CN111640295A - 基于潜在冲突风险评估的交叉口事故黑点判别方法 - Google Patents
基于潜在冲突风险评估的交叉口事故黑点判别方法 Download PDFInfo
- Publication number
- CN111640295A CN111640295A CN202010385283.1A CN202010385283A CN111640295A CN 111640295 A CN111640295 A CN 111640295A CN 202010385283 A CN202010385283 A CN 202010385283A CN 111640295 A CN111640295 A CN 111640295A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- probability
- green light
- vehicles
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
Abstract
本发明涉及道路交通,为实现在信控交叉口内部基于潜在交通冲突的风险评估,并进行事故黑点的判别,进而提高交叉口事故黑点判别的准确性、全面性和便捷性,实现信控交叉口潜在冲突风险评估以及事故黑点的判别,本发明,基于潜在冲突风险评估的交叉口事故黑点判别方法,步骤如下:基础数据获取;依次确定各绿灯相位期间及绿灯间隔期间相互冲突的交通流及冲突点的位置;确定发生冲突的时段;结合冲突发生的概率即为期望时间差;结合冲突发生的概率即为期望遭遇时间差;确定相碰撞两车的质量、速度,进而计算动能变化;全周期风险指数作为信号控制交叉口事故黑点判别的指标。本发明主要应用于道路交通控制场合。
Description
技术领域
本发明涉及道路交通,具体讲,涉及基于冲突风险评估的信控交叉口潜在事故黑点判别方法。
背景技术
事故黑点判别是道路安全管理的第一个步骤,事故黑点定义为同其他相似位置对比,由于自身的危险因素而导致事故数偏多的地点。错误的判别事故黑点将极大浪费用于安全改善的资源并减缓安全管理进程。因此,正确地判别事故黑点在道路安全管理中显得尤为重要。传统上,常用的判别方法主要分为两大类,一类为依据事故统计数据为基础的直接判别法,包括绝对数法、相对数法以及概率统计法等;另一类为间接判别法。常用的事故黑点判别方法主要有事故频数法、事故率法、当量总事故次数法、质量控制法以及回归模型法。
然而现有事故黑点判别方法的最大缺陷是不能消除事故的随机性。事故频数在一定时间序列内自然波动,这种随机性表明事故频数的短期波动不能用来估计长期的事故数,因此如果仅仅用两三年的事故频数进行统计分析存在一定的缺陷。此外,传统的事故黑点判别方法另一缺陷是并没有考虑事故黑点形成的因素,通常包括主观因素与客观因素两方面,其中主观因素是指驾驶员的行为,其研究较为复杂,很难得到有效的数据支撑;客观因素主要包括交通量、路段的几何特性、交通安全设施以及环境因素等。目前交通领域常用的交通安全评价方法包括直接评价法和间接评价法两种。直接评价法是基于对实际事故数据的统计分析,具有较高的准确性和合理性;但其评价周期长,受事故发生的不可预测性等影响较大。
因此,提出了间接评价方法,即基于交通冲突技术的评价方法。交通冲突技术理论研究表明,事故与冲突间存在一定替换关系,可以利用冲突评价交通安全。该方法主要用于比较不同类型交叉口的交通安全,改善方案效果评价并分析同意交叉口中不同类型的交通冲突。相比于传统直接评价方法,基于冲突的风险评估方法可靠性、有效性较高,拥有“大样本、短周期、小区域、高信度”的统计学优势,具有一定统计学优势,特别适用于新建交叉口群的潜在事故黑点判别,但相关成熟技术方案报道鲜见。
发明内容
为克服现有技术的不足,本发明旨在提出一种事故黑点判别方法,实现在信控交叉口内部基于潜在交通冲突的风险评估,并进行事故黑点的判别。采用全周期危险程度指数作为事故黑点的判别依据,将冲突风险评估技术应用于事故黑点判别,提高交叉口事故黑点判别的准确性、全面性和便捷性,实现信控交叉口潜在冲突风险评估以及事故黑点的判别。为此,本发明采取的技术方案是,基于潜在冲突风险评估的交叉口事故黑点判别方法,步骤如下:
1)基础数据获取,包含信号配时方案、交叉口渠化、几何条件、视频采集数据、车型比例及速度分布;
2)根据信号配时方案、交叉口渠化及几何条件,依次确定各绿灯相位期间及绿灯间隔期间相互冲突的交通流及冲突点的位置;
3)绿灯相位期间主要关注左转与对向直行车流的冲突,结合视频采集数据中车辆通过停车线的时刻,确定对向直行车流中车辆饱和消散与离散到达的分界点,从而确定发生冲突的时段,并按照负指数分布确定该冲突时段内临界穿越间隙发生的概率,进而确定冲突发生的概率;
4)绿灯相位期间遭遇时间差PETGi由临界穿越间隙、左转车辆到达冲突点的时间及启动损失决定,结合冲突发生的概率即为期望时间差PET′Gi;
5)绿灯间隔期间的冲突对象涉及上一相位所要清空的车辆及下一相位将要进入的车辆,此处假设下一相位总有车辆在等待通行,故该期间的冲突概率主要由上一相位黄灯期间车辆到达概率及车辆是否通过停车线的概率共同决定;
6)绿灯间隔期间的遭遇时间差PETIi涉及绿灯间隔时间、前一相位最后一辆车黄灯启亮后通过停车线时刻、清空时间、进入时间及启动损失时间,结合冲突发生的概率即为期望遭遇时间差PET′Ii;
7)绿灯相位及绿灯间隔期间的风险指数综合考虑期望遭遇时间差及碰撞前后的动能损失ΔK,其中动能损失ΔK的计算需依据冲突点位置、冲突车流走向确定冲突角度,并结合车型比例、速度分布,确定相碰撞两车的质量、速度,进而计算动能变化;
8)全周期风险指数为各绿灯相位及绿灯间隔期间风险指数之和,并以此作为信号控制交叉口事故黑点判别的指标。
步骤3)中的绿灯相位期间潜在冲突发生概率的获得方法步骤如下:
①根据视频采集数据提供的离去车辆车头时距信息,通过变点分析确定排队车辆饱和消散及离散到达车辆的分界点,得到对向直行车流排队消散时间和不饱和车流可穿越时间;
②根据所述对向直行可穿越不饱和车流产生时段,得到绿灯相位期间冲突发生的时间比例;
③假设对向直行不饱和车流的车头时距服从负指数分布,结合视频采集数据确定的到达流率,进而得出所选定的临界可穿越间隙的发生概率;
④根据所述不饱和车流临界可穿越间隙发生概率和所述绿灯期间冲突发生的时间比例,得到绿灯相位期间的潜在冲突发生概率。
步骤4)中的绿灯相位期间期望遭遇时间差PET′Gi的获得方法步骤如下:
①.根据目标信号控制交叉口的几何条件,计算左转车辆到达冲突点的时间,并依据临界穿越间隙和车辆启动损失,计算得到绿灯相位期间的遭遇时间差PETG;
②.将PETG与权利要求2中所述的绿灯相位期间潜在冲突发生概率相乘,得到绿灯相位期间期望遭遇时间差PET′G。
步骤5)中的绿灯间隔期间潜在冲突发生概率获得方法步骤如下:
①.黄灯期间车辆到达较为离散,选取泊松分布并结合视频采集数据获取的车辆到达率确定车辆在黄灯启亮后第一、二、三秒到达停车线的概率;
②.黄灯期间内到达的车辆停车或继续通过停车线受当前行驶速度、距离停车线距离以及剩余黄灯时间等影响,选取二项Logit模型进行模拟,并结合视频采集数据中车辆的停行车选择行为数据进行标定;
③.采用全概率公式,结合前述车辆随机到达概率及停行车选择行为概率,确定黄灯期间上一相位最后一辆车通过停车线的概率。
步骤6)中的绿灯间隔期间期望遭遇时间差PET′Ii的获得方法步骤如下:
①.根据视频采集数据获得车辆在黄灯期间通过停车线的行为数据以及车道组流量,进而估计黄灯期间车辆到达和通过停车线的概率,并计算车辆通过停车线的期望时间Te;
②.根据绿灯间隔时间、黄灯期间最后一辆车通过停车线的期望时间Te及其清空时间、下一相位头车进入时间,计算绿灯间隔期间的期望遭遇时间差PETI′。
步骤7)中的碰撞前后的动能损失Δk的获得方法步骤如下:
①.根据视频采集数据获取相冲突流向的车辆类型比例及对应的速度分布,并以此确定不同类型两碰撞车辆的质量和速度;
②.根据交叉口冲突点的位置和冲突车流走向确定相碰撞两车的冲突角度;
③.根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失,并结合不同类型车辆的比例计算该冲突流向期望的动能损失Δk。
步骤3)中的绿灯相位期间潜在冲突发生概率的获得方法步骤如下:
①根据视频采集数据提供的离去车辆车头时距信息,通过变点分析确定排队车辆饱和消散及离散到达车辆的分界点,得到对向直行车流排队消散时间和不饱和车流可穿越时间;
饱和排队消散的车头时距h符合对数正态分布,如公式1所示,因而对车头时距可应用正态分布母体情况下的均值相等和方差齐性检验方法,将相邻车头时距取对数,做方差齐性检验;
ln(h)~N(μ,σ2) 公式1
式中,h为饱和排队消散的车头时距,μ为满足饱和排队消散车头时距的均值,σ2为满足饱和排队消散车头时距的方差;
由于绿灯启亮时存在车辆启动损失,忽略前4~5辆车头时距,将第6辆车头时距作为饱和车头时距,则与第7辆车头时距进行方差相等和均值相等假设检验,若不能拒绝该假设检验,认为第6与第7辆车头时距符合饱和车头时距分布,则将第6与第7车头时距合并为一组(6,7)与第8辆车头时距进行方差相等和均值相等假设检验,依次类推,直到(6,7,8,…,n)与第n+1辆车头时距假设检验不能被拒绝,则认为第n+1辆车头时距不符合排队车辆饱和消散的车头时距分布,将第n+1车辆作为排队车辆饱和消散和离散到达车辆的分界点,该车辆通过停车线的时刻作为排队车辆饱和消散结束时刻tq;
