CN113022570B - 一种车辆换道行为识别方法及设备 - Google Patents
一种车辆换道行为识别方法及设备 Download PDFInfo
- Publication number
- CN113022570B CN113022570B CN202110294276.5A CN202110294276A CN113022570B CN 113022570 B CN113022570 B CN 113022570B CN 202110294276 A CN202110294276 A CN 202110294276A CN 113022570 B CN113022570 B CN 113022570B
- Authority
- CN
- China
- Prior art keywords
- point
- vehicle
- doubling
- merging
- angle
- 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 80
- 230000006399 behavior Effects 0.000 claims description 69
- 235000019580 granularity Nutrition 0.000 claims description 54
- 239000013598 vector Substances 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆换道行为识别方法及设备,方法包括:获取不同时间粒度点的车辆行驶轨迹数据,并对所述轨迹数据进行处理后,基于所述轨迹数据搜索出车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点;判断并线起点和并线决策点形成的轨迹是否为直线行驶轨迹;计算出开始并线转过的第一角度和结束并线转过的第二角度,对所述第一角度和第二角度进行比较得到并线角度判断结果;计算出车辆的横向偏移距离,将所述横向偏移距离与安全横向偏移距离进行比较得到车辆横移判断结果;判断所述车辆是否发生换道行为。本发明解决了目前由于得到的车辆行驶轨迹不准确而导致的无法分析驾驶人换道行为的问题。
Description
技术领域
本发明涉及交通工程技术领域,尤其涉及一种车辆换道行为识别方法及设备。
背景技术
车辆行驶轨迹是识别驾驶人驾驶行为、评估驾驶风险的重要依据。现有的轨迹数据采集方法有多种,如车载设备定时记录车辆GPS坐标,上传至服务端用来分析和存储车辆历史行驶轨迹,另外也有利用图像处理技术从无人机拍摄视频或监控视频中直接提取车辆轨迹的,它们均存在诸多缺点,如车辆定位的精度不足,记载时间间隔相对较长造成数据离散,调用数据量大,计算和渲染轨迹时间长等。这些缺点导致得到的车辆行驶轨迹不准确,无法用于分析驾驶人换道行为。
发明内容
有鉴于此,有必要提供一种车辆换道行为识别方法及设备,用以解决目前由于得到的车辆行驶轨迹不准确而导致的无法分析驾驶人换道行为的问题。
第一方面,本发明提供一种车辆换道行为识别方法,包括如下步骤:
获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并对所述轨迹数据进行处理后,基于所述轨迹数据搜索出车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点;
基于所述并线起点和并线决策点的处理后的轨迹数据,判断所述并线起点和所述并线决策点形成的轨迹是否为直线行驶轨迹,以得到直线行驶判断结果;
基于所述并线起点、并线反转点和并线终点的处理后的轨迹数据,计算出开始并线转过的第一角度和结束并线转过的第二角度,对所述第一角度和第二角度进行比较后,得到并线角度判断结果;
基于所述并线决策点、并线起点、并线反转点和并线终点计算出车辆的横向偏移距离,将所述横向偏移距离与安全横向偏移距离进行比较后,得到车辆横移判断结果;
基于所述直线行驶判断结果、并线角度判断结果和车辆横移距离判断结果,判断所述车辆是否发生换道行为。
优选的,所述的车辆换道行为识别方法中,所述获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并对所述轨迹数据进行处理后,基于所述轨迹数据搜索出车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点的步骤具体包括:
获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,对所述轨迹数据进行处理后,计算出相邻时间粒度点之间的车辆角速度;
基于相邻时间粒度点之间的车辆角速度,采用连续点群法搜索车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点。
