect Effects 0.000 abstract description 9
- 230000003993 interaction Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001459 mortal effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种面向人自混行环境的行人安全预警方法及系统。该方法,采集目标行人相关的运动参数;根据相关的运动参数,确定目标行人的行为偏好;根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果;根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警。本方案先根据目标行人相关的运动参数,确定目标行人的行为偏好;再根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果;最后根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警,实现了慢性交通环境主动安全预警。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种面向人自混行环境的行人安全预警方法及系统。
背景技术
随着“绿色”、“健康”等出行理念的提出,步行、自行车等低碳无污染的慢性交通出行方式再次得到推崇,慢行空间需求变大。然而随着我国交通运输业的发展,汽车保有量迅猛增加,许多城市机动车道不断拓宽,导致行人、自行车等慢性交通用地被不断挤压,慢性交通通行环境日益恶化。人自混行路段环境复杂,行人和自行车骑行者准确估计其他运动实体速度、距离和趋势的难度较大,产生冲撞的频率较高,人自混行环境的安全问题不容忽视。
行人和自行车作为交通系统中的低速、弱势群体,二者的冲突极少会造成致命伤害,国内外专家学者对人自混行环境中的行人、自行车的安全问题重视不够,且限于行人及自行车骑行者生理、心理、物理参数实时获取的难度和复杂性,国内外鲜见对人自混行环境中交通实体运动特性及交通实体间交互机理的研究。
配备GPS(Globle Positioning System,全球卫星定位系统)等的移动传感装置(如智能手机等)的广泛应用和物联网技术的蓬勃发展,使得实时获取人自混行路段上行人及自行车的运动数据、即时进行分析处理成为了可能,为实现慢性交通环境主动安全预警提供了有效手段。
发明内容
(一)要解决的技术问题
为了在人自混杂环境中对行人进行预警,本发明提供一种面向人自混行环境的行人安全预警方法及系统。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
一种面向人自混行环境的行人安全预警方法,所述方法,包括:
S101,采集目标行人相关的运动参数;
S102,根据所述相关的运动参数,确定所述目标行人的行为偏好;
S103,根据所述目标行人的行为偏好,确定所述目标行人的下一时刻动作辨识结果;
S104,根据所述目标行人的下一时刻动作辨识结果,确定所述目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警;
其中,所述目标行人的运动参数包括:目标行人一次出行累积超越行人次数、目标行人一次出行累积避让行人次数、目标行人当前速度、兴趣感应区域内其他交通实体的类型及状态、目标行人与兴趣感应区域内其他交通实体相对距离、目标行人与兴趣感应区域内其他交通实体相对速度;
兴趣感应区域内其他交通实体为行人和/或自行车;
兴趣感应区域内其他交通实体的类型为行人,或者,自行车。
可选地,兴趣感应区域为以目标行人行走时身体投影外轮廓最前侧、最左侧、最右侧、最后侧所在的位置为界线,得到的左前侧子区域、正前侧子区域、右前侧子区域、正后侧子区域、左后侧子区域、右后侧子区域。
可选地,确定兴趣感应区域内其他交通实体的类型的方法包括:
若兴趣感应区域内其他交通实体满足预设的行人模型,则确定兴趣感应区域内其他交通实体的类型为行人;
若兴趣感应区域内其他交通实体满足预设的自行车模型,则确定兴趣感应区域内其他交通实体的类型为自行车;
所述预设的行人模型中长为35±k1厘米,宽为35±k2厘米;
所述预设的自行车模型中长为95±k3厘米,宽为35±k4厘米;
其中,k1,k2,k3,k4均为预设的调整值。
可选地,所述行为偏好为效率型,或者,安全型,或者,舒适型;
所述S102包括:
若目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*50%,则确定所述目标行人的行为偏好为效率型;
若目标行人一次出行累积超越行人次数*50%≤目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*150%,则确定所述目标行人的行为偏好为安全型;