②根据所述对向直行可穿越不饱和车流产生时段,得到绿灯相位期间冲突发生的可能时段;
根据上述车头时距的变点分析得到的对向直行车流排队车辆饱和消散结束时刻tq,饱和排队消散时间gq可按照公式2计算;
gq=tq-tg 公式2
式中,tg为该相位绿灯启亮时刻;
绿灯启亮后,左转车辆到达冲突点位置所用的时间gf由公式3计算得出;
式中,g为允许相位的实际绿灯时间,LTC为每周期的左转车辆数,tL为车辆平均损失时间;
因此,绿灯相位期间左转车辆和对向直行车流可能产生冲突的时段gu用公式4计算。
③对向直行不饱和车流的车头时距服从负指数分布,结合视频采集数据确定的到达流率,进而得出所选定的临界可穿越间隙的发生概率;
对向车流随机到达服从负指数分布,te为可穿越间隙的时间长度,则车头时距为t的概率可用公式5计算:
式中,Pl为绿灯相位期间左转车流潜在冲突发生的概率,λ=Qh/3600表示对向直行车流的平均到达率;Qh为对向车流的小时流量;
④根据所述不饱和车流临界可穿越间隙发生概率和所述绿灯期间冲突发生的时间比例,得到绿灯相位期间的潜在冲突发生概率:
绿灯相位期间冲突发生的理论概率PGi可由公式6计算得出。
步骤4)中的绿灯相位期间期望遭遇时间差PET′Gi的获得方法步骤如下:
①.根据目标信号控制交叉口的几何条件,计算左转车辆到达冲突点的时间,并依据临界穿越间隙和车辆启动损失,计算得到绿灯相位期间的遭遇时间差PETGi;
PETGi可以由冲突车辆先后到达冲突点的时间差得到,左转车流C进入交叉口到达冲突点所用的时间tc由下列公式7计算得出:
式中,S为停车线到冲突点的距离;L为左转车辆的长度;a为左转车辆的加速度;V0为左转车的初始速度;
则绿灯相位期间冲突车辆的遭遇时间差PETGi的大小由下式8计算得出:
PETGi=te-tc-τ 公式8
式中,te为可穿越间隙的时间长度;tc为左转车的进入时间;τ为驾驶员启动反应时间;
②.将绿灯相位期间冲突车辆的遭遇时间差PETGi与绿灯相位期间冲突发生的理论概率PGi相乘,得绿灯相位期间的期望遭遇时间差PET′Gi,如公式9所示。
PET′Gi=PETGi×PGi 公式9
步骤5)中的绿灯间隔期间潜在冲突发生概率获得方法步骤如下:
①.黄灯期间车辆到达较为离散、小概率,车辆到达服从泊松分布,如公式10所示,结合视频采集数据获得车辆的平均到达率:
式中,P(X=k)表示在计数间隔t内到达k辆车的概率,这里假设最多到达1辆,因此k的取值为0或1,则P(0)=e-λt,P(1)=(λt)·e-λt;λ=Qh/3600表示对向直行车流的平均到达率,Qh为对向车流的小时流量;t表示每个计数间隔持续的时间;
运用条件概率公式分别确定黄灯期间最后一辆车在黄灯启亮后1s、2s及3s到达停车线的概率,其计算公式如下:
PY1=Pt=1(1)×Pt=2(1)×Pt=3(1) 公式11
PY2=Pt=1(0)×Pt=2(1)×Pt=3(1) 公式12
PY3=Pt=1(0)×Pt=2(0)×Pt=3(1) 公式13
式中,PY1、PY2、PY3分别表示黄期间最后一辆车在黄灯启亮后1s、2s、3s到达停车线的概率;Pt(0)表示t秒内有0辆车通过停车线的概率,Pt(1)表示t秒内有1辆车通过停车线的概率,t的取值为1至3秒;
②.黄灯期间内到达的车辆停车或继续通过停车线受当前行驶速度、距离停车线距离以及剩余黄灯时间等影响,选取二项Logit模型进行模拟,并结合视频采集数据中车辆的停行车选择行为数据进行标定;
用二项Logit模型模拟车辆在黄灯期间到达停车线的状态,则车辆通过停车线的概率Pg可用公式14表示:
式中,β0和β1为二项Logit模型估计参数;
由此可得,黄灯启亮后有车辆通过停车线的概率为:
黄灯启亮后第1秒内有车辆通过的概率:P(1)=PY1×Pg(1);
黄灯启亮后第2秒内有车辆通过的概率:P(2)=PY2×Pg(2);
黄灯启亮后第3秒内有车辆通过的概率:P(3)=PY3×Pg(3);
③.采用全概率公式,结合前述车辆随机到达概率及停行车选择行为概率,确定黄灯期间上一相位最后一辆车通过停车线的概率;
由全概率公式15可得,黄灯启亮后,清空车流最后一辆车通过停车线的概率PIi为:
PIi=P(1)+P(2)+P(3) 公式15
步骤6)中的绿灯间隔期间期望遭遇时间差PET′Ii的获得方法步骤如下:
①.根据视频采集数据获得车辆在黄灯期间通过停车线的行为数据以及车道组流量,进而估计黄灯期间车辆到达和通过停车线的概率,并计算车辆通过停车线的期望时间Te;
根据黄灯期间清空车流最后一辆车通过停车线的期望时间、其清空时间及下一相位头车进入时间,计算绿灯间隔期间的冲突车辆期望遭遇时间差PET′Ii;
由前述黄灯启亮后每秒内各距离段内车辆通过停车线的概率,推算出清空车流最后一辆车通过停车线的期望时间Te,如公式16所示
Te=1×P(1)+2×P(2)+3×P(3) 公式16
黄灯启亮后,通过停车线的最后一辆车所用的清空时间ts,由公式17计算得到。
式中,ts为最后一辆车的清空时间,Ss为清空车流停车线至冲突点的距离,L为车辆长度,Vs为清空速度;
由于假设下一相位始终有车辆等待通行,则下一相位绿灯启亮头车由停车状态开始启动,则下一相位头车进入时间tne,由公式18计算得到。
式中,tne为下一相位头车进入时间,Sne为进入车辆停车线至冲突点的距离,ane为进入车辆的加速度;
②.根据绿灯间隔时间、黄灯期间最后一辆车通过停车线的期望时间Te及其清空时间、下一相位头车进入时间,计算绿灯间隔期间的期望遭遇时间差PET′li;
绿灯间隔期间冲突车辆的期望遭遇时间差PETIi由公式19得出:
PET′li=(Y+AR+tne)-ts-Te-τ 公式19
式中,Y表示黄灯时长(s),AR表示全红时间(s),τ为驾驶员启动反应时间;
步骤7)中的碰撞前后的动能损失ΔK的获得方法步骤如下:
①.根据视频采集数据获取相冲突流向的车辆类型比例及对应的速度分布,并以此确定不同类型两碰撞车辆的质量和速度;
②.根据交叉口冲突点的位置和冲突车流走向确定相碰撞两车的冲突角度;
③.根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失,并结合不同类型车辆的比例计算该冲突流向期望的动能损失ΔK;
假设两冲突车辆保持原来速度发生碰撞,根据碰撞动力学理论,碰撞前后的动能损失ΔK可通过下列公式计算得到,系统碰撞前的动量P为:
式中,M1、M2为两冲突车辆的质量(kg);V1、V2为碰撞发生前两车辆的速度(m/s);θ1、θ2为冲突车辆速度方向与参考坐标系的夹角,对于交叉冲突,θ1、θ2的范围在0到90度之间,而对于合流和分流冲突,θ1、θ2的范围在0到45度之间;
系统碰撞后的动量P′为:
P′=(M1+M2)V 公式21
式中,V表示两车发生完全非弹性碰撞后的共同运动速度;
由动量守恒定律P=P′,可得:
则碰撞前后的动能损失Δk可表示为:Δk=Ek-E′k,其中,Ek表示系统碰撞前的动能,E′k为系统碰撞后的动能,分别由公式23和公式24计算得出,则动能损失Δk由公式25推出:
式中各参数均可由视频采集数据标定获得,根据采集数据计算车辆类型比例以及对应车辆类型的速度分布,并依此确定不同类型的两碰撞车辆的质量M1、M2和速度V1、V2;根据交叉口冲突点的位置和冲突车流走向确定碰撞两车冲突角度θ1、θ2;根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失Δk,并结合不同信号阶段车辆碰撞发生的概率计算期望动能损失ΔK。
步骤8)中的全周期风险指数的获得方法步骤如下:
不直接使用绿灯相位、绿灯间隔期间的遭遇时间差PETGi和PETIi,而是与对应时间段内车辆碰撞发生的概率相结合,得到绿灯相位的期望遭遇时间差PET′Gi和绿灯间隔期间的期望遭遇时间差PET′Ii,绿灯相位、绿灯间隔期间的风险指数综合考虑上述期望遭遇时间差以及碰撞前后的动能损失Δk,全周期风险指数为各绿灯相位和绿灯间隔期间的风险指数之和;
全周期风险指数Ri为:Ri=RGi+RIi。其中,RGi为绿灯期间的风险指数;RIi为绿灯间隔期间的风险指数,分别可由公式26和公式27计算得到;
式中,ΔKGi、ΔKIi分别表示在绿灯相位期间和绿灯间隔期间的视频采集数据标定出的假设发生碰撞的期望动能损失;
该公式符合实际交通状况,期望遭遇时间差越小,碰撞发生时产生的动量损失ΔK越大,风险指数越高则表明交通冲突越严重;当遭遇时间差增加时,风险指数则呈现幂指数趋势迅速下降。
本发明的特点及有益效果是:
1)提出一种全周期风险指数衡量信控交叉口安全水平,该指标通过间隙穿越理论、碰撞动力学理论和交通冲突理论的有机结合,综合考虑车辆类型、速度、冲突角度、信号配时以及交叉口几何特性等因素,对信号控制交叉口全周期的交通安全进行风险评估;
2)分别考虑在绿灯相位期间和相位切换期间的风险指数,并整合为全周期风险指数评价交叉口的安全水平;
3)将基于全周期冲突风险指数的交通安全评价方法,用于对信号控制交叉口的全周期评价,实现新建交叉口群的潜在事故黑点判别;
4)不依赖事故数据,消除事故的随机性,稳定性较好。
附图说明:
图1为相位及冲突点示意图。
图2本发明流程图。
图3为绿灯相位期间冲突及PET示意图。
图4为绿灯间隔期间的冲突及PET示意图。
图5为碰撞模型示意图。
图6为本发明流程图。
具体实施方式
