CN110509925A

CN110509925A - 一种基于车联网数据的急转弯识别方法

Info

Publication number: CN110509925A
Application number: CN201910806821.7A
Authority: CN
Inventors: 赵韩; 孙慧平; 张冰战; 邱明明
Original assignee: Hefei Polytechnic University
Current assignee: Hefei University of Technology; Hefei Polytechnic University
Priority date: 2019-08-29
Filing date: 2019-08-29
Publication date: 2019-11-29
Anticipated expiration: 2039-08-29
Also published as: CN110509925B

Abstract

本发明属于车辆技术领域，具体涉及一种基于车辆速度和位置数据的急转弯识别方法。主要包括以下步骤：(1)获取联网车辆数据；(2)判别是否为转弯行为；(3)根据速度、加速度阈值判别是否是急加速行为；(4)通过前述两点判定是否为急转弯行为发生。本发明立足于车联网数据，只要有速度和位置数据就可以识别出急转弯。本发明利于应用推广。

Description

一种基于车联网数据的急转弯识别方法

技术领域

本发明属于车辆技术领域，具体涉及一种基于车联网数据的急转弯识别方法。

背景技术

道路交通事故统计表明，急转弯是事故高发的危险驾驶行为。对于相关车辆企业来说，如果可以准确预估驾驶人的驾驶行为特别是急转弯行为与车辆安全状态内在的联系，就能针对驾驶行为更加合理地制定车辆控制策略，设计车型以尽可能减少相关损害。

随着大数据技术、智能网联汽车的发展，车辆行车数据的记录和保存已经趋于成熟，这使得研究人员能利用存储于数据库的海量车辆行驶数据进行数据挖掘分析，来评估驾驶行为。

发明内容

本发明针对现有技术的不足，尤其是传感器的大量应用，造成成本高昂，提出了一种计算高效、成本低廉的基于车联网数据的急转弯识别方法。

本发明解决问题的技术方案是：一种基于车联网数据的急转弯识别方法，包括如下步骤：

(1)获取当天全部车联网数据：所述车辆行驶数据包括车辆速度、车辆位置、车辆行车时间；

(2)逐次对单个车辆位置数据进行平滑、除噪处理；

(3)获取处理后的车辆位置数据，依次获取连续三点的位置坐标，计算第一、二位置点连线和二、三位置点连线的夹角；将此夹角与预设角度阈值1进行匹配，并重复步骤(3)；

(4)当夹角与预设角度阈值1连续满足匹配条件的记为一次完整转弯轨迹点，只有一次满足匹配条件的同样也记为一次独立的完整转弯轨迹；并依次获取当前转弯路线上轨迹点所对应的全部速度数据；对所述全部速度与预设速度阈值进行匹配；

(5)若匹配成功，求取当前转弯路线所对应的加速度数据；对所述加速度与预设加速度阈值进行匹配；

(6)若匹配成功，计算构成转弯轨迹的两路径的夹角的余角，即是行驶方向角度改变值，并匹配预设角度阈值2。当所述夹角大于预设角度阈值2时，则最终判定此次转弯为急转弯行为；

(7)重复步骤(2)，继续下一车辆转弯行为的判定，直至全部车辆判定完成。

进一步地，所述步骤(2)中，对位置数据进行平滑除噪的步骤包括：

(2.1)根据获取的车辆位置数据建立矩阵P＝[J，W]^T,其中J＝[j₁,j₂,...,j_i,...,j_n]是全部经度数据，W＝[w₁,w₂,...,w_i,...,w_n]是全部纬度数据,且i<＝n；

(2.2)选取一种算法，Savitzky-Golay滤波器或中值滤波算法等进行平滑除噪；拟定移动窗口宽度为N＝2m+1，对一维数组W、J不包括初始前m个点及末尾后m个点后所有中间点采用多项式对窗口内的数据点进行拟合，简化后计算公式为：

j_i,smooth＝[j_i-m,j_i-m+1,...,j_i,...,j_i+m-1,j_i+m].A_m，m≤i≤n-m；

通常m的取值范围为1～4，A是阶数为N系数矩阵，A_m是矩阵的第m+1列，A的值由m决定；

(2.3)对一维数组W、J前m个点平滑除噪，计算公式为：

j_i,smooth＝[j₀,j₁,...,j_i,...,j_m-1,j_m].A_i，i<m；

(2.4)对于末尾后m个点，计算公式：

j_i,smooth＝[j_n-m+1,...,j_i,...,j_n-1,j_n].A_N-(n-i)，n≥i>n-m。

进一步地，所述步骤(3)中，计算第一、二位置点连线和二、三位置点连线在行驶方向上的夹角步骤包括：

(3.1)平滑除噪后的车辆位置数据矩阵为P_s＝[J_s，W_s]^T，分别对一维数组J_s，W_s求距离，即根据经度和纬度求两两位置点的距离；

(3.2)对第一、二位置点连线求距离D1，计算公式为：

D₁＝((D_R.cos(w_i.D_PI).(j_i.D_PI-j_i+1.D_PI))²+(D_R.(w_i.D_PI-w_i+1.D_PI))²)²；

(3.3)对二、三位置点连线求距离D2，计算公式为:

D₂＝((D_R.cos(w_i+1.D_PI).(j_i+1.D_PI-j_i+2.D_PI))²+(D_R.(w_i+1.D_PI-w_i+2.D_

PI))²)²；

(3.4)对一、三位置点连线即是两点距离D₃求解，公式原理同上；

其中，DR为地球半径,D_PI为圆周率PI；

(3.5)求两条线在行驶方向上的夹角AN，计算公式为：

AN＝180-arccos((D1*D1+D2*D2-D3*D3)/(2*D1*D2))/PI*180。

进一步地，所述步骤(3)中将角度参数进行匹配，将所述角度与所述预设角度阈值1进行比较，大于预设角度阈值1视为满足匹配条件，预设角度的阈值为15°，建立一维数组PN_k＝[AN_i]中，其中k为转弯的次数，AN_i为第k次转弯中连续满足匹配条件的角度。

进一步地所述步骤(4)中将速度参数进行匹配，对所述速度与预设速度阈值进行匹配，当所述速度大于预设待匹配速度阈值时，视为满足匹配条件，预设的待匹配速度阈值为30km/h。

进一步地，所述步骤(5)中对所述加速度与预设加速度阈值进行匹配，加速度大于预设加速度阈值时，视为满足匹配条件，待匹配加速度阈值为3m/s2。

进一步地，所述步骤(6)中，计算构成转弯轨迹的两路径的夹角的余角，即是行驶方向角度改变值步骤包括：

(6.1)对转弯轨迹点建立矩阵P_z＝[J_z，W_z]^T，对于数组J_z，W_z，数组的第一个元素(j₁，w₁)与其前一时刻对应的(j_q,w_q)为转弯前轨迹数据点，数组的最后一个元素(j_z，w_z)与其后一时刻对应的(j_h,w_h)为转弯后轨迹数据点，分别对转弯前和转弯后两条轨迹线求与真北方向的夹角β₁，β₂；

(6.2)计算车辆在两条轨迹线上改变的角度α：

其中，[AN_i]_max是数组最大值。

本发明的有益效果：

本发明所属基于车联网数据的急转弯行为识别方法，通过运行一套简单高效的识别算法，实现了对联入车联网体系的全部车辆急转弯的自动识别，移植性好，利于推广应用。

附图说明

图1是本发明所述基于车联网数据的急转弯行为识别方法的流程图；

图2是应用本发明所述方法中第一次判定转弯的原理图；

图3是应用本发明所述方法中第二次判定转弯原理图。

具体实施方式

下面结合附图和具体实施方式，对本发明作进一步的说明。

如图1所示，基于车联网数据的车辆急转弯进行识别的方法，步骤如下：

(1)获取车联网数据，具体包括车辆速度、时间、经纬度位置信息。车联网数据可从接收车载终端数据的数据库服务器获取；

(2)对车辆位置数据进行平滑除噪处理；

(3)对经过预处理，如平滑除噪后的位置数据的连续三点的位置坐标，计算第一、二位置点连线和二、三位置点连线在行驶方向上的夹角，并将此角度值与预设角度阈值1进行匹配。此角度值大于预设角度阈值1，则先假定这是一个转弯路线，并重复此步骤，对后面的连续三点构成的连线计算角度。若连续满足，记为同一次转弯。获取当前次转弯时完整的转弯轨迹点；

(4)获取当前转弯路线轨迹点所对应的速度数据，对速度数据与预设速度阈值进行匹配，若速度数据中的最大值大于预设速度阈值，则继续下一步，反之，此段路线不是急转弯；

(5)获取当前转弯路线轨迹点所对应的加速度数据，对加速度数据与预设加速度阈值进行匹配，若加速度最大值大于预设加速度阈值，继续下一步，反之，此段路线不是急转弯。加速度数据根据速度计算而来；