若目标行人一次出行累积超越行人次数*150%≤目标行人一次出行累积避让行人次数,则确定所述目标行人的行为偏好为舒适型。
可选地,所述S103包括:
S103-1,根据交通实体密度、混合比例、混合速度确定兴趣感应区域其他交通实体状态;
S103-2,根据兴趣感应区域内交通实体状态确定所述目标行人最优运动方向序列;
S103-3,根据所述目标行人最优运动方向序列和所述目标行人的行为偏好的加权和,确定所述目标行人的下一时刻动作辨识结果;
其中,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,混合速度是单位面积内所有自行车与行人的平均速度。
为了达到上述目的,本发明采用的主要技术方案还包括:
一种面向人自混行环境的行人安全预警系统,所述系统,包括:数据采集器、行为偏好分类器、运动意图辨识器、交互处理器、安全警报器;
所述数据采集器,用于采集目标行人相关的运动参数;
所述行为偏好分类器,用于根据所述相关的运动参数,确定所述目标行人的行为偏好;
所述运动意图辨识器,用于根据所述目标行人的行为偏好,确定所述目标行人的下一时刻动作辨识结果;
所述交互处理器,根据所述目标行人的下一时刻动作辨识结果,确定所述目标行人与兴趣感应区域内其他交通实体的运动意图是否潜在冲突;
所述安全报警器,用于所述交互处理器根据所述目标行人的下一时刻动作辨识结果,确定所述目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警;
其中,所述目标行人的运动参数包括:目标行人一次出行累积超越行人次数、目标行人一次出行累积避让行人次数、目标行人当前速度、兴趣感应区域内其他交通实体的类型及状态、目标行人与兴趣感应区域内其他交通实体相对距离、目标行人与兴趣感应区域内其他交通实体相对速度;
兴趣感应区域内其他交通实体为行人和/或自行车;
兴趣感应区域内其他交通实体的类型为行人,或者,自行车。
可选地,兴趣感应区域为以目标行人行走时身体投影外轮廓最前侧、最左侧、最右侧、最后侧所在的位置为界线,得到的左前侧子区域、正前侧子区域、右前侧子区域、正后侧子区域、左后侧子区域、右后侧子区域。
可选地,确定兴趣感应区域内其他交通实体的类型的方法包括:
若兴趣感应区域内其他交通实体满足预设的行人模型,则确定兴趣感应区域内其他交通实体的类型为行人;
若兴趣感应区域内其他交通实体满足预设的自行车模型,则确定兴趣感应区域内其他交通实体的类型为自行车;
所述预设的行人模型中长为35±k1厘米,宽为35±k2厘米;
所述预设的自行车模型中长为95±k3厘米,宽为35±k4厘米;
其中,k1,k2,k3,k4均为预设的调整值。
可选地,所述行为偏好为效率型,或者,安全型,或者,舒适型;
所述行为偏好分类器,用于当目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*50%时,确定所述目标行人的行为偏好为效率型;当目标行人一次出行累积超越行人次数*50%≤目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*150%时,确定所述目标行人的行为偏好为安全型;当目标行人一次出行累积超越行人次数*150%≤目标行人一次出行累积避让行人次数时,确定所述目标行人的行为偏好为舒适型。
可选地,所述运动意图辨识器,用于根据交通实体密度、混合比例、混合速度确定兴趣感应区域其他交通实体状态;根据兴趣感应区域内交通实体状态确定所述目标行人最优运动方向序列;根据所述目标行人最优运动方向序列和所述目标行人的行为偏好的加权和,确定所述目标行人的下一时刻动作辨识结果;
其中,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,混合速度是单位面积内所有自行车与行人的平均速度。
(三)有益效果
本发明的有益效果是:先根据目标行人相关的运动参数,确定目标行人的行为偏好;再根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果;最后根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警,实现了慢性交通环境主动安全预警。
附图说明
图1为本发明一个实施例提供的一种面向人自混行环境的行人安全预警方法流程示意图;
图2为本发明一个实施例提供的一种兴趣感应区域示意图;
图3为本发明一个实施例提供的一种交通实体示意图;
图4为本发明一个实施例提供的一种面向人自混行环境的行人安全预警系统结构示意图。
具体实施方式
在人自混杂环境中对行人进行预警,本提案提供一种面向人自混行环境的行人安全预警方法,先根据目标行人相关的运动参数,确定目标行人的行为偏好;再根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果;最后根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警,实现了慢性交通环境主动安全预警。