本发明的目的在于提出一种事故黑点判别方法,该方法实现了在交叉口内部基于潜在冲突风险评估进行事故黑点判别。采用全周期危险程度指数作为事故黑点的判别依据,将冲突风险评估技术应用于事故黑点判别,提高了交叉口事故黑点判别的准确性、全面性和便捷性,实现了交叉口潜在冲突风险评估以及事故黑点的判别。
为解决上述技术问题,本发明基于潜在冲突风险评估的交叉口事故黑点判别方法,采用全周期危险程度指数作为事故黑点判别依据,所述全周期危险程度指数由以下步骤获得:
1)基础数据获取,包含信号配时方案、交叉口渠化、几何条件、视频采集数据、车型比例及速度分布;
2)根据信号配时方案、交叉口渠化及几何条件,依次确定各绿灯相位期间及绿灯间隔期间相互冲突的交通流及冲突点的位置;
3)绿灯相位期间主要关注左转与对向直行车流的冲突,结合视频采集数据中车辆通过停车线的时刻,确定对向直行车流中车辆饱和消散与离散到达的分界点,从而确定发生冲突的时段,并按照负指数分布(车辆随机到达)确定该冲突时段内临界穿越间隙发生的概率,进而确定冲突发生的概率;
4)绿灯相位期间遭遇时间差PETGi(两冲突车辆先后通过冲突点或者区域的时间差)由临界穿越间隙、左转车辆到达冲突点的时间及启动损失决定,结合冲突发生的概率即为期望时间差PET′Gi;
5)绿灯间隔期间的冲突对象涉及上一相位所要清空的车辆及下一相位将要进入的车辆,此处假设下一相位总有车辆在等待通行,故该期间的冲突概率主要由上一相位黄灯期间车辆到达概率及车辆是否通过停车线的概率共同决定;
6)绿灯间隔期间的遭遇时间差PETIi涉及绿灯间隔时间、前一相位最后一辆车黄灯启亮后通过停车线时刻、清空时间、进入时间及启动损失时间,结合冲突发生的概率即为期望遭遇时间差PET′Ii;
7)绿灯相位及绿灯间隔期间的风险指数综合考虑期望遭遇时间差及碰撞前后的动能损失Δk,其中动能损失Δk的计算需依据冲突点位置、冲突车流走向确定冲突角度,并结合车型比例、速度分布,确定相碰撞两车的质量、速度,进而计算动能变化;
8)全周期风险指数为各绿灯相位及绿灯间隔期间风险指数之和,并以此作为信号控制交叉口事故黑点判别的指标。
步骤3)中的绿灯相位期间潜在冲突发生概率的获得方法步骤如下:
⑤根据视频采集数据提供的离去车辆车头时距信息,通过变点分析确定排队车辆饱和消散及离散到达车辆的分界点,得到对向直行车流排队消散时间和不饱和车流可穿越时间;
⑥根据所述对向直行可穿越不饱和车流产生时段,得到绿灯相位期间冲突发生的时间比例;
⑦假设对向直行不饱和车流的车头时距服从负指数分布,结合视频采集数据确定的到达流率,进而得出所选定的临界可穿越间隙的发生概率;
⑧根据所述不饱和车流临界可穿越间隙发生概率和所述绿灯期间冲突发生的时间比例,得到绿灯相位期间的潜在冲突发生概率。
步骤4)中的绿灯相位期间期望遭遇时间差PET′Gi的获得方法步骤如下:
③.根据目标信号控制交叉口的几何条件,计算左转车辆到达冲突点的时间,并依据临界穿越间隙和车辆启动损失,计算得到绿灯相位期间的遭遇时间差PETG;
④.将PETG与权利要求2中所述的绿灯相位期间潜在冲突发生概率相乘,得到绿灯相位期间期望遭遇时间差PET′G。
步骤5)中的绿灯间隔期间潜在冲突发生概率获得方法步骤如下:
④.黄灯期间车辆到达较为离散,选取泊松分布并结合视频采集数据获取的车辆到达率确定车辆在黄灯启亮后第一、二、三秒到达停车线的概率;
⑤.黄灯期间内到达的车辆停车或继续通过停车线受当前行驶速度、距离停车线距离以及剩余黄灯时间等影响,选取二项Logit模型进行模拟,并结合视频采集数据中车辆的停行车选择行为数据进行标定;
⑥.采用全概率公式,结合前述车辆随机到达概率及停行车选择行为概率,确定黄灯期间上一相位最后一辆车通过停车线的概率。
步骤6)中的绿灯间隔期间期望遭遇时间差PET′Ii的获得方法步骤如下:
③.根据视频采集数据获得车辆在黄灯期间通过停车线的行为数据以及车道组流量,进而估计黄灯期间车辆到达和通过停车线的概率,并计算车辆通过停车线的期望时间Te。
④.根据绿灯间隔时间、黄灯期间最后一辆车通过停车线的期望时间Te及其清空时间、下一相位头车进入时间,计算绿灯间隔期间的期望遭遇时间差PET′I。
步骤7)中的碰撞前后的动能损失Δk的获得方法步骤如下:
④.根据视频采集数据获取相冲突流向的车辆类型比例及对应的速度分布,并以此确定不同类型两碰撞车辆的质量和速度;
⑤.根据交叉口冲突点的位置和冲突车流走向确定相碰撞两车的冲突角度;
⑥.根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失,并结合不同类型车辆的比例计算该冲突流向期望的动能损失Δk。
下面通过实施例结合附图对本发明进行详细的描述。
本发明的目标是开发一种基于交通潜在冲突风险评估的信号控制交叉口事故黑点判别方法,采用全周期交通潜在冲突风险评估,来弥补现有方法无法描述和评价相位切换时段(绿灯间隔期间)交通安全的不足。通过间隙穿越理论、碰撞动力学理论和交通冲突理论的有机结合,综合考虑车辆类型、速度、冲突角度、信号配时以及交叉口几何特性等因素,对信号控制交叉口相位切换时的交通安全进行风险评估,从而对城市路网运行管理中的交叉口事故黑点提供一种不依赖于事后事故数统计的新的判别依据。
本发明解决了现有城市信号控制交叉口事故黑点判别无法考虑交通潜在冲突及与造成严重事故有关的交叉口几何设计、交通信号控制、车辆特性等因素的问题,通过间隙穿越理论、碰撞动力学理论和交通冲突理论的融合,提出一种基于潜在冲突风险评估的交叉口事故黑点判别方法。该发明根据绿灯相位期间和绿灯间隔期间交通流穿的不同分布特点建立模型计算冲突发生概率,冲突严重性综合考虑遭遇时间差PET和碰撞动量损失,整合绿灯相位期间和绿灯间隔期间的危险指数建立了全周期危险程度指数R,实现了信号控制交叉口的全周期风险评价并作为交叉口事故黑点风险评估指标。
本发明的具体内容和特点如下:
(1)提出一种冲突严重性的综合评价指标I,该指标能够反映车型(质量和尺寸)、车速、相位结构、信号配时以及交叉口几何设计等因素对交通安全的影响,全面完整的评价信号全周期内的交叉口交通安全;
(2)针对冲突严重性指标I,分别考虑绿灯相位期间和绿灯间隔时间的冲突,通过交通冲突的分析和理论计算模型,综合考虑信号全周期的各类型交通冲突的严重性;
(3)根据转弯车辆通过所需的可穿越间隙发生的概率估算绿灯相位期间冲突发生的概率、根据车辆到达停车线的到达规律得到绿灯间隔期间的冲突发生概率;
(4)用全周期危险程度指数R整合绿灯相位期间和绿灯间隔期间的交通冲突风险评估,实现对信号控制交叉口的全周期评价,并作为交叉口事故黑点判别指标。
本发明所提出的基于潜在冲突风险评估的交叉口事故黑点判别方法具体考虑一下几个因素:绿灯期间转弯车辆穿越对向车流的可接受间隙,车辆在交叉口内部的运行速度、停车线距冲突点的距离、车辆到达停车线的分布规律、冲突车辆类型、冲突类别、冲突发生时辆车辆的速度及可能的碰撞角度、信号配时等。为实现这种风险评估方法,需要对信号控制交叉口在绿灯相位期间和绿灯间隔期间的交通流特性分别进行研究,然后通过概率模型计算冲突发生的概率,和相应的冲突严重性指标。
首先,需要根据信号控制相位结构和期间的不同,对可能发生的交通冲突进行分类,明确冲突可能发生的位置或区域;然后,据信号控制交叉口各进口道设计流量计算绿灯相位期间冲突车流可穿越间隙发生的概率及相应的冲突严重性;计算绿灯间隔期间(黄灯时间和全红时间)清空车辆到达停车线的时间、绿灯启亮后车辆通过停车线的概率、相应的冲突严重性;接着,通过风险评估模型计算当前交叉口的全周期危险程度指数R;最后,对多个交叉口重复上述步骤,进行简单排序,得到基于风险评估的交叉口事故黑点判别排序结果。
A.信号全周期交通冲突分析
a)绿灯相位期间的交通冲突分析
对于设置了允许相位的信控交叉口,如图1所示的3相位交叉口,第一相位的直行和左转车辆同时放行,会造成绿灯期间左转车辆和对向直行车辆间的冲突。绿灯启亮后,停车线后等待的直行车辆以饱和车头时距开始消散,由于直行车辆有用较高的优先权,对向左转车流需等待直行排队消散后寻找合适的穿越间隙通行。因此,可能产生的冲突时段从对向直行车流中车辆饱和消散与离散到达的分界点开始,到绿灯结束终止。冲突点位置可根据交通渠化、交叉口几何条件和冲突车流轨迹交点确定。
另外,对于设计为保护相位或者同一相位内无冲突车流的交叉口,则本发明认为在绿灯相位期间不存在冲突。
b)绿灯间隔期间的交通冲突分析
绿灯间隔期间是信号相位依次切换的阶段也是交叉口通行权的交替时段,包括黄灯时间及全红时间。若在此时间段内,若上一相位的清空车辆在下一相位绿灯启亮时未能通过冲突位置,则会与下一相位进入交叉口的头车产生冲突的可能性。如图1所示为第一相位切换到第二相位时,东西向清空车流与北向直行车流间的冲突。此外,同一相位不同车道的车流距离冲突点的距离有所不同,随着相位间的不断切换,交叉口内部冲突点的位置也发生着变化。
需要注意的是,本发明对绿灯间隔期间的交通冲突有如下假设:下一相位始终有车辆等待通行,因此,如果上一相位黄灯启亮后有车辆通过停车线进入交叉口,则认为存在交通冲突的可能性。
B.绿灯相位期间冲突发生的概率PGi
视频采集数据来源主要为布设在停车线附近的卡口式电警设备,可以提供车辆ID、所在车道以及通过停车线的时刻。根据视频采集数据提供的车辆离开停车线的车头时距信息,通过变点分析确定对向直行排队车辆饱和消散和离散到达车辆的分界点。该时刻至绿灯相位结束阶段,对向直行车流为不饱和车流,成为左转车辆可穿越时段,也即可能产生冲突的时段。
a)车头时距变点分析