优选的,所述的车辆换道行为识别方法中,所述获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,对所述轨迹数据进行处理后,计算出相邻时间粒度点之间的车辆位移和车辆角速度的步骤具体包括:
获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并将各个所述行驶轨迹数据转换为在经典笛卡尔坐标系下的轨迹数据;
根据所述转换后的轨迹数据建立拟合曲线,根据所述拟合曲线计算出相邻时间粒度点之间的车辆位移和车辆角速度。
优选的,所述的车辆换道行为识别方法中,所述并线起点的搜索方法具体为:
按照各个轨迹数据的时间序列,以及预设的搜索数量,确定出多个搜索点集后,根据时间前后关系依次进行各个搜索点集的搜索,判断所述搜索点集的各个点是否具有相同方向的角速度,以及搜索点集所在的时间段车辆转过的方位角是否大于预设临界值,当所述搜索点集的各个点均具有相同方向的角速度,且搜索点集所在的时间段车辆转过的方位角大于预设临界值时,以所述搜索点集的第一个点作为并线起点,否则进行下一个搜索点集的搜索,直至找出并线起点。
优选的,所述的车辆换道行为识别方法中,
所述并线决策点的标定方法为:将在所述并线起点之前预设时间长度的点作为并线决策点;
所述并线终点的标定方法为:基于所述并线起点和相邻时间粒度点之间的车辆角速度,采用连续点群法搜索出所述并线终点;
所述并线反转点的标定方法为:获取所述并线起点和并线终点之间的所有轨迹数据点,找出一个或者两个角速度为零的点,当只有一个角速度为零的点时,将改点所处的时间粒度作为并线转折点,当有两个角速度为零的点时,将两个点所处的时间粒度的平均值作为并线转折点。
优选的,所述的车辆换道行为识别方法中,判断是否为直线行驶轨迹的判断方程为:
其中,表示位于并线起点和并线决策点之间的时间粒度点,表示点与并线起点和并线决策点之间的连线对应的向量之间的空间距离,S0为预设空间距离,表示点的直线行驶判断结果,Jd(t)表示并线决策点与并线起点形成的轨迹的直线行驶判断结果。
优选的,所述的车辆换道行为识别方法中,并线角度判断结果的判断方程为:
优选的,所述的车辆换道行为识别方法中,车辆横移距离判断结果的判断方程为:
S=Sbef+Slat,
其中,Sbef表示并线反转点与并线前的车辆所处的直线轨迹之间的距离,Slat表示并线反转点与并线后的车辆所处的直线轨迹之间的距离,S表示车辆横移距离,xmin(V)表示最小安全横向偏移距离,xmax(V)表示最大安全横向偏移距离,Jx(t)表示车辆横移距离判断结果。
优选的,所述的车辆换道行为识别方法中,车辆是否发生换道行为的判断方程为:
GJ(t)=Jd(t)*JS(t)*Jx(t),
其中,Jd(t)表示并线决策点与并线起点形成的轨迹的直线行驶判断结果,JS(t)表示并线角度判断结果,Jx(t)表示车辆横移距离判断结果,GJ(t)表示换道行为判断结果。
第二方面,本发明还提供一种车辆换道行为识别设备,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如上所述的车辆换道行为识别方法中的步骤。
相较于现有技术,本发明提供的车辆换道行为识别方法及设备,利用高精度定位数据深入挖掘轨迹数据,从中提取每点的线速度、角速度、方位角等基础数据,对各个基础数据进行分析、检测计算,进而得到检测结果,最后基于检测结果,判定车辆行驶中的某次行为是否为换道行为,可达到全段全过程高效识别变道行为的目的。通过计算驾驶人一次出行中总的换道次数,为后续分析驾驶员驾驶行为习惯,评估驾驶风险提供依据。
附图说明
图1为本发明提供的车辆换道行为识别方法的一较佳实施例的流程图;
图2为本发明提供的车辆换道行为识别方法中,所述步骤S100的一较佳实施例的流程图;
图3为本发明提供的车辆换道行为识别方法中,所述车辆行驶轨迹的拟合曲线的一较佳实施例的示意图;
图4为本发明提供的车辆换道行为识别方法中,车辆换道时的一较佳实施例的轨迹示意图;
图5为本发明提供的车辆换道行为识别方法中,车辆行驶轨迹分析的一较佳实施例的示意图;
图6为本发明提供的车辆换道行为识别方法中,车辆行驶时的横移距离示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
请参阅图1,本发明实施例提供的车辆换道行为识别方法,包括如下步骤:
S100、获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并对所述轨迹数据进行处理后,基于所述轨迹数据搜索出车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点。
本实施例中,车辆行驶轨迹数据是在预设工作频率下的高精度定位系统下所得到的的数据,获取的轨迹数据并不是连续的,而是单位时间粒度与预设工作频率对应的散点数据,由于高精度定位系统获取的点是基于大地坐标系,故为了方便分析,需要对轨迹数据进行处理后再做分析。当处理完成后,即可通过轨迹数据来分析出并线起点、并线决策点、并线终点和并线反转点。具体的,请参阅图2,所述步骤S100具体包括:
S110、获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,对所述轨迹数据进行处理后,计算出相邻时间粒度点之间的车辆位移和车辆角速度;
S120、基于相邻时间粒度点之间的车辆角速度,采用连续点群法搜索车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点。
本实施例中,为了方便分析,需要将大地坐标系转换为经典笛卡尔坐标系后再做分析,将散点轨迹拟合成平滑的函数曲线,再利用解析几何方法对轨迹做具体分析判断。优选的实施例中,所述预设工作频率为20Hz,对应的,单位时间粒度为50ms。具体的,所述步骤S110具体包括:
获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并将各个所述行驶轨迹数据转换为在经典笛卡尔坐标系下的轨迹数据;
根据所述转换后的轨迹数据建立拟合曲线,根据所述拟合曲线计算出相邻时间粒度点之间的车辆位移和车辆角速度。
具体来说,本实施例首先进行坐标系的转换,将大地坐标系(WGS84)转化成经典笛卡尔坐标系,其中笛卡尔坐标系以本初子午线为Y轴,以地球赤道为X轴。转换坐标系之后,车辆i产生的轨迹数据可用函数方程y=fi(x)表示,加入时间维度可用参数方程表示为其中x、y分别表示轨迹的瞬时坐标值,t为时间粒度。每个时间粒度点的方位角如图3所示,随时间的变化函数可用公式表示为那么,在单位时间粒度ΔT时间内,有如下关系:
同理,在某一段时间ΔT内车辆的位移可表示为:
那么,在时间[0,t]内车辆的总位移可表示为:
每个时间粒度点均有角速度,这里将相邻时间粒度点的方位角变化率作为其角速度,其公式表示如下:
进一步来说,通过观察大量变道轨迹数据,变道轨迹均存在角速度变化,且在开始并线到结束并线时间内,至少存在一点角速度ωi(t)=0的时间粒度点Pm,在点Pm的左右领域的角速度方向相反。因此,本发明实施例将变道行为分为三个过程,分别为决策过程、开始并线、结束并线,如图4所示,三个过程的开始时间点分别用并线决策点Pd、并线起点Ps、并线反转点Pm表示,并线终点Pf表示已经结束并线。故在进行换道行为判断时,需找到各个时间点,然后即可根据各个时间点之间的轨迹关系来进行换道行为的判断。本实施例中,通过搜索并线起点Ps来标定出其余各个时间节点。具体的,所述并线起点的搜索方法具体为:
按照各个轨迹数据的时间序列,以及预设的搜索数量,确定出多个搜索点集后,根据时间前后关系依次进行各个搜索点集的搜索,判断所述搜索点集的各个点是否具有相同方向的角速度,以及搜索点集所在的时间段车辆转过的方位角是否大于预设临界值,当所述搜索点集的各个点均具有相同方向的角速度,且搜索点集所在的时间段车辆转过的方位角大于预设临界值时,以所述搜索点集的第一个点作为并线起点,否则进行下一个搜索点集的搜索,直至找出并线起点。
具体来说,由于车辆在直线也存在一定的波动,因此本发明实施例采用连续点群的搜索方法,即若存在一连续点群角速度方向保持不变且车辆轨迹产生了一定弧度,就认为其可能是一次变道行为。具体实施时,本发明实施例在进行并线起点的搜索时,首先确定出多个搜索点集,每次搜索N个点,例如从第1点到第N点作为第一个搜索点集,接着从第2个点到第N+1个点作为第二个搜索点集,依此类推,确定出所有的搜索点集后再进行并线起点的确定,具体的,搜索的表达式如下:
若则表示在N个连续的点的角速度方向保持不变,否则认为该段轨迹没有变道的可能性。其中,N的取值为从开始打方向盘到开始回方向盘所用的时间(视驾驶人习惯而定,一般取1s)与单位时间粒度(本发明实施例中为:1次/50ms)的比值,故本发明实施例中中N取值20。记录的区间为Ps(t0,t0+NΔT)。在该段时间内,轨迹转过的角度可表示如下:
换而言之,设定δ=NΔT,那么此时t0对应的邻域为U(t0,NΔT)U(t0,NΔT),若满足:
进一步的实施例中,当确定了并线起点后,即可根据并线起点确定出其余各个时间节点,具体的,
所述并线决策点的标定方法为:将在所述并线起点之前预设时间长度的点作为并线决策点。
具体来说,决策过程是指当驾驶员决定变道到开始并线的过程,决定变道的时刻对应轨迹点为Pd,开始并线对应的轨迹点为PS,两轨迹点之间有W个时间粒度点(W一般取60,表示3s内需要开始并线操作),在已标定的PS的基础上,ΔT表示单位时间粒度。
所述并线终点的标定方法为:基于所述并线起点和相邻时间粒度点之间的车辆角速度,采用连续点群法搜索出所述并线终点。
N取20,设定δ=NΔT,那么此时tN对应的邻域为U(tN,NΔT),若满足:
所述并线反转点的标定方法为:获取所述并线起点和并线终点之间的所有轨迹数据点,找出一个或者两个角速度为零的点,当只有一个角速度为零的点时,将改点所处的时间粒度作为并线转折点,当有两个角速度为零的点时,将两个点所处的时间粒度的平均值作为并线转折点。