参见图1,本实施例提供的面向人自混行环境的行人安全预警方法如下:
S101,采集目标行人相关的运动参数。
其中,目标行人的运动参数包括:目标行人一次出行累积超越行人次数、目标行人一次出行累积避让行人次数、目标行人当前速度、兴趣感应区域内其他交通实体的类型及状态、目标行人与兴趣感应区域内其他交通实体相对距离、目标行人与兴趣感应区域内其他交通实体相对速度。
兴趣感应区域内其他交通实体为行人和/或自行车。
兴趣感应区域内其他交通实体的类型为行人,或者,自行车。
目标行人一次出行累积超越行人次数、目标行人一次出行累积避让行人次数由目标行人及其兴趣感应区域内其他交通实体配备的GPS定位系统确定,GPS定位信息通过交互处理器接收与传播。
另外,兴趣感应区域为对目标行人的行走意图影响较大,目标行人注意力分配较多的区域。
如图2所示,兴趣感应区域为以目标行人行走时身体投影外轮廓最前侧、最左侧、最右侧、最后侧所在的位置为界线,得到的左前侧子区域、正前侧子区域、右前侧子区域、正后侧子区域、左后侧子区域、右后侧子区域。
另外,将兴趣感应区域内交通实体类型分为自行车与行人,按照自行车的特征参数确定骑行者及其自行车简化模型的一般尺寸为95厘米长、35厘米宽,按照行人的平均肩宽、步幅及其运动特征确定行人简化模型的一般尺寸为35厘米长、35厘米宽。
因此,确定兴趣感应区域内其他交通实体的类型的方法包括:
若兴趣感应区域内其他交通实体满足预设的行人模型,则确定兴趣感应区域内其他交通实体的类型为行人。
若兴趣感应区域内其他交通实体满足预设的自行车模型,则确定兴趣感应区域内其他交通实体的类型为自行车。
预设的行人模型中长为35±k1厘米,宽为35±k2厘米。
预设的自行车模型中长为95±k3厘米,宽为35±k4厘米。
其中,k1,k2,k3,k4均为预设的调整值,用于调整测量误差。本实施例不对k1,k2,k3,k4具体取值进行限定,也不对k1,k2,k3,k4之间的数值关系进行限定。
交通实体可如图3所示。
S102,根据相关的运动参数,确定目标行人的行为偏好。
其中,行为偏好为效率型,或者,安全型,或者,舒适型。
效率型行人的运动特征为:出行时有较为紧迫出行任务,倾向于追求更高的行进速度,注重效率,会长时间保持高于期望速度的行走速度,即使在较为拥挤的环境中,也愿意为了获得更高速度,牺牲一定行走舒适性,具有快走急停、频繁调整行进方向的特点。
安全型行人的运动特征为:安全至上,无冒险精神,运动策略较为保守。
舒适型行人的运动特征为:无急迫出行任务,对速度无紧迫需求,习惯于追求更好的行走空间和视野条件,愿意牺牲速度收益,获得更好的行走空间。
效率型、安全型和舒适型三种类型行人的分类方法依据是目标行人累积超越行人次数、避让行人次数。具体的,
若目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*50%,则确定目标行人的行为偏好为效率型。
若目标行人一次出行累积超越行人次数*50%≤目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*150%,则确定目标行人的行为偏好为安全型。
若目标行人一次出行累积超越行人次数*150%≤目标行人一次出行累积避让行人次数,则确定目标行人的行为偏好为舒适型。
S103,根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果。
本步骤的实现过程如下:
S103-1,根据交通实体密度、混合比例、混合速度确定兴趣感应区域其他交通实体状态。
其中,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,混合速度是单位面积内所有自行车与行人的平均速度。
行人与自行车数量可以根据S101中兴趣感应区域内其他交通实体的类型和该目标行人确定。
S103-2,根据兴趣感应区域内交通实体状态确定目标行人最优运动方向序列。
S103-3,根据目标行人最优运动方向序列和目标行人的行为偏好的加权和,确定目标行人的下一时刻动作辨识结果。
本步骤根据目标行人兴趣感应区域内交通实体状态输出其最优运动方向序列:目标行人兴趣感应区域其他交通实体状态根据交通实体密度、混合比例、速度确定,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,速度是单位面积内所有自行车与行人的平均速度,兴趣感应区域内交通实体状态对目标行人下一时刻选择进入该兴趣感应区域产生影响作用,将该作用分为吸引与排斥,兴趣感应区域内交通实体密度越大对目标行人下一时刻选择进入该区域的排斥作用越大、吸引作用越小,兴趣感应区域内交通实体混合比例越大对目标行人下一时刻选择进入该区域的排斥作用越大、吸引作用越小,兴趣感应区域内交通实体速度越大对目标行人下一时刻选择进入该区域的排斥作用越大、吸引作用越小。综合考虑6个兴趣感应子区域排斥与吸引作用,选择吸引作用最大、排斥作用最小的子区域为下一时刻目标行人的最优运动方向序列。