对排队车辆离开停车线的车头时距变点分析的核心问题就是判断第几个排队位置的车头时距不再符合饱和车头时距的分布规律,将此作为排队车辆饱和消散和离散到达的分界点。已有研究表明,饱和排队消散的车头时距h符合对数正态分布,如公式1所示,因而对车头时距可应用正态分布母体情况下的均值相等和方差齐性检验方法。根据该思想,将相邻车头时距取对数,做方差齐性检验。
ln(h)~N(μ,σ2) 公式1
式中,h为饱和排队消散的车头时距,μ为满足饱和排队消散车头时距(取对数)的均值,σ2为满足饱和排队消散车头时距(取对数)的方差
由于绿灯启亮时存在车辆启动损失,一般忽略前4~5辆车头时距,如图2所示假设可将第6辆车头时距作为饱和车头时距,则与第7辆车头时距进行方差相等和均值相等假设检验,若不能拒绝该假设检验,认为第6与第7辆车头时距符合饱和车头时距分布,则将第6与第7车头时距合并为一组(6,7)与第8辆车头时距进行方差相等和均值相等假设检验,依次类推,直到某组假设检验不能被拒绝。如(6,7,8,…,n)与第n+1辆车头时距假设检验不能被拒绝,则认为第n+1辆车头时距不符合排队车辆饱和消散的车头时距分布,可将第n+1车辆作为排队车辆饱和消散和离散到达车辆的分界点,该车辆通过停车线的时刻作为排队车辆饱和消散结束时刻tq。
b)绿灯相位期间可能的冲突时段
根据上述车头时距的变点分析得到的对向直行车流排队车辆饱和消散结束时刻tq,饱和排队消散时间gq可按照公式2计算。
gq=tq-tg 公式2
式中,tg为该相位绿灯启亮时刻。
绿灯启亮后,左转车辆到达冲突点位置所用的时间gf可由公式3计算得出。
式中,G为允许相位的实际绿灯时间(s),LTC为每周期的左转车辆数(veh),tL为车辆平均损失时间(s)。
因此,绿灯相位期间左转车辆和对向直行车流可能产生冲突的时段gu可用公式4计算。
c)绿灯相位期间冲突发生的理论概率
假设对向车流随机到达服从负指数分布,t为可穿越间隙的大小,则车头时距为t的概率可用公式5计算。
Pl=P(t)=e-λt 公式5
式中,Pl为绿灯相位期间左转车流潜在冲突发生的概率,λ=Qh/3600表示对向直行车流随机到达的到达率(veh/s);Qh为对向车流的小时流量(veh/h)。
因此,绿灯相位期间冲突发生的理论概率PGi可由公式6计算得出。
C.绿灯相位期间遭遇时间差PETGi与期望遭遇时间差PET′Gi
绿灯相位期间的PETGi可以由冲突车辆先后到达冲突点的时间差得到,如图3所示。
左转车流C进入交叉口到达冲突点所用的时间tc可由下列公式7计算得出:
式中,S为停车线到冲突点的距离(单位:米);L为左转车辆的长度(单位:米);a为左转车辆的加速度(单位:米/秒2);V0为左转车的初始速度(单位:米/秒)。
则绿灯相位期间冲突车辆的遭遇时间差PETGi的大小可由下式8计算得出:
PETGi=te-tc-τ 公式8
式中,te为可穿越间隙的时间长度(单位:秒);tc为左转车的进入时间(单位:秒);τ为驾驶员启动反应时间(单位:秒)。
将绿灯相位期间冲突车辆的遭遇时间差PETGi与绿灯相位期间冲突发生的理论概率PGi相乘,可得绿灯相位期间的期望遭遇时间差PETGi,如公式9所示。
PET′Gi=PETGi×PGi 公式9
D.绿灯间隔期间冲突发生的概率PIi
绿灯间隔期间的冲突对象涉及上一相位所要清空的车辆及下一相位将要进入的车辆,此处假设下一相位总有车辆在等待通行。绿灯间隔期间包括黄灯及全红时间,车辆仅能在黄灯3s期间通过停车线,在全红期间通过被视为闯红灯,若不存在闯红灯车辆,则计算绿灯间隔期间冲突发生的概率等同于计算黄灯期间冲突发生的概率。
黄灯期间的冲突概率主要由上一相位黄灯启亮后车辆到达概率及车辆是否通过停车线的决策概率共同决定。黄灯启亮时,若前一相位末尾清空车辆临近停车线,则该车辆会根据距离停车线的距离、剩余黄灯时间和当前的行驶速度来判断是否需要通过停车线。
①.黄灯期间车辆到达停车线的概率
黄灯期间车辆到达较为离散、小概率,可以认为车辆到达服从泊松分布,如公式10所示,结合视频采集数据获得车辆的平均到达率。
式中,P(X=k)表示在计数间隔t内到达k辆车的概率,这里假设最多到达1辆,因此k的取值为0或1,则P(0)=e-λt,P(1)=(λt)·e-λt;λ=Qh/3600表示对向直行车流的平均到达率(veh/s),Qh为对向车流的小时流量(veh/h);t表示每个计数间隔持续的时间(s)。
运用条件概率公式分别确定黄灯期间最后一辆车在黄灯启亮后1s、2s及3s到达停车线的概率,其计算公式如下:
PY1=Pt=1(1)×Pt=2(1)×Pt=3(1) 公式11
PY2=Pt=1(0)×Pt=2(1)×Pt=3(1) 公式12
PY3=Pt=1(0)×Pt=2(0)×Pt=3(1) 公式13
式中,PY1、PY2、PY3分别表示黄期间最后一辆车在黄灯启亮后1s、2s、3s到达停车线的概率;Pt(0)表示t秒内有0辆车通过停车线的概率,Pt(1)表示t秒内有1辆车通过停车线的概率,t的取值为1至3秒。
②.是否通过停车线的决策概率
用二项Logit模型模拟车辆在黄灯期间到达停车线的状态,则车辆通过停车线的概率Pg可用公式14表示:
式中,β0和β1为二项Logit模型估计参数,没有实际的物理含义。
由此可得,黄灯启亮后有车辆通过停车线的概率为:
黄灯启亮后第1秒内有车辆通过的概率:P(1)=PY1×Pg(1);
黄灯启亮后第2秒内有车辆通过的概率:P(2)=PY2×Pg(2);
黄灯启亮后第3秒内有车辆通过的概率:P(3)=PY3×Pg(3);
③.绿灯间隔期间冲突发生的概率
综上,由全概率公式15可得,黄灯启亮后,清空车流最后一辆车通过停车线的概率PIi为:
PIi=P(1)+P(2)+P(3) 公式15
E.绿灯间隔期间期望遭遇时间差PET′Ii
如图4所示,根据黄灯期间清空车流最后一辆车通过停车线的期望时间、其清空时间及下一相位头车进入时间,可计算绿灯间隔期间的冲突车辆期望遭遇时间差PET′Ii。
由前述黄灯启亮后每秒内各距离段内车辆通过停车线的概率,可以推算出清空车流最后一辆车通过停车线的期望时间Te,如公式16所示
Te=1×P(1)+2×P(2)+3×P(3) 公式16
黄灯启亮后,通过停车线的最后一辆车所用的清空时间ts,可由公式17计算得到。
式中,ts为最后一辆车的清空时间(单位:秒),Ss为清空车流停车线至冲突点的距离(单位:米),L为车辆长度(单位:米),Vs为清空速度(单位:米/秒)。
由于假设下一相位始终有车辆等待通行,则下一相位绿灯启亮头车由停车状态开始启动,则下一相位头车进入时间tne,可由公式18计算得到。
式中,tne为下一相位头车进入时间(单位:秒),Sne为进入车辆停车线至冲突点的距离(单位:米),ane为进入车辆的加速度(单位:米/秒2)
综上,绿灯间隔期间冲突车辆的期望遭遇时间差PETIi可由公式19得出:
PET′li=(Y+AR+tne)-ts-Te-τ 公式19
式中,Y表示黄灯时长(s),AR表示全红时间(s),τ为驾驶员启动反应时间(s),其他参数同上。
F.期望动能损失ΔK
假设两冲突车辆保持原来速度发生碰撞,根据碰撞动力学理论,碰撞前后的动能损失Δk可通过下列公式计算得到,碰撞模型如图5所示。
系统碰撞前的动量P为:
式中,M1、M2为两冲突车辆的质量(kg);V1、V2为碰撞发生前两车辆的速度(m/s);θ1、θ2为冲突车辆速度方向与参考坐标系的夹角,一般对于交叉冲突,θ1、θ2的范围在0到90度之间,而对于合流和分流冲突,θ1、θ2的范围在0到45度之间。
系统碰撞后的动量P′为:
P′=(M1+M2)V 公式21
式中,V表示两车发生完全非弹性碰撞后的共同运动速度(m/s)。
由动量守恒定律P=P′,可得:
则碰撞前后的动能损失ΔK可表示为:ΔK=Ek-E′k。其中,Ek表示系统碰撞前的动能,E′k为系统碰撞后的动能,可分别由公式23和公式24计算得出,则动能损失ΔK可由公式25推出。
式中各参数均可由视频采集数据标定获得,根据采集数据计算车辆类型比例以及对应车辆类型的速度分布,并依此确定不同类型的两碰撞车辆的质量M1、M2和速度V1、V2;根据交叉口冲突点的位置和冲突车流走向确定碰撞两车冲突角度θ1、θ2;根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失Δk,并结合不同信号阶段车辆碰撞发生的概率计算期望动能损失ΔK。
G.全周期风险指数Ri
不直接使用绿灯相位、绿灯间隔期间的遭遇时间差PETGi和PETIi,而是与对应时间段内车辆碰撞发生的概率相结合,得到绿灯相位的期望遭遇时间差PET′Gi和绿灯间隔期间的期望遭遇时间差PET′Ii。绿灯相位、绿灯间隔期间的风险指数综合考虑上述期望遭遇时间差以及碰撞前后的动能损失Δk,全周期风险指数为各绿灯相位和绿灯间隔期间的风险指数之和。
全周期风险指数Ri为:Ri=RGi+RIi。其中,RGi为绿灯期间的风险指数;RIi为绿灯间隔期间的风险指数,分别可由公式26和公式27计算得到。
式中,ΔKGi、ΔKIi分别表示在绿灯相位期间和绿灯间隔期间的视频采集数据标定出的假设发生碰撞的期望动能损失,其他参数同上。
由公式28计算得到的交叉口i的全周期风险指数Ri作为该信控交叉口潜在事故黑点判别指标。该指标通过期望动能损失ΔK反映车辆质量、速度和冲突角度等因素的影响,通过期望时间差PET′反映进入/清空距离和信号配时等因素的影响,从而更加微观、全面地评价信号交叉口的交通安全。另外期望值的计算与绿灯相位期间的冲突发生概率和绿灯间隔期间的冲突发生概率有关,能够反映信号控制交叉口的信号配时设计和交通渠化设计对交通安全的影响,因而特别适合新建交叉口群的黑点判别。