S200、基于所述并线起点和并线决策点的处理后的轨迹数据,判断所述并线起点和所述并线决策点形成的轨迹是否为直线行驶轨迹,以得到直线行驶判断结果。
具体来说,在决策过程中,由于车辆在相邻时间粒度点之间可能存在一定的波动,导致产生角速度,为消除这种错误判断风险。故本发明实施例将车辆小范围的波动下的情况认定为是直线行驶,其数学模型表示如下:
并线决策点对应的轨迹点为Pd,并线起点对应的的轨迹点为Ps,两轨迹点之间有W个时间粒度点(W一般取60,表示3s内需要开始并线操作),在已标定的Ps的基础上,做以下分析:
ii)可由点Ps、Pd的坐标得到该两点的连线,并求出对应向量或方程,用坐标形式表示如下:
对应方程表示:
Ax+By+C=O。
iii)判定该过程是否为决策过程,即判定是否保持直线行驶
其中,表示位于并线起点和并线决策点之间的时间粒度点,表示点与并线起点和并线决策点之间的连线对应的向量之间的空间距离,S0为预设空间距离,表示点的直线行驶判断结果,Jd(t)表示并线决策点与并线起点形成的轨迹的直线行驶判断结果。
若Jd(t)=1,那么该段轨迹为直线行驶;若Jd(t)=0,那么认为该段轨迹不是直线行驶;其中S0一般取0.5m(需根据车型和车道宽度标定)。
S300、基于所述并线起点、并线反转点和并线终点的处理后的轨迹数据,计算出开始并线转过的第一角度和结束并线转过的第二角度,对所述第一角度和第二角度进行比较后,得到并线角度判断结果。
若这两个角度几乎相等,则认为是一次并线行为,其判断条件如下:
其中,表示第一角度,表示第二角度,k表示第一角度和第二角度之间的偏差率,JS(t)表示并线角度判断结果。若JS(t)=1,则认为该段是一次并线行为产生的轨迹;若JS(t)=0,则不认为其为并线行为产生的轨迹;其中α值一般取1%(α值约束了驾驶员并线前后在同一直线行驶)。
S400、基于所述并线决策点、并线起点、并线反转点和并线终点计算出车辆的横向偏移距离,将所述横向偏移距离与安全横向偏移距离进行比较后,得到车辆横移判断结果。
本实施例中,车辆完成上述并线行为后,必定产生一定的横向偏移距离,比较横向偏移距离成为判定变道行为的关键步骤。车辆完成一次变道产生的横向偏移距离与车辆横向安全距离相关,而车辆横向安全距离需由车辆实时速度确定,具体分析如下:
i)在横向安全距离下的车辆变道横线偏移距离
车辆速度与横向安全距离公式:
dsafe(v)=a+b*vc,
其中,a取0.6,b取0.06,c取0.5。
如图6所示,假定在交通量饱和的道路上,车辆正常行驶在车道中心位置,车道宽度为H0,车辆宽度为D,车辆到车道线的距离为h0,那么
2h0=dsafe(v),
车辆瞬时速度表示为:
可以推算得到车辆到车道线的安全距离随车辆瞬时速度变化函数:
h0(v)=0.5a+0.5b*(v(t))c,
那么车辆在保证安全的情况下,变道产生的横向偏移距离范围:
xmax(v)=2H0-2h0(v)-D,
xmin(v)=2h0(v)+D。
ii)轨迹产生的横偏移距离
考虑到变道前后直线行驶方向可能存在小角度偏差,驾驶员在决策过程中保持的直线行驶方向与并线后的直线行驶方向不在同一条直线上。要计算轨迹的横向偏移距离首先要确定车辆行驶方向,即计算参照方向。本发明以变道前后直线行驶时间段内时间粒度点坐标为散点图,利用最小二乘法回归得到变道前后直线行驶段的轨迹方程。以两直线夹角所成的角平分线为最终车辆行驶方向求取其横向偏移距离,具体如下:
并线前,点Pd至点Ps共有W个时间粒度点,将这段轨迹内的点表示为Pi(xi,yi);并线后,从点Pf往后仍然取W个时间粒度点,把这段轨迹内的点表示为Pj(xj,yj),那么根据最小二乘法原理,可得直线斜率Kbef(并线前)、Klat(并线后):
两直线斜率用坐标向量表示为:
将两个向量转换成相同的模:
那么,角平分线对应向量表示为:
校正斜率之后,两直线方程可以表示为:
Ax+By+Chef=O,
Ax+By+Clat=O,
根据距离公式计算点Pm到两直线的距离之和
s=Sbef+Slat。
iii)安全横向偏移距离X∈(xmin(v),xmax(v))与轨迹横向偏移距离比较
其中,Sbef表示并线反转点与并线前的车辆所处的直线轨迹之间的距离,Slat表示并线反转点与并线后的车辆所处的直线轨迹之间的距离,S表示车辆横移距离,xmin(v)表示最小安全横向偏移距离,xmax(v)表示最大安全横向偏移距离,Jx(t)表示车辆横移距离判断结果。
S500、基于所述直线行驶判断结果、并线角度判断结果和车辆横移距离判断结果,判断所述车辆是否发生换道行为。
本实施例中,定义判断函数GJ(t)为上述三个子过程判断函数的乘积,即
GJ(t)=Jd(t)*JS(t)*Jx(t),
其中,Jd(t)表示并线决策点与并线起点形成的轨迹的直线行驶判断结果,JS(t)表示并线角度判断结果,Jx(t)表示车辆横移距离判断结果,GJ(t)表示换道行为判断结果。