在得到目标行人最优运动方向序列之后,根据目标行人最优运动方向序列和行人运动偏好的加权和,确定目标行人最终的运动意图。
S104,根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警。
具体的,交获取目标行人兴趣感应区域内其他交通实体预警系统发出的对应运动意图信号,根据目标行人的下一时刻动作辨识结果进行进一步的评估和预测,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,产生预警信号。
本实施例中,预警时可以通过语音提示向目标行人报告其运动意图是否存在安全隐患,达到主动安全预警的目的。
本发明提供的方法,先根据目标行人相关的运动参数,确定目标行人的行为偏好;再根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果;最后根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警,实现了慢性交通环境主动安全预警。
基于同一发明构思,本实施例提供了一种面向人自混行环境的行人安全预警系统,由于这些装置解决问题的原理与图1-图3所示的一种网络攻击检测方法相似,因此该系统的实施可以参见图1-图3所示的方法的实施例,重复之处不再赘述。
参见图4,本提案提供的面向人自混行环境的行人安全预警系统,包括:数据采集器、行为偏好分类器、运动意图辨识器、交互处理器、安全警报器;
数据采集器,用于采集目标行人相关的运动参数;
行为偏好分类器,用于根据相关的运动参数,确定目标行人的行为偏好;
运动意图辨识器,用于根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果;
交互处理器,根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图是否潜在冲突;
安全报警器,用于交互处理器根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警;
其中,目标行人的运动参数包括:目标行人一次出行累积超越行人次数、目标行人一次出行累积避让行人次数、目标行人当前速度、兴趣感应区域内其他交通实体的类型及状态、目标行人与兴趣感应区域内其他交通实体相对距离、目标行人与兴趣感应区域内其他交通实体相对速度;
兴趣感应区域内其他交通实体为行人和/或自行车;
兴趣感应区域内其他交通实体的类型为行人,或者,自行车。
可选地,兴趣感应区域为以目标行人行走时身体投影外轮廓最前侧、最左侧、最右侧、最后侧所在的位置为界线,得到的左前侧子区域、正前侧子区域、右前侧子区域、正后侧子区域、左后侧子区域、右后侧子区域。
可选地,确定兴趣感应区域内其他交通实体的类型的方法包括:
若兴趣感应区域内其他交通实体满足预设的行人模型,则确定兴趣感应区域内其他交通实体的类型为行人;
若兴趣感应区域内其他交通实体满足预设的自行车模型,则确定兴趣感应区域内其他交通实体的类型为自行车;
预设的行人模型中长为35±k1厘米,宽为35±k2厘米;
预设的自行车模型中长为95±k3厘米,宽为35±k4厘米;
其中,k1,k2,k3,k4均为预设的调整值。
可选地,行为偏好为效率型,或者,安全型,或者,舒适型;
行为偏好分类器,用于当目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*50%时,确定目标行人的行为偏好为效率型;当目标行人一次出行累积超越行人次数*50%≤目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*150%时,确定目标行人的行为偏好为安全型;当目标行人一次出行累积超越行人次数*150%≤目标行人一次出行累积避让行人次数时,确定目标行人的行为偏好为舒适型。
可选地,运动意图辨识器,用于根据交通实体密度、混合比例、混合速度确定兴趣感应区域其他交通实体状态;根据兴趣感应区域内交通实体状态确定目标行人最优运动方向序列;根据目标行人最优运动方向序列和目标行人的行为偏好的加权和,确定目标行人的下一时刻动作辨识结果;
其中,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,混合速度是单位面积内所有自行车与行人的平均速度。
下面,再次对图4所示的面向人自混行环境的行人主动安全预警系统的实现方式进行说明。
面向人自混行环境的行人主动安全预警系统包括:数据采集器、行为偏好分类器、运动意图辨识器、交互处理器、安全警报器。
数据采集器,用于接收目标行人及其周围交通实体类型(行人、自行车)、运动参数。