H.应用实例
本例以天津港跃进路-七号路为例,说明基于潜在冲突风险评估的交叉口事故黑点判别方法的应用。该交叉口相交道路均为双向六车道设计,采用三相位信号控制结构,周期时长为180s,绿灯间隔时间为3s。
本发明以天津港跃进路-七号路为例,说明基于冲突风险评估的信控交叉口潜在事故黑点判别方法的应用。该交叉口相交道路均为双向六车道设计,采用三相位信号控制结构,周期时长为180s,绿灯间隔时间为3s。
图1所示为该交叉口的相位结构图和信号各阶段的交通冲突分析,从中可以看出绿灯相位期间和绿灯间隔期间的交通冲突变化。本实施例对2011年11月19日14:55~16:50这一时段的交叉口卡口电警录像进行处理,采集交通流模型和安全评价所需的相关数据。得到交叉口运行参数如下表所示:
表1案例交叉口视频采集流量
表2模型参数标定
平均损失时间t<sub>L</sub> | 2s |
左转穿越临界间隙t | 8.9s |
驾驶员启动反应时间τ | 3s |
二项Logit模型参数β<sub>0</sub>估计值 | 7.838 |
二项Logit模型参数β<sub>1</sub>估计值 | -2.507 |
a)绿灯相位期间风险指数RGi
根据本发明提供的计算方法(以第一相位为例),通过车头时距变点分析,得到东西进口直行排队车辆饱和消散所需的时间分别为:东进口gqE=9.0s;西进口gqW=17.8s。
绿灯启亮后,左转车辆头车到达冲突点所用的时间根据公式3可得:gfE=5.2s。
则对于东进口左转车辆的头车而言,绿灯相位期间可能产生的冲突时段为:
guE=g-gqW=35.2s
左转穿越临界间隙t=8.9s,则左转可穿越间隙发生的概率为:Pl=P(8.9)=85%。
左转车流C进入交叉口到达冲突点所用的时间tc可由公式7计算得出:tc=4.9s。
则绿灯相位期间冲突车辆的遭遇时间差PETGi的值为:
PETGi=t-tc-τ=8.9-4.9-3=1s
将绿灯相位期间冲突车辆的遭遇时间差PETGi与绿灯相位期间冲突发生的理论概率PGi相乘,可得绿灯相位期间的期望遭遇时间差PET′Gi=0.565s。
根据视频采集的数据计算车辆类型比例以及对应车辆类型的速度分布,并依此确定不同类型的两碰撞车辆的质量M1、M2和速度V1、V2;根据交叉口冲突点的位置和冲突车流走向确定碰撞两车冲突角度θ1、θ2;根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失Δk。
绿灯相位期间,根据视频采集数据得到冲突点各类型车速分布曲线图,累计频率曲线是一种近似S型曲线。用各类型车辆85%速度计算动能损失,其余各参数标定值如下表3所示:
表3绿灯相位期间动能损失参数标定
则绿灯相位期间,不同类型车辆碰撞的动能损失Δk如下表4所示:
表4不同类型车辆碰撞的动能损失Δk(千焦)
以绿灯相位期间的∑Δk表示交叉口期望动能损失ΔK,则ΔKGi=32910.2kj。
综上,绿灯相位期间的风险指数为:
b)绿灯间隔期间风险指数RIi
本发明假设黄灯期间车辆到达服从泊松分布,根据视频采集数据,车辆的平均到达率为:
则定黄灯期间最后一辆车在黄灯启亮后1s、2s及3s到达停车线的概率分别为:
PY1=Pt=1(1)×Pt=2(1)×Pt=3(1)=0.001
PY2=Pt=1(0)×Pt=2(1)×Pt=3(1)=0.002
PY3=Pt=1(0)×Pt=2(0)×Pt=3(1)=0.049
则t秒内通过的概率分别为:Pg(1)=0.995,Pg(2)=0.944,Pg(3)=0.578。
由此可得,黄灯启亮后有车辆通过停车线的概率为:
黄灯启亮后第1秒内有车辆通过的概率:P(1)=PY1×Pg(1)=0.000995;
黄灯启亮后第2秒内有车辆通过的概率:P(2)=PY2×Pg(2)=0.001888;
黄灯启亮后第3秒内有车辆通过的概率:P(3)=PY3×Pg(3)=0.028322;
综上,由全概率公式可得,黄灯启亮后,清空车流最后一辆车通过停车线的概率PIi为:
PIi=P(1)+P(2)+P(3)=0.03
则黄灯启亮后,清空车流最后一辆车通过停车线的期望时间为:
通过停车线的最后一辆车所用的清空时间tC可由公式17计算得出:tC=5s。
下一相位头车进入时间te,可由公式18计算得到:te=4s。
综上,绿灯间隔期间冲突车辆的期望遭遇时间差PETIi可由公式19得出:
PET′Ii=|(Y+AR+te)-tC-Te-τ|=|3+4-5-2.99-2|=2.99s
类似绿灯相位期间的方法,根据视频采集数据标定绿灯间隔期间动能损失相关参数,如下表5所示。
表5绿灯间隔期间动能损失参数标定
集装箱车型质量 | 50000kg |
中型货车质量 | 5400kg |
小汽车质量 | 1000kg |
集装箱车型V<sub>85%</sub> | 52.5m/s |
中型货车V<sub>85%</sub> | 53.4m/s |
小汽车V<sub>85%</sub> | 57.2m/s |
左转-直行冲突角度θ<sub>1</sub>、θ<sub>2</sub> | 45°、0° |
直行-直行冲突角度θ<sub>1</sub>、θ<sub>2</sub> | 90°、0° |
则绿灯间隔期间,不同类型车辆碰撞的动能损失Δk如下表6所示:
表6不同类型车辆碰撞的动能损失Δk(千焦)
直行-直行冲突 | 集装箱车 | 中型货车 | 小汽车 | 总和 |
集装箱车 | 68906.3 | 13665.2 | 2954.9 | 85526.4 |
中型货车 | 13665.2 | 7699.2 | 2583.3 | 23947.8 |
小汽车 | 2954.9 | 2583.3 | 1635.9 | 7174.2 |
总和 | 85526.4 | 23947.8 | 7174.2 | 116648.4 |
左转-直行冲突 | 集装箱车 | 中型货车 | 小汽车 | 总和 |
集装箱车 | 20182.2 | 4003.9 | 873.1 | 25059.2 |
中型货车 | 4003.9 | 2255.0 | 760.9 | 7019.8 |
小汽车 | 873.1 | 760.9 | 479.1 | 2113.2 |
总和 | 25059.2 | 7019.8 | 2113.2 | 34192.2 |
综上,绿灯间隔期间的风险指数为:
c)全周期风险指数Ri
全周期风险指数为各绿灯相位和绿灯间隔期间的风险指数之和,故该案例交叉口的全周期风险指数为:
Ri=RGi+RIi=18705+3792.7=21867.7
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤如下:
1)基础数据获取,包含信号配时方案、交叉口渠化、几何条件、视频采集数据、车型比例及速度分布;
2)根据信号配时方案、交叉口渠化及几何条件,依次确定各绿灯相位期间及绿灯间隔期间相互冲突的交通流及冲突点的位置;
3)绿灯相位期间主要关注左转与对向直行车流的冲突,结合视频采集数据中车辆通过停车线的时刻,确定对向直行车流中车辆饱和消散与离散到达的分界点,从而确定发生冲突的时段,并按照负指数分布确定该冲突时段内临界穿越间隙发生的概率,进而确定冲突发生的概率;
4)绿灯相位期间遭遇时间差PETGi由临界穿越间隙、左转车辆到达冲突点的时间及启动损失决定,结合冲突发生的概率即为期望时间差PET′Gi;
5)绿灯间隔期间的冲突对象涉及上一相位所要清空的车辆及下一相位将要进入的车辆,此处假设下一相位总有车辆在等待通行,故该期间的冲突概率主要由上一相位黄灯期间车辆到达概率及车辆是否通过停车线的概率共同决定;
6)绿灯间隔期间的遭遇时间差PETIi涉及绿灯间隔时间、前一相位最后一辆车黄灯启亮后通过停车线时刻、清空时间、进入时间及启动损失时间,结合冲突发生的概率即为期望遭遇时间差PET′Ii;
7)绿灯相位及绿灯间隔期间的风险指数综合考虑期望遭遇时间差及碰撞前后的动能损失ΔK,其中动能损失ΔK的计算需依据冲突点位置、冲突车流走向确定冲突角度,并结合车型比例、速度分布,确定相碰撞两车的质量、速度,进而计算动能变化;
8)全周期风险指数为各绿灯相位及绿灯间隔期间风险指数之和,并以此作为信号控制交叉口事故黑点判别的指标。
2.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤3)中的绿灯相位期间潜在冲突发生概率的获得方法步骤如下:
①根据视频采集数据提供的离去车辆车头时距信息,通过变点分析确定排队车辆饱和消散及离散到达车辆的分界点,得到对向直行车流排队消散时间和不饱和车流可穿越时间;
②根据所述对向直行可穿越不饱和车流产生时段,得到绿灯相位期间冲突发生的时间比例;
③假设对向直行不饱和车流的车头时距服从负指数分布,结合视频采集数据确定的到达流率,进而得出所选定的临界可穿越间隙的发生概率;
④根据所述不饱和车流临界可穿越间隙发生概率和所述绿灯期间冲突发生的时间比例,得到绿灯相位期间的潜在冲突发生概率。
3.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤4)中的绿灯相位期间期望遭遇时间差PET′Gi的获得方法步骤如下:
①.根据目标信号控制交叉口的几何条件,计算左转车辆到达冲突点的时间,并依据临界穿越间隙和车辆启动损失,计算得到绿灯相位期间的遭遇时间差PETG;
②.将PETG与权利要求2中所述的绿灯相位期间潜在冲突发生概率相乘,得到绿灯相位期间期望遭遇时间差PET′G。
4.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤5)中的绿灯间隔期间潜在冲突发生概率获得方法步骤如下:
①.黄灯期间车辆到达较为离散,选取泊松分布并结合视频采集数据获取的车辆到达率确定车辆在黄灯启亮后第一、二、三秒到达停车线的概率;
②.黄灯期间内到达的车辆停车或继续通过停车线受当前行驶速度、距离停车线距离以及剩余黄灯时间等影响,选取二项Logit模型进行模拟,并结合视频采集数据中车辆的停行车选择行为数据进行标定;
③.采用全概率公式,结合前述车辆随机到达概率及停行车选择行为概率,确定黄灯期间上一相位最后一辆车通过停车线的概率。
5.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤6)中的绿灯间隔期间期望遭遇时间差PET′Ii的获得方法步骤如下:
①.根据视频采集数据获得车辆在黄灯期间通过停车线的行为数据以及车道组流量,进而估计黄灯期间车辆到达和通过停车线的概率,并计算车辆通过停车线的期望时间Te;
②.根据绿灯间隔时间、黄灯期间最后一辆车通过停车线的期望时间Te及其清空时间、
下一相位头车进入时间,计算绿灯间隔期间的期望遭遇时间差PETI′。
6.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤7)中的碰撞前后的动能损失Δk的获得方法步骤如下:
①.根据视频采集数据获取相冲突流向的车辆类型比例及对应的速度分布,并以此确定不同类型两碰撞车辆的质量和速度;
②.根据交叉口冲突点的位置和冲突车流走向确定相碰撞两车的冲突角度;
根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失,并结合不同类型车辆的比例计算该冲突流向期望的动能损失Δk。
7.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤3)中的绿灯相位期间潜在冲突发生概率的获得方法步骤如下:
①根据视频采集数据提供的离去车辆车头时距信息,通过变点分析确定排队车辆饱和消散及离散到达车辆的分界点,得到对向直行车流排队消散时间和不饱和车流可穿越时间;
饱和排队消散的车头时距h符合对数正态分布,如公式1所示,因而对车头时距可应用正态分布母体情况下的均值相等和方差齐性检验方法,将相邻车头时距取对数,做方差齐性检验;
ln(h)~N(μ,σ2) 公式1
式中,h为饱和排队消散的车头时距,μ为满足饱和排队消散车头时距的均值,σ2为满足饱和排队消散车头时距的方差;
由于绿灯启亮时存在车辆启动损失,忽略前4~5辆车头时距,将第6辆车头时距作为饱和车头时距,则与第7辆车头时距进行方差相等和均值相等假设检验,若不能拒绝该假设检验,认为第6与第7辆车头时距符合饱和车头时距分布,则将第6与第7车头时距合并为一组(6,7)与第8辆车头时距进行方差相等和均值相等假设检验,依次类推,直到(6,7,8,…,n)与第n+1辆车头时距假设检验不能被拒绝,则认为第n+1辆车头时距不符合排队车辆饱和消散的车头时距分布,将第n+1车辆作为排队车辆饱和消散和离散到达车辆的分界点,该车辆通过停车线的时刻作为排队车辆饱和消散结束时刻tq;
②根据所述对向直行可穿越不饱和车流产生时段,得到绿灯相位期间冲突发生的可能时段;
根据上述车头时距的变点分析得到的对向直行车流排队车辆饱和消散结束时刻tq,饱和排队消散时间gq可按照公式2计算;
gq=tq-tg 公式2
式中,tg为该相位绿灯启亮时刻;
绿灯启亮后,左转车辆到达冲突点位置所用的时间gf由公式3计算得出;
式中,g为允许相位的实际绿灯时间,LTC为每周期的左转车辆数,tL为车辆平均损失时间;
因此,绿灯相位期间左转车辆和对向直行车流可能产生冲突的时段gu用公式4计算:
③对向直行不饱和车流的车头时距服从负指数分布,结合视频采集数据确定的到达流率,进而得出所选定的临界可穿越间隙的发生概率;
对向车流随机到达服从负指数分布,te为可穿越间隙的时间长度,则车头时距为t的概率可用公式5计算:
式中,Pl为绿灯相位期间左转车流潜在冲突发生的概率,λ=Qh/3600表示对向直行车流的平均到达率;Qh为对向车流的小时流量;
④根据所述不饱和车流临界可穿越间隙发生概率和所述绿灯期间冲突发生的时间比例,得到绿灯相位期间的潜在冲突发生概率:
绿灯相位期间冲突发生的理论概率PGi可由公式6计算得出。
8.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤4)中的绿灯相位期间期望遭遇时间差PETG′i的获得方法步骤如下:
①.根据目标信号控制交叉口的几何条件,计算左转车辆到达冲突点的时间,并依据临界穿越间隙和车辆启动损失,计算得到绿灯相位期间的遭遇时间差PETGi;
PETGi可以由冲突车辆先后到达冲突点的时间差得到,左转车流C进入交叉口到达冲突点所用的时间tc由下列公式7计算得出:
式中,S为停车线到冲突点的距离;L为左转车辆的长度;a为左转车辆的加速度;V0为左转车的初始速度;
则绿灯相位期间冲突车辆的遭遇时间差PETGi的大小由下式8计算得出:
PETGi=te-tc-τ 公式8
式中,te为可穿越间隙的时间长度;tc为左转车的进入时间;τ为驾驶员启动反应时间;
②.将绿灯相位期间冲突车辆的遭遇时间差PETGi与绿灯相位期间冲突发生的理论概率PGi相乘,得绿灯相位期间的期望遭遇时间差PET′Gi,如公式9所示。
PET′Gi=PETGi×PGi 公式9。
9.如权利要求1所述的基于潜在冲突风险评估的交叉口事故黑点判别方法,其特征是,步骤5)中的绿灯间隔期间潜在冲突发生概率获得方法步骤如下:
①.黄灯期间车辆到达较为离散、小概率,车辆到达服从泊松分布,如公式10所示,结合视频采集数据获得车辆的平均到达率:
式中,P(X=k)表示在计数间隔t内到达k辆车的概率,这里假设最多到达1辆,因此k的取值为0或1,则P(0)=e-λt,P(1)=(λt)·e-λt;λ=Qh/3600表示对向直行车流的平均到达率,Qh为对向车流的小时流量;t表示每个计数间隔持续的时间;
运用条件概率公式分别确定黄灯期间最后一辆车在黄灯启亮后1s、2s及3s到达停车线的概率,其计算公式如下:
PY1=Pt=1(1)×Pt=2(1)×Pt=3(1) 公式11
PY2=Pt=1(0)×Pt=2(1)×Pt=3(1) 公式12
PY3=Pt=1(0)×Pt=2(0)×Pt=3(1) 公式13
式中,PY1、PY2、PY3分别表示黄期间最后一辆车在黄灯启亮后1s、2s、3s到达停车线的概率;Pt(0)表示t秒内有0辆车通过停车线的概率,Pt(1)表示t秒内有1辆车通过停车线的概率,t的取值为1至3秒;
②.黄灯期间内到达的车辆停车或继续通过停车线受当前行驶速度、距离停车线距离以及剩余黄灯时间等影响,选取二项Logit模型进行模拟,并结合视频采集数据中车辆的停行车选择行为数据进行标定;
用二项Logit模型模拟车辆在黄灯期间到达停车线的状态,则车辆通过停车线的概率Pg可用公式14表示:
式中,β0和β1为二项Logit模型估计参数;
由此可得,黄灯启亮后有车辆通过停车线的概率为:
黄灯启亮后第1秒内有车辆通过的概率:P(1)=PY1×Pg(1);
黄灯启亮后第2秒内有车辆通过的概率:P(2)=PY2×Pg(2);
黄灯启亮后第3秒内有车辆通过的概率:P(3)=PY3×Pg(3);
③.采用全概率公式,结合前述车辆随机到达概率及停行车选择行为概率,确定黄灯期间上一相位最后一辆车通过停车线的概率;
由全概率公式15可得,黄灯启亮后,清空车流最后一辆车通过停车线的概率PIi为:
PIi=P(1)+P(2)+P(3) 公式15;
步骤6)中的绿灯间隔期间期望遭遇时间差PET′Ii的获得方法步骤如下:
①.根据视频采集数据获得车辆在黄灯期间通过停车线的行为数据以及车道组流量,进而估计黄灯期间车辆到达和通过停车线的概率,并计算车辆通过停车线的期望时间Te;
根据黄灯期间清空车流最后一辆车通过停车线的期望时间、其清空时间及下一相位头车进入时间,计算绿灯间隔期间的冲突车辆期望遭遇时间差PET′Ii;
由前述黄灯启亮后每秒内各距离段内车辆通过停车线的概率,推算出清空车流最后一辆车通过停车线的期望时间Te,如公式16所示
Te=1×P(1)+2×P(2)+3×P(3) 公式16
黄灯启亮后,通过停车线的最后一辆车所用的清空时间ts,由公式17计算得到。
式中,ts为最后一辆车的清空时间,Ss为清空车流停车线至冲突点的距离,L为车辆长度,Vs为清空速度;
由于假设下一相位始终有车辆等待通行,则下一相位绿灯启亮头车由停车状态开始启动,则下一相位头车进入时间tne,由公式18计算得到。
式中,tne为下一相位头车进入时间,Sne为进入车辆停车线至冲突点的距离,ane为进入车辆的加速度;
②.根据绿灯间隔时间、黄灯期间最后一辆车通过停车线的期望时间Te及其清空时间、下一相位头车进入时间,计算绿灯间隔期间的期望遭遇时间差PETl′i;
绿灯间隔期间冲突车辆的期望遭遇时间差PETIi由公式19得出:
PET′li=(Y+AR+tne)-ts-Te-τ 公式19
式中,Y表示黄灯时长(s),AR表示全红时间(s),τ为驾驶员启动反应时间;