基于上述车辆换道行为识别方法,本发明还相应的提供一种车辆换道行为识别设备,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如上述各实施例所述的车辆换道行为识别方法中的步骤。
由于上文已对车辆换道行为识别方法进行详细描述,所述车辆换道行为识别方法具备的技术效果,所述车辆换道行为识别设备同样具备,在此不再赘述。
基于上述车辆换道行为识别方法,本发明还相应的提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述各实施例所述的车辆换道行为识别方法中的步骤。
由于上文已对车辆换道行为识别方法进行详细描述,所述车辆换道行为识别方法具备的技术效果,所述车辆换道行为识别设备同样具备,在此不再赘述。
综上所述,本发明提供的车辆换道行为识别方法、设备及存储介质,利用高精度定位数据深入挖掘轨迹数据,从中提取每点的线速度、角速度、方位角等基础数据,对各个基础数据进行分析、检测计算,进而得到检测结果,最后基于检测结果,判定车辆行驶中的某次行为是否为换道行为,可达到全段全过程高效识别变道行为的目的。通过计算驾驶人一次出行中总的换道次数,为后续分析驾驶员驾驶行为习惯,评估驾驶风险提供依据。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种车辆换道行为识别方法,其特征在于,包括如下步骤:
获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并对所述轨迹数据进行处理后,基于所述轨迹数据搜索出车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点;
基于所述并线起点和并线决策点的处理后的轨迹数据,判断所述并线起点和所述并线决策点形成的轨迹是否为直线行驶轨迹,以得到直线行驶判断结果;
基于所述并线起点、并线反转点和并线终点的处理后的轨迹数据,计算出开始并线转过的第一角度和结束并线转过的第二角度,对所述第一角度和第二角度进行比较后,得到并线角度判断结果;
基于所述并线决策点、并线起点、并线反转点和并线终点计算出车辆的横向偏移距离,将所述横向偏移距离与安全横向偏移距离进行比较后,得到车辆横移判断结果;
基于所述直线行驶判断结果、并线角度判断结果和车辆横移距离判断结果,判断所述车辆是否发生换道行为。
2.根据权利要求1所述的车辆换道行为识别方法,其特征在于,所述获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并对所述轨迹数据进行处理后,基于所述轨迹数据搜索出车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点的步骤具体包括:
获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,对所述轨迹数据进行处理后,计算出相邻时间粒度点之间的车辆角速度;
基于相邻时间粒度点之间的车辆角速度,采用连续点群法搜索车辆的并线起点,并根据所述并线起点标定出车辆的并线决策点、并线终点和并线反转点。
3.根据权利要求2所述的车辆换道行为识别方法,其特征在于,所述获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,对所述轨迹数据进行处理后,计算出相邻时间粒度点之间的车辆位移和车辆角速度的步骤具体包括:
获取在预设工作频率下采集的若干个不同时间粒度点的车辆行驶轨迹数据,并将各个所述行驶轨迹数据转换为在经典笛卡尔坐标系下的轨迹数据;
根据所述转换后的轨迹数据建立拟合曲线,根据所述拟合曲线计算出相邻时间粒度点之间的车辆位移和车辆角速度。
4.根据权利要求2所述的车辆换道行为识别方法,其特征在于,所述并线起点的搜索方法具体为:
按照各个轨迹数据的时间序列,以及预设的搜索数量,确定出多个搜索点集后,根据时间前后关系依次进行各个搜索点集的搜索,判断所述搜索点集的各个点是否具有相同方向的角速度,以及搜索点集所在的时间段车辆转过的方位角是否大于预设临界值,当所述搜索点集的各个点均具有相同方向的角速度,且搜索点集所在的时间段车辆转过的方位角大于预设临界值时,以所述搜索点集的第一个点作为并线起点,否则进行下一个搜索点集的搜索,直至找出并线起点。
5.根据权利要求4所述的车辆换道行为识别方法,其特征在于,
所述并线决策点的标定方法为:将在所述并线起点之前预设时间长度的点作为并线决策点;
所述并线终点的标定方法为:基于所述并线起点和相邻时间粒度点之间的车辆角速度,采用连续点群法搜索出所述并线终点;
所述并线反转点的标定方法为:获取所述并线起点和并线终点之间的所有轨迹数据点,找出一个或者两个角速度为零的点,当只有一个角速度为零的点时,将改点所处的时间粒度作为并线转折点,当有两个角速度为零的点时,将两个点所处的时间粒度的平均值作为并线转折点。