行为偏好分类器,用于行人行为偏好性类型划分。
运动意图辨识器,用于输出下一时刻目标行人行为动作辨识结果。
交互处理器,用于评估目标行人与其他交通实体运动意图潜在冲突,产生预警信号。
安全警报器,用于向目标行人报告其运动意图是否存在安全隐患。
数据采集器采集的数据包括目标行人一次出行累积超越行人次数、避让行人次数,目标行人当前速度、目标行人兴趣感应区域(兴趣感应区域指对行走意图影响较大,步行者注意力分配较多的区域)其他交通实体类型及状态、目标行人与兴趣感应区域内其他交通实体相对距离、相对速度;
如图2所示,目标行人兴趣感应区域子区域是以目标行人行走时身体投影外轮廓最前侧、最左侧、最右侧、最后侧所在的位置为界线,将其兴趣感应区域划分为左前侧、正前侧、右前侧、正后侧、左后侧、右后侧6个子区域。
如图3所示,目标行人兴趣感应区域其他交通实体类型的确定方法为:将兴趣感应区域内交通实体类型分为自行车与行人,按照自行车的特征参数确定骑行者及其自行车简化模型的一般尺寸为95厘米长、35厘米宽,按照行人的平均肩宽、步幅及其运动特征确定行人简化模型的一般尺寸为35厘米长、35厘米宽。
行为偏好分类器将行人分为效率型、安全型和舒适型三种类型。效率型行人的运动特征为:出行时有较为紧迫出行任务,倾向于追求更高的行进速度,注重效率,会长时间保持高于期望速度的行走速度,即使在较为拥挤的环境中,也愿意为了获得更高速度,牺牲一定行走舒适性,具有快走急停、频繁调整行进方向的特点;安全型行人的运动特征为:安全至上,无冒险精神,运动策略较为保守;舒适型行人的运动特征为:无急迫出行任务,对速度无紧迫需求,习惯于追求更好的行走空间和视野条件,愿意牺牲速度收益,获得更好的行走空间。效率型、安全型和舒适型三种类型行人的分类方法依据是目标行人累积超越行人次数、避让行人次数:当目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*50%时,确定目标行人的行为偏好为效率型;当目标行人一次出行累积超越行人次数*50%≤目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*150%时,确定目标行人的行为偏好为安全型;当目标行人一次出行累积超越行人次数*150%≤目标行人一次出行累积避让行人次数时,确定目标行人的行为偏好为舒适型。
运动意图辨识器根据目标行人兴趣感应区域内交通实体状态输出其最优运动方向序列:目标行人兴趣感应区域其他交通实体状态根据交通实体密度、混合比例、速度确定,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,速度是单位面积内所有自行车与行人的平均速度,兴趣感应区域内交通实体状态对目标行人下一时刻选择进入该兴趣感应区域产生影响作用,将该作用分为吸引与排斥,兴趣感应区域内交通实体密度越大对目标行人下一时刻选择进入该区域的排斥作用越大、吸引作用越小,兴趣感应区域内交通实体混合比例越大对目标行人下一时刻选择进入该区域的排斥作用越大、吸引作用越小,兴趣感应区域内交通实体速度越大对目标行人下一时刻选择进入该区域的排斥作用越大、吸引作用越小。综合考虑6个兴趣感应子区域排斥与吸引作用,选择吸引作用最大、排斥作用最小的子区域为下一时刻目标行人的最优运动方向序列。
运动意图辨识器根据所述目标行人最优运动方向序列和所述行人运动偏好的加权和,确定所述目标行人最终的运动意图。
交互处理器为一种加密的公共信息处理器,主动安全预警系统通过交互处理器交获取目标行人兴趣感应区域内其他交通实体预警系统发出的对应运动意图信号,根据目标行人的下一时刻动作辨识结果进行进一步的评估和预测,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,产生预警信号。
安全报警器通过语音提示向目标行人报告其运动意图是否存在安全隐患,达到主动安全预警的目的。
本实施例提供的系统,先根据目标行人相关的运动参数,确定目标行人的行为偏好;再根据目标行人的行为偏好,确定目标行人的下一时刻动作辨识结果;最后根据目标行人的下一时刻动作辨识结果,确定目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警,实现了慢性交通环境主动安全预警。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种面向人自混行环境的行人安全预警方法,其特征在于,所述方法,包括:
S101,采集目标行人相关的运动参数;
S102,根据所述相关的运动参数,确定所述目标行人的行为偏好;
S103,根据所述目标行人的行为偏好,确定所述目标行人的下一时刻动作辨识结果;
S104,根据所述目标行人的下一时刻动作辨识结果,确定所述目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警;