(6)、在步骤(2)时只是进行了一个初步判断，并不能完全判定就是转弯路段，其主要目的记录转弯时更详细的信息，以便最后判定为急转弯时可以将这些详细信息存入数据库。因此需要最终确定是否为转弯路段，要计算上述转弯路线相关联的两条轨迹的夹角的余角，即是行驶方向改变的角度，并匹配预设角度阈值2。当所计算角度大于预设角度阈值2时，则判定为此次转弯为急转弯行为。并将此次急转弯的详细信息，包括转弯路段位置点、转弯时长以及所对应的转弯具体时刻、速度和加速度存储进数据库服务器；

(7)重复步骤2，继续下一个转弯行为的判定。

所述步骤(2)中，对位置数据进行平滑除噪的步骤如下：

(2.1)根据获取的车辆位置数据建立矩阵P＝[J，W]^T,其中J＝[j₁,j₂,...,j_i]是全部经度数据，W＝[w₁,w₂,...,w_i]是全部纬度数据,且i<＝n；

(2.2)选取一种算法进行平滑除噪；拟定移动窗口宽度为N＝2m+1，对一维数组W、J不包括初始前m个点及末尾后m个点后所有中间点采用多项式对窗口内的数据点进行拟合，简化后计算公式为：

j_i，smooth＝[j_i-m,j_i-m+1,...,j_i,...,j_i+m-1,j_i+m].A_m+1；

通常m的取值范围为1～4，A为系数矩阵，A_m+1是矩阵的第m+1列，A的值由m值确定，其中m<＝i。

(2.3)对一维数组W、J前m个点平滑除噪，计算公式为：

j_i,smooth＝[j₀,j₁,...,j_i,...,j_m-1,j_m].A_i；

(2.4)对于末尾后m个点，计算公式：

j_i,smooth＝[j_n-m+1,...,j_i,...,j_n-1,j_n]·A_N-(n-i)，n≥i>n-m；

所述步骤(3)中计算第一、二和二、三位以及一、三位置点连线在行驶方向上的夹角步骤包括，具体步骤如下：

(3.2)对第一、二位置点连线求距离D1，计算公式为：

对二、三位置点连线求距离D2，计算公式为：

(3.3)D₂＝((D_R.cos(w_i+1.D_PI).(j_i+1.D_PI-j_i+2.D_PI))²+(D_R.(w_i+1.D_PI-w_i+ ₂.D_PI))²)²；

(3.4)对一、三位置点连线或是两点距离D3求解，计算公式原理同上。

其中，DR为地球半径,D_PI为圆周率PI。

(3.5)求两条线在行驶方向上的夹角AN，计算公式为：

AN＝180-arccos((D1*D1+D2*D2-D3*D3)/(2*D1*D2))/PI*180。

具体地，图2为对上述步骤(3)中第一次求取两条连线夹角的原理直观展示。行车方向由速度v表示，AN为最终所要求的角度，所以在已知图中三角形三边距离值时，便可由三角函数公式求出第三边D3对应角度，进而求出其余角AN。

所述步骤(6)中，计算构成转弯轨迹的两路径的夹角的余角，即是行驶方向角度改变值的步骤如下：

(6.2)计算车辆在两条轨迹线上改变的角度；并匹配预设角度阈值2，此处设为60°；

其中，[AN_i]_max是数组[AN_i]的最大值。

具体地，图3为对上述步骤(6)中第二次判断构成转弯轨迹的两路径夹角原理的直观展示。图中四个点分别代表转弯开始时两点和转弯结束时的两点，它们代表了实际行车时的两条路径。最终求出来的角度α就是两条路径改变的角度。由于β₁，β₂为两条路径轨迹线与真北方向的夹角，故α并不总是如图3中为β₁和β₂相减的绝对值，具体取值参考(6.2)。

其中,满足数组的初始两点的连线与末尾两点连线的夹角，由于未将地球经纬度坐标换算位二维平面坐标，所以方法为求与真北方向的夹角。

在具体应用时，本发明可以运行在数据分析终端或数据分析终端上，移植性很好，并为进一步分析如驾驶人行为习惯以及为车企制定控制策略提供数据支撑。

总体来说，本发明提供了一种算法结构简单，运行效率高并结合当前大数据分析，将车联网数据库的数据读取，最终将识别结果及当时详情输出到数据库，以便后续系统开发。

上述具体实施方式用来解释本发明，而不是对本发明进行限制，在本发明的精神和权力范围内，对本发明做出的任何修改和改变，都在本发明的保护范围之内。

Claims

1.一种基于车联网数据的急转弯行为识别方法，其特征在于应用于后台分析终端设备，包括如下步骤：

(2)逐次对单个车辆位置数据进行平滑、除噪处理；

(3)获取处理后的车辆位置数据，依次获取连续三点的位置坐标，计算第一、二位置点连线和二、三位置点连线在行驶方向上的夹角；将此夹角与预设角度阈值1进行匹配；

(4)夹角与预设角度阈值1连续满足匹配条件的记为一次完整转弯轨迹点，只有一次满足匹配条件的同样记为一次独立的完整转弯轨迹；并依次获取当前转弯路线上轨迹点所对应的全部速度数据；对所述全部速度与预设速度阈值进行匹配；