9.根据权利要求2所述的车辆换道行为识别方法,其特征在于,车辆是否发生换道行为的判断方程为:
GJ(t)=Jd(t)*JS(t)*Jx(t),
其中,Jd(t)表示并线决策点与并线起点形成的轨迹的直线行驶判断结果,JS(t)表示并线角度判断结果,Jx(t)表示车辆横移距离判断结果,GJ(t)表示换道行为判断结果。
10.一种车辆换道行为识别设备,其特征在于,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如权利要求1-9任意一项所述的车辆换道行为识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294276.5A CN113022570B (zh) | 2021-03-19 | 2021-03-19 | 一种车辆换道行为识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294276.5A CN113022570B (zh) | 2021-03-19 | 2021-03-19 | 一种车辆换道行为识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113022570A CN113022570A (zh) | 2021-06-25 |
CN113022570B true CN113022570B (zh) | 2022-06-10 |
Family
ID=76471648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110294276.5A Active CN113022570B (zh) | 2021-03-19 | 2021-03-19 | 一种车辆换道行为识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113022570B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104812650A (zh) * | 2012-09-12 | 2015-07-29 | 罗伯特·博世有限公司 | 用于获知车辆行驶时驾驶员故意或非故意变道的方法和信息系统 |
CN107209997A (zh) * | 2015-01-21 | 2017-09-26 | 株式会社电装 | 车辆的行驶控制装置以及行驶控制方法 |
CN109690651A (zh) * | 2016-09-09 | 2019-04-26 | 日产自动车株式会社 | 车辆的行驶控制方法以及行驶控制装置 |
CN110155053A (zh) * | 2018-02-12 | 2019-08-23 | 三星电子株式会社 | 提供用于驾驶车辆的信息的方法和设备 |
CN110329263A (zh) * | 2019-07-05 | 2019-10-15 | 西南交通大学 | 自动驾驶车辆自适应换道轨迹规划方法 |
CN110705388A (zh) * | 2019-09-16 | 2020-01-17 | 清华大学 | 一种基于预测反馈的辅助驾驶用目标车辆换道识别方法 |
WO2020135742A1 (zh) * | 2018-12-29 | 2020-07-02 | 长城汽车股份有限公司 | 自动驾驶车辆的横向决策系统及横向决策确定方法 |
CN111439263A (zh) * | 2018-12-29 | 2020-07-24 | 沈阳美行科技有限公司 | 车辆变道识别方法、装置、电子设备和存储介质 |
CN111994088A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 基于混合策略博弈的驾驶人换道意图识别方法及系统 |
CN112298200A (zh) * | 2019-07-26 | 2021-02-02 | 初速度(苏州)科技有限公司 | 一种车辆的换道方法和装置 |
-
2021
- 2021-03-19 CN CN202110294276.5A patent/CN113022570B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104812650A (zh) * | 2012-09-12 | 2015-07-29 | 罗伯特·博世有限公司 | 用于获知车辆行驶时驾驶员故意或非故意变道的方法和信息系统 |
CN107209997A (zh) * | 2015-01-21 | 2017-09-26 | 株式会社电装 | 车辆的行驶控制装置以及行驶控制方法 |
CN109690651A (zh) * | 2016-09-09 | 2019-04-26 | 日产自动车株式会社 | 车辆的行驶控制方法以及行驶控制装置 |