其中,所述目标行人的运动参数包括:目标行人一次出行累积超越行人次数、目标行人一次出行累积避让行人次数、目标行人当前速度、兴趣感应区域内其他交通实体的类型及状态、目标行人与兴趣感应区域内其他交通实体相对距离、目标行人与兴趣感应区域内其他交通实体相对速度;
兴趣感应区域内其他交通实体为行人和/或自行车;
兴趣感应区域内其他交通实体的类型为行人,或者,自行车。
2.根据权利要求1所述的方法,其特征在于,兴趣感应区域为以目标行人行走时身体投影外轮廓最前侧、最左侧、最右侧、最后侧所在的位置为界线,得到的左前侧子区域、正前侧子区域、右前侧子区域、正后侧子区域、左后侧子区域、右后侧子区域。
3.根据权利要求2所述的方法,其特征在于,确定兴趣感应区域内其他交通实体的类型的方法包括:
若兴趣感应区域内其他交通实体满足预设的行人模型,则确定兴趣感应区域内其他交通实体的类型为行人;
若兴趣感应区域内其他交通实体满足预设的自行车模型,则确定兴趣感应区域内其他交通实体的类型为自行车;
所述预设的行人模型中长为35±k1厘米,宽为35±k2厘米;
所述预设的自行车模型中长为95±k3厘米,宽为35±k4厘米;
其中,k1,k2,k3,k4均为预设的调整值。
4.根据权利要求3所述的方法,其特征在于,所述行为偏好为效率型,或者,安全型,或者,舒适型;
所述S102包括:
若目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*50%,则确定所述目标行人的行为偏好为效率型;
若目标行人一次出行累积超越行人次数*50%≤目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*150%,则确定所述目标行人的行为偏好为安全型;
若目标行人一次出行累积超越行人次数*150%≤目标行人一次出行累积避让行人次数,则确定所述目标行人的行为偏好为舒适型。
5.根据权利要求4所述的方法,其特征在于,所述S103包括:
S103-1,根据交通实体密度、混合比例、混合速度确定兴趣感应区域其他交通实体状态;
S103-2,根据兴趣感应区域内交通实体状态确定所述目标行人最优运动方向序列;
S103-3,根据所述目标行人最优运动方向序列和所述目标行人的行为偏好的加权和,确定所述目标行人的下一时刻动作辨识结果;
其中,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,混合速度是单位面积内所有自行车与行人的平均速度。
6.一种面向人自混行环境的行人安全预警系统,其特征在于,所述系统,包括:数据采集器、行为偏好分类器、运动意图辨识器、交互处理器、安全警报器;
所述数据采集器,用于采集目标行人相关的运动参数;
所述行为偏好分类器,用于根据所述相关的运动参数,确定所述目标行人的行为偏好;
所述运动意图辨识器,用于根据所述目标行人的行为偏好,确定所述目标行人的下一时刻动作辨识结果;
所述交互处理器,根据所述目标行人的下一时刻动作辨识结果,确定所述目标行人与兴趣感应区域内其他交通实体的运动意图是否潜在冲突;
所述安全报警器,用于所述交互处理器根据所述目标行人的下一时刻动作辨识结果,确定所述目标行人与兴趣感应区域内其他交通实体的运动意图潜在冲突时,进行预警;
其中,所述目标行人的运动参数包括:目标行人一次出行累积超越行人次数、目标行人一次出行累积避让行人次数、目标行人当前速度、兴趣感应区域内其他交通实体的类型及状态、目标行人与兴趣感应区域内其他交通实体相对距离、目标行人与兴趣感应区域内其他交通实体相对速度;
兴趣感应区域内其他交通实体为行人和/或自行车;
兴趣感应区域内其他交通实体的类型为行人,或者,自行车。
7.根据权利要求6所述的系统,其特征在于,兴趣感应区域为以目标行人行走时身体投影外轮廓最前侧、最左侧、最右侧、最后侧所在的位置为界线,得到的左前侧子区域、正前侧子区域、右前侧子区域、正后侧子区域、左后侧子区域、右后侧子区域。
8.根据权利要求7所述的系统,其特征在于,确定兴趣感应区域内其他交通实体的类型的方法包括:
若兴趣感应区域内其他交通实体满足预设的行人模型,则确定兴趣感应区域内其他交通实体的类型为行人;
若兴趣感应区域内其他交通实体满足预设的自行车模型,则确定兴趣感应区域内其他交通实体的类型为自行车;
所述预设的行人模型中长为35±k1厘米,宽为35±k2厘米;
所述预设的自行车模型中长为95±k3厘米,宽为35±k4厘米;
其中,k1,k2,k3,k4均为预设的调整值。
9.根据权利要求8所述的系统,其特征在于,所述行为偏好为效率型,或者,安全型,或者,舒适型;
所述行为偏好分类器,用于当目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*50%时,确定所述目标行人的行为偏好为效率型;当目标行人一次出行累积超越行人次数*50%≤目标行人一次出行累积避让行人次数<目标行人一次出行累积超越行人次数*150%时,确定所述目标行人的行为偏好为安全型;当目标行人一次出行累积超越行人次数*150%≤目标行人一次出行累积避让行人次数时,确定所述目标行人的行为偏好为舒适型。