(6)若匹配成功，计算构成转弯轨迹的两路径的夹角的余角，即是行驶方向角度改变值，并匹配预设角度阈值2；当所述夹角大于预设角度阈值2时，则最终判定此次转弯为急转弯行为；

2.根据权利要求1所述的基于车联网数据的急转弯行为识别方法，其特征在于，所述步骤(2)中，对位置数据进行平滑除噪的步骤包括：

(2.2)选取一种算法进行平滑除噪，拟定移动窗口宽度为N＝2m+1，对一维数组W、J除初始前m个点及末尾后m个点后的所有中间点采用多项式对窗口内的数据点进行拟合，简化后计算公式为：

j_i,smooth＝[j_i-m,j_i-m+1,...,j_i,...,j_i+m-1,j_i+m].A_m，m≤i≤n-m；

通常m的取值范围为1～4，A是阶数为N系数矩阵，A_m是矩阵的第m+1列，A的值由m值确定；

(2.3)对一维数组W、J前m个点平滑除噪，计算公式为：

j_i,smooth＝[j₀,j₁,...,j_i,...,j_m-1,j_m].A_i+1，0≤i<m；

(2.4)对于末尾后m个点，计算公式：

j_i,smooth＝[j_n-m+1,...,j_i,...,j_n-1,j_n].A_N-(n-i)，n≥i>n-m。

3.根据权利要求1所述的基于车联网数据的急转弯行为识别方法，其特征在于，所述步骤(3)中，计算第一、二位置点连线和二、三位置点连线在行驶方向上的夹角步骤包括：

(3.2)对第一、二位置点连线求距离D₁，计算公式为：

D₁＝((D_R.cos(w_i.D_PI).(j_i.D_PI-j_i+1.D_PI))²+(D_R.(w_i.D_PI-w_i+1.D_PI))²)²，

(3.3)对二、三位置点连线求距离D₂，计算公式为

D₂＝((D_R.cos(w_i+1.D_PI).(j_i+1.D_PI-j_i+2.D_PI))²+(D_R.(w_i+1.D_PI-w_i+2.D_PI))²)²，

其中，DR为地球半径,D_PI为圆周率PI；

(3.5)求两条线在行驶方向上的夹角AN，计算公式为：

AN＝180-arccos((D₁*D₁+D₂*D₂-D₃*D₃)/(2*D₁*D₂))/PI*180。

4.根据权利要求1所述的基于车联网数据的急转弯行为识别方法，其特征在于，所述步骤(3)中将角度参数进行匹配，包括：

将所述角度与所述预设角度阈值1进行比对；此处所述预设角度的阈值为15°；

建立一维数组PN_k＝[AN_i]中，其中k为转弯的次数，AN_i为第k次转弯中连续满足匹配条件的角度。

5.根据权利要求1所述的基于车辆行驶数据的急转弯行为识别方法，其特征在于，所述步骤(5)中将速度参数进行匹配，包括：

将所述当前加速度与所述预设的待匹配速度阈值进行比对；预设的待匹配速度阈值为30km/h。

6.根据权利要求1所述的基于车联网数据的急转弯行为识别方法，其特征在于，所述步骤(6)中将所述当前加速度与所述预设的待匹配加速度阈值进行比对；待匹配加速度阈值参数为3m/s²。

7.根据权利要求2所述的基于车联网数据的急转弯行为识别方法，其特征在于，所述步骤(6)中，计算构成转弯轨迹的两路径的夹角的余角，即是行驶方向角度改变值步骤包括：

(6.2)计算车辆在两条轨迹线上改变的角度α；并匹配预设角度阈值2，预设角度阈值2为60°，若改变角度大于预设角度阈值2，则最终判别为急转弯；

其中，[AN_i]_max是数组最大值。

8.根据权利要求2所述的基于车联网数据的急转弯行为识别方法，其特征在于，所述步骤(2.2)中，进行平滑除噪的算法为Savitzky-Golay滤波器或中值滤波算法。