步骤7)中的碰撞前后的动能损失ΔK的获得方法步骤如下:
①.根据视频采集数据获取相冲突流向的车辆类型比例及对应的速度分布,并以此确定不同类型两碰撞车辆的质量和速度;
②.根据交叉口冲突点的位置和冲突车流走向确定相碰撞两车的冲突角度;
③.根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失,并结合不同类型车辆的比例计算该冲突流向期望的动能损失ΔK;
假设两冲突车辆保持原来速度发生碰撞,根据碰撞动力学理论,碰撞前后的动能损失ΔK可通过下列公式计算得到,系统碰撞前的动量P为:
式中,M1、M2为两冲突车辆的质量(kg);V1、V2为碰撞发生前两车辆的速度(m/s);θ1、θ2为冲突车辆速度方向与参考坐标系的夹角,对于交叉冲突,θ1、θ2的范围在0到90度之间,而对于合流和分流冲突,θ1、θ2的范围在0到45度之间;
系统碰撞后的动量P′为:
P′=(M1+M2)V 公式21
式中,V表示两车发生完全非弹性碰撞后的共同运动速度;
由动量守恒定律P=P′,可得:
则碰撞前后的动能损失Δk可表示为:Δk=Ek-E′k,其中,Ek表示系统碰撞前的动能,E′k为系统碰撞后的动能,分别由公式23和公式24计算得出,则动能损失Δk由公式25推出:
式中各参数均可由视频采集数据标定获得,根据采集数据计算车辆类型比例以及对应车辆类型的速度分布,并依此确定不同类型的两碰撞车辆的质量M1、M2和速度V1、V2;根据交叉口冲突点的位置和冲突车流走向确定碰撞两车冲突角度θ1、θ2;根据碰撞两车的质量、速度和冲突角度枚举计算不同类型车辆碰撞的动能损失Δk,并结合不同信号阶段车辆碰撞发生的概率计算期望动能损失ΔK;
步骤8)中的全周期风险指数的获得方法步骤如下:
不直接使用绿灯相位、绿灯间隔期间的遭遇时间差PETGi和PETIi,而是与对应时间段内车辆碰撞发生的概率相结合,得到绿灯相位的期望遭遇时间差PET′Gi和绿灯间隔期间的期望遭遇时间差PET′Ii,绿灯相位、绿灯间隔期间的风险指数综合考虑上述期望遭遇时间差以及碰撞前后的动能损失Δk,全周期风险指数为各绿灯相位和绿灯间隔期间的风险指数之和;
全周期风险指数Ri为:Ri=RGi+RIi。其中,RGi为绿灯期间的风险指数;RIi为绿灯间隔期间的风险指数,分别可由公式26和公式27计算得到;
式中,ΔKGi、ΔKIi分别表示在绿灯相位期间和绿灯间隔期间的视频采集数据标定出的假设发生碰撞的期望动能损失;
该公式符合实际交通状况,期望遭遇时间差越小,碰撞发生时产生的动量损失ΔK越大,风险指数越高则表明交通冲突越严重;当遭遇时间差增加时,风险指数则呈现幂指数趋势迅速下降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010385283.1A CN111640295B (zh) | 2020-05-09 | 2020-05-09 | 基于潜在冲突风险评估的交叉口事故黑点判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010385283.1A CN111640295B (zh) | 2020-05-09 | 2020-05-09 | 基于潜在冲突风险评估的交叉口事故黑点判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111640295A true CN111640295A (zh) | 2020-09-08 |
CN111640295B CN111640295B (zh) | 2023-03-28 |
Family
ID=72330016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010385283.1A Active CN111640295B (zh) | 2020-05-09 | 2020-05-09 | 基于潜在冲突风险评估的交叉口事故黑点判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111640295B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150046A (zh) * | 2020-11-06 | 2020-12-29 | 上海交通大学 | 一种道路交叉口安全风险指数计算方法 |
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 |
CN113724491A (zh) * | 2021-07-29 | 2021-11-30 | 东南大学 | 一种基于导航数据的交叉口右转专用信号判别方法 |
CN114005271A (zh) * | 2021-08-05 | 2022-02-01 | 北京航空航天大学 | 一种智能网联环境下交叉口碰撞风险量化方法 |
CN114155715A (zh) * | 2022-02-07 | 2022-03-08 | 北京图盟科技有限公司 | 一种冲突点检测方法、装置、设备及可读存储介质 |
CN114387818A (zh) * | 2022-01-10 | 2022-04-22 | 合肥工业大学 | 一种基于非完全弹性碰撞理论的交通单元安全评价方法 |
CN116994428A (zh) * | 2023-07-05 | 2023-11-03 | 山东理工大学 | 一种基于参数变化率的交叉口进口道交通事故辨识方法 |
CN116994428B (zh) * | 2023-07-05 | 2024-04-26 | 山东理工大学 | 一种基于参数变化率的交叉口进口道交通事故辨识方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622875A (zh) * | 2012-03-31 | 2012-08-01 | 天津港(集团)有限公司 | 面向运行管理阶段信号交叉口相位切换交通安全评价方法 |
CN103366582A (zh) * | 2012-04-06 | 2013-10-23 | 同济大学 | 信号控制交叉口的交通安全评价方法 |
US20140327557A1 (en) * | 2011-10-06 | 2014-11-06 | Stefan Nordbruch | Display method and display system for a vehicle |
CN104916132A (zh) * | 2015-05-14 | 2015-09-16 | 扬州大学 | 一种确定交叉口交通流行驶轨迹的方法 |
US20150266475A1 (en) * | 2014-03-20 | 2015-09-24 | Bayerische Motoren Werke Aktiengesellschaft | Method and Device for Establishing a Trajectory for a Vehicle |
CN106355881A (zh) * | 2016-10-12 | 2017-01-25 | 同济大学 | 一种基于空间自相关的事故多发点鉴别方法及装置 |
CN108447265A (zh) * | 2018-05-21 | 2018-08-24 | 东南大学 | 基于topsis法的公路交通事故黑点路段鉴别方法 |
CN109493600A (zh) * | 2018-11-21 | 2019-03-19 | 合肥工业大学 | 基于事故危险度的交通事故多发路段识别方法 |
WO2019092012A1 (de) * | 2017-11-08 | 2019-05-16 | Robert Bosch Gmbh | Verfahren und vorrichtung zum warnen vor einem gefahrenort |
CN110675626A (zh) * | 2019-09-27 | 2020-01-10 | 汉纳森(厦门)数据股份有限公司 | 基于多维数据的交通事故黑点预测方法方法、装置及介质 |
-
2020
- 2020-05-09 CN CN202010385283.1A patent/CN111640295B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140327557A1 (en) * | 2011-10-06 | 2014-11-06 | Stefan Nordbruch | Display method and display system for a vehicle |
CN102622875A (zh) * | 2012-03-31 | 2012-08-01 | 天津港(集团)有限公司 | 面向运行管理阶段信号交叉口相位切换交通安全评价方法 |
CN103366582A (zh) * | 2012-04-06 | 2013-10-23 | 同济大学 | 信号控制交叉口的交通安全评价方法 |
US20150266475A1 (en) * | 2014-03-20 | 2015-09-24 | Bayerische Motoren Werke Aktiengesellschaft | Method and Device for Establishing a Trajectory for a Vehicle |