10.根据权利要求9所述的系统,其特征在于,所述运动意图辨识器,用于根据交通实体密度、混合比例、混合速度确定兴趣感应区域其他交通实体状态;根据兴趣感应区域内交通实体状态确定所述目标行人最优运动方向序列;根据所述目标行人最优运动方向序列和所述目标行人的行为偏好的加权和,确定所述目标行人的下一时刻动作辨识结果;
其中,交通实体密度是单位面积内行人与自行车数量之和,混合比例是单位面积内自行车数量与行人数量之比,混合速度是单位面积内所有自行车与行人的平均速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910084233.7A CN109949568A (zh) | 2019-01-29 | 2019-01-29 | 面向人自混行环境的行人安全预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910084233.7A CN109949568A (zh) | 2019-01-29 | 2019-01-29 | 面向人自混行环境的行人安全预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109949568A true CN109949568A (zh) | 2019-06-28 |
Family
ID=67007875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910084233.7A Pending CN109949568A (zh) | 2019-01-29 | 2019-01-29 | 面向人自混行环境的行人安全预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949568A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2594338A (en) * | 2020-04-07 | 2021-10-27 | Brian R A Wybrow Dr | Detection system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096803A (zh) * | 2010-11-29 | 2011-06-15 | 吉林大学 | 基于机器视觉的行人安全状态识别系统 |
US20180075747A1 (en) * | 2014-10-31 | 2018-03-15 | Nodal Inc. | Systems, apparatus, and methods for improving safety related to movable/ moving objects |
-
2019
- 2019-01-29 CN CN201910084233.7A patent/CN109949568A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096803A (zh) * | 2010-11-29 | 2011-06-15 | 吉林大学 | 基于机器视觉的行人安全状态识别系统 |
US20180075747A1 (en) * | 2014-10-31 | 2018-03-15 | Nodal Inc. | Systems, apparatus, and methods for improving safety related to movable/ moving objects |
Non-Patent Citations (2)
Title |
---|
于翠翠等: "多车道复杂环境下汽车驾驶倾向性特征动态提取", 《交通信息与安全》 * |
王晓原等: "基于混合模糊多人多目标非合作博弈的车道选择模型", 《自动化学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2594338A (en) * | 2020-04-07 | 2021-10-27 | Brian R A Wybrow Dr | Detection system |
GB2594338B (en) * | 2020-04-07 | 2022-09-14 | Wybrow Brian R A | Detection system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiong et al. | A new framework of vehicle collision prediction by combining SVM and HMM | |