CN110155053A (zh) * | 2018-02-12 | 2019-08-23 | 三星电子株式会社 | 提供用于驾驶车辆的信息的方法和设备 |
WO2020135742A1 (zh) * | 2018-12-29 | 2020-07-02 | 长城汽车股份有限公司 | 自动驾驶车辆的横向决策系统及横向决策确定方法 |
CN111439263A (zh) * | 2018-12-29 | 2020-07-24 | 沈阳美行科技有限公司 | 车辆变道识别方法、装置、电子设备和存储介质 |
CN110329263A (zh) * | 2019-07-05 | 2019-10-15 | 西南交通大学 | 自动驾驶车辆自适应换道轨迹规划方法 |
CN112298200A (zh) * | 2019-07-26 | 2021-02-02 | 初速度(苏州)科技有限公司 | 一种车辆的换道方法和装置 |
CN110705388A (zh) * | 2019-09-16 | 2020-01-17 | 清华大学 | 一种基于预测反馈的辅助驾驶用目标车辆换道识别方法 |
CN111994088A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 基于混合策略博弈的驾驶人换道意图识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113022570A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10776634B2 (en) | Method for determining the course of the road for a motor vehicle | |
CN106104656B (zh) | 地图信息生成系统、方法及程序 | |
CN111439263B (zh) | 车辆变道识别方法、装置、电子设备和存储介质 | |
JP6504316B2 (ja) | 走行車線推定システム | |
CN110834642B (zh) | 车辆跑偏识别方法、装置、车辆及存储介质 | |
CN110954122B (zh) | 高速场景下的自动驾驶轨迹生成方法 | |
CN110189547A (zh) | 一种障碍物检测方法、装置及车辆 | |
CN115195790B (zh) | 一种预测车辆轨迹的方法、装置、电子设备及存储介质 | |
Wei et al. | Trajectory-based identification of critical instantaneous decision events at mixed-flow signalized intersections | |
JP6546548B2 (ja) | 衝突判定装置、衝突判定方法、およびプログラム | |
CN111707258A (zh) | 一种外部车辆监测方法、装置、设备及存储介质 | |
CN113022570B (zh) | 一种车辆换道行为识别方法及设备 | |
CN113561992B (zh) | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 | |
CN109353339B (zh) | 一种车辆导航方法以及系统 | |
WO2023236476A1 (zh) | 一种无车道线下确定跟踪轨迹的方法及装置 | |
CN111968395B (zh) | 车辆运动关系确定方法及装置 | |
JP5682302B2 (ja) | 走行道路推定装置、方法およびプログラム | |
Jia et al. | Measuring the motion of vulnerable road users relative to moving HGVs | |
CN117146838A (zh) | 一种路径规划方法及装置、相关产品 | |
CN113033267B (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN116749989B (zh) | 驾驶员转弯驾驶习惯识别方法、装置、设备及存储介质 | |
CN112937604A (zh) | 一种变道处理方法、装置、设备及车辆 | |
Cario et al. | Predictive time-to-lane-crossing estimation for lane departure warning systems | |
CN114152666B (zh) | 车辙判定装置、车辙判定方法和存储介质 | |
CN116176581B (zh) | 一种目标跟踪车辆选择方法、设备和存储介质 |
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 |