CN104916132A (zh) * | 2015-05-14 | 2015-09-16 | 扬州大学 | 一种确定交叉口交通流行驶轨迹的方法 |
CN106355881A (zh) * | 2016-10-12 | 2017-01-25 | 同济大学 | 一种基于空间自相关的事故多发点鉴别方法及装置 |
WO2019092012A1 (de) * | 2017-11-08 | 2019-05-16 | Robert Bosch Gmbh | Verfahren und vorrichtung zum warnen vor einem gefahrenort |
CN108447265A (zh) * | 2018-05-21 | 2018-08-24 | 东南大学 | 基于topsis法的公路交通事故黑点路段鉴别方法 |
CN109493600A (zh) * | 2018-11-21 | 2019-03-19 | 合肥工业大学 | 基于事故危险度的交通事故多发路段识别方法 |
CN110675626A (zh) * | 2019-09-27 | 2020-01-10 | 汉纳森(厦门)数据股份有限公司 | 基于多维数据的交通事故黑点预测方法方法、装置及介质 |
Non-Patent Citations (1)
Title |
---|
吴蓉蓉: "基于TCT的城市道路交通事故多发点鉴别方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150046A (zh) * | 2020-11-06 | 2020-12-29 | 上海交通大学 | 一种道路交叉口安全风险指数计算方法 |
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 |
CN113724491A (zh) * | 2021-07-29 | 2021-11-30 | 东南大学 | 一种基于导航数据的交叉口右转专用信号判别方法 |
CN113724491B (zh) * | 2021-07-29 | 2022-06-03 | 东南大学 | 一种基于导航数据的交叉口右转专用信号判别方法 |
CN114005271A (zh) * | 2021-08-05 | 2022-02-01 | 北京航空航天大学 | 一种智能网联环境下交叉口碰撞风险量化方法 |
CN114387818A (zh) * | 2022-01-10 | 2022-04-22 | 合肥工业大学 | 一种基于非完全弹性碰撞理论的交通单元安全评价方法 |
CN114387818B (zh) * | 2022-01-10 | 2022-12-06 | 合肥工业大学 | 一种基于非完全弹性碰撞理论的交通单元安全评价方法 |
CN114155715A (zh) * | 2022-02-07 | 2022-03-08 | 北京图盟科技有限公司 | 一种冲突点检测方法、装置、设备及可读存储介质 |
CN116994428A (zh) * | 2023-07-05 | 2023-11-03 | 山东理工大学 | 一种基于参数变化率的交叉口进口道交通事故辨识方法 |
CN116994428B (zh) * | 2023-07-05 | 2024-04-26 | 山东理工大学 | 一种基于参数变化率的交叉口进口道交通事故辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111640295B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111640295B (zh) | 基于潜在冲突风险评估的交叉口事故黑点判别方法 | |
CN108492562B (zh) | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 | |
Chiou et al. | Driver responses to green and red vehicular signal countdown displays: Safety and efficiency aspects | |
CN106355907B (zh) | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 | |
CN108399740B (zh) | 一种信号控制交叉口机动车冲突概率预测方法 | |
Chai et al. | Micro-simulation of vehicle conflicts involving right-turn vehicles at signalized intersections based on cellular automata | |
CN103150930A (zh) | 针对快速道路常发性拥堵路段的追尾事故实时预测方法 | |
Ye et al. | Development and evaluation of a vehicle platoon guidance strategy at signalized intersections considering fuel savings | |
CN110070733B (zh) | 一种车头时距建模方法及一种最小绿灯时间计算方法 | |
CN107705635B (zh) | 信号交叉口电动自行车的交通冲突判别方法 | |
Salamati et al. | Simplified method for comparing emissions in roundabouts and at signalized intersections | |
CN103606272B (zh) | 一种基于客流量的快速公交到站时刻预测方法 | |
CN105469167A (zh) | 一种基于时空接近度的交通冲突预测方法 | |
Dong et al. | A comparative study on drivers’ stop/go behavior at signalized intersections based on decision tree classification model | |
Fazekas et al. | A novel surrogate safety indicator based on constant initial acceleration and reaction time assumption | |
CN107784832A (zh) | 一种用于识别交通道路中的事故黑点的方法与设备 | |
Xing et al. | Time-varying analysis of traffic conflicts at the upstream approach of toll plaza | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN106383918A (zh) | 一种辨别紧急制动行为是否合理的系统及辨别方法 | |
Grigoropoulos et al. | Traffic flow at signalized intersections with large volumes of bicycle traffic | |
CN108447306B (zh) | 无控交叉口冲突车辆间实时位置共享避撞预警的模拟方法 | |
Dong et al. | Traffic conflict analysis of motor vehicles and nonmotor vehicles based on improved cellular automata | |
CN112598900A (zh) | 实现城市干线道路交通协调优化控制的评价处理系统、方法、装置、处理器及其存储介质 | |
Zheng et al. | A novel set of driving style risk evaluation index system for UBI-based differentiated commercial vehicle insurance in China | |
Liu et al. | Pattern recognition of vehicle types and reliability analysis of pneumatic tube test data under mixed traffic condition |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 300051 No. 239, Yingkou Road, Heping District, Tianjin Applicant after: Tianjin municipal engineering design and Research Institute Co.,Ltd. Address before: 300051 No. 239, Yingkou Road, Heping District, Tianjin Applicant before: TIANJIN MUNICIPAL ENGINEERING DESIGN & Research Institute |
|
GR01 | Patent grant | ||
GR01 | Patent grant |