DE102014110958B4 (de) | Fahrzeug-Fußgänger-Kommunikationssystem und Verfahren | |
US11275379B2 (en) | Vehicle control apparatus and method for controlling automated driving vehicle | |
Pai | Overtaking, rear-end, and door crashes involving bicycles: An empirical investigation | |
Bonnin et al. | General behavior prediction by a combination of scenario-specific models | |
CN105279966B (zh) | 一种校园交通的拥堵识别方法 | |
CN109871738A (zh) | 一种适应人自混行环境的行人运动意图辨识方法 | |
CN109660967A (zh) | 一种基于车联网bsm信息融合的行车安全监控装置与方法 | |
Levulytė et al. | Pedestrians’ role in road accidents | |
JP2009282702A (ja) | 運転支援装置 | |
Op den Camp et al. | Cyclist target and test setup for evaluation of cyclist-autonomous emergency braking | |
CN105761547A (zh) | 一种基于图像的交通碰撞预警技术及系统 | |
JP2011065400A (ja) | 物体認識装置 | |
St-Aubin et al. | Use of computer vision data for detailed driver behavior analysis and trajectory interpretation at roundabouts | |
JP2011189916A (ja) | 車両の警報装置及びそれを用いた車両 | |
CN103426309A (zh) | 一种基于出租车行驶状态信息判别交通拥堵程度的方法 | |
Bieshaar et al. | Cooperative starting intention detection of cyclists based on smart devices and infrastructure | |
CN109949568A (zh) | 面向人自混行环境的行人安全预警方法及系统 | |
Char et al. | Analysis of pre-crash characteristics of passenger car to cyclist accidents for the development of advanced drivers assistance systems | |
El Hamdani et al. | Dbda: Distant bicycle detection and avoidance protocol based on v2v communication for autonomous vehicle-bicycle road share | |
Segata et al. | Communication-based collision avoidance between vulnerable road users and cars | |
Kamijo et al. | Development and evaluation of real-time video surveillance system on highway based on semantic hierarchy and decision surface | |
CN116129675A (zh) | 一种人车冲突预警方法、装置及设备 | |
Chen et al. | Brake response time under near-crash cases with cyclist | |
Narkhede et al. | Review of advanced driver assistance systems and their applications for collision avoidance in urban driving scenario |
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 |
Application publication date: 20190628 |
|
RJ01 | Rejection of invention patent application after publication |