CN113297669B - 一种仿真环境下非机动车交通流群组识别方法和装置 - Google Patents
一种仿真环境下非机动车交通流群组识别方法和装置 Download PDFInfo
- Publication number
- CN113297669B CN113297669B CN202110528622.1A CN202110528622A CN113297669B CN 113297669 B CN113297669 B CN 113297669B CN 202110528622 A CN202110528622 A CN 202110528622A CN 113297669 B CN113297669 B CN 113297669B
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- group
- motor
- motor vehicles
- vehicle
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种仿真环境下非机动车交通流群组识别方法和装置，包括：根据即将进行右转的机动车确定直行非机动车道上可能发生机非交互的非机动车集合，获取非机动车集合中的非机动车速度、加速度和位置等数据，再结合所述数据计算非机动车群组划分指标；并根据右转机动车的微观数据计算得出群组划分阈值，结合非机动车群组划分指标对非机动车集合进行群组划分，从而识别了非机动车交通流中的非机动车群组。本发明提供的方法综合考虑了非机动车之间的距离间隙和时间间隙，对群组的划分更加合理，进而识别了非机动车交通流中的非机动车群组。
Description
技术领域
本发明涉及交通仿真控制技术领域，具体而言涉及一种仿真环境下非机动车交通流群组识别方法和装置。
背景技术
混合交通是我国城市交通的主要特征之一，在交叉口经常出现频繁的机非交互与冲突，尤其是右转机动车和直行非机动车之间的冲突。在非机动车流量密度大的交叉口，经常出现右转机动车和直行非机动车互相抢行的现象，使得机非交互的过程变得非常复杂。直行非机动车行驶具有成团性，因此右转非机动车与直行非机动车的交互通常都是与非机动车群体进行交互，而不是与单个非机动车进行交互。右转机动车的通行优先级虽然低于直行非机动车，但是实际情况中，基本都是按照“先到先得”的原则行驶，甚至有些时候会出现抢行的现象。
在目前的交通仿真软件中，大多数软件对于右转车的通行权规定严格，从而回避了机非交互的问题；无法还原一个较好的机非交互场景。同时目前对于机非交互的研究中，研究成果多集中于机动车和非机动车进行交互，对于非机动车交通流中的非机动车群组考虑较少。
发明内容
本发明针对现有技术中的不足，提供一种仿真环境下非机动车交通流群组识别方法和装置，以局部范围内非机动车车辆的速度和坐标数据为基本信息，计算各个非机动车的群组划分指标，并根据右转机动车的速度确定群组划分阈值，对非机动车进行群组划分，从而实现具有实际交通参考意义的非机动车交通流群组识别结果。
为实现上述目的，本发明采用以下技术方案：
第一方面，本发明实施例提出了一种仿真环境下非机动车交通流群组识别方法，所述识别方法包括：
根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据，所述微观仿真数据至少包括每辆非机动车的实时位置和行驶速度；
根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序，生成对应的非机动车集合，结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标；
根据即将进行右转的机动车的微观仿真数据计算得出群组划分阈值；
结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求。
可选的，所述识别方法还包括：
通过微观交通仿真装置获取即将进行右转的机动车的微观仿真数据和非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据。
可选的，所述根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据的过程包括：
根据右转机动车的微观仿真数据确定非机动车交通流中潜在交互的判别范围；
根据判别范围确定可能与右转机动车产生机非交互的非机动车集合，获取非机动车集合内非机动车的包括行驶速度和位置坐标在内的微观仿真数据。
可选的，所述根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序的过程包括：
将非机动车行驶方向作为y轴的正方向，按照y轴坐标取值由大到小的顺序对所有非机动车进行排序。
可选的，所述结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标的过程包括以下步骤：
获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据；针对第i辆非机动车，根据以下公式计算得到对应的群组划分指标fi：
Δv＝vi-vi-1
ldi＝yi-1-yi
fi＝(1-wi)*ldi+wi*di*tdi
式中，i＝1,2,…,n，n是获取的非机动车的总数；vi与vi-1分别表示第i辆非机动车和第i-1辆非机动车的速度，Δv表示第i辆非机动车与第i-1辆非机动车的速度差；yi与yi-1表示第i辆非机动车和第i-1辆非机动车的y轴坐标取值；ldi和tdi分别表示第i辆非机动车与第i-1辆非机动车的y轴坐标差值和到达潜在冲突点位置时间差，wi表示tdi对应的权重。
可选的，根据下述公式计算得出群组划分阈值：
式中，l表示为非机动车车辆标准车长，v0表示右转机动车速度，表示非机动车集合内所有非机动车的平均速度。
可选的，所述结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求的过程包括以下步骤：
按照排序检索第一辆未划分群组的非机动车，计算对应的群组划分指标，为该非机动车创建一个新群组J并将该车作为群组J的尾车；
计算后一辆非机动车的群组划分指标，若该非机动车的群组划分指标小于群组划分阈值，则将该车也计入群组J且作为新的尾车，否则，为该车创建群组J+1，并将该车作为群组J+1的尾车；
按照排序依次计算其他非机动车的群组划分指标，若选取的非机动车的群组划分指标小于群组划分阈值，则将选取的非机动车计入当前最新一个群组J+m-1且作为新的尾车，否则，为选取的非机动车创建新的群组J+m，并将该车作为新的群组的尾车，直至非机动车集合内所有非机动车均被划分进对应的群组，m＝1,…,M-1，M为划分得到的群组总数；
输出划分得到的所有群组。
第二方面，本发明实施例提出了一种仿真环境下非机动车交通流群组识别装置，所述识别装置包括：
非机动车数据获取模块，用于根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据，所述微观仿真数据至少包括每辆非机动车的实时位置和行驶速度；
群组划分指标计算模块，用于根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序，生成对应的非机动车集合，结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标；
群组划分阈值计算模块，根据即将进行右转的机动车的微观仿真数据计算得出群组划分阈值；
群组划分模块，用于结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求。
第三方面，本发明实施例提出了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意一个实施例所提供的非机动车交通流群组识别方法。
第四方面，本发明实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意一个实施例所提供的非机动车交通流群组识别方法。
本发明的有益效果是：
本发明实施例的仿真环境下非机动车交通流群组识别方法和装置，以局部范围内非机动车车辆的速度、加速度和坐标数据为基本信息，计算各个非机动车的群组划分指标，并根据右转机动车的速度确定群组划分阈值，从而对非机动车交通流进行群组划分，用以识别非机动车交通流中的非机动车群组。本发明提供的方法综合考虑了距离间隙和时间间隙，对非机动车交通流的群组划分更加合理，进而可以较好地识别非机动车交通流中的群组，从而为还原机非交互的微观交通仿真场景提供基础。
附图说明
图1是本发明实施例的仿真环境下非机动车交通流群组识别方法流程图。
图2是本发明实施例的示例中交通状况的示意图。
图3是本发明实施例的示例中群组划分结果示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
实施例一
图1是本发明实施例仿真环境下非机动车交通流群组识别方法。本实施例可适用于通过服务器等设备对非机动车交通流进行群组识别的情况，该方法可以由仿真环境下非机动车交通流群组识别装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在电子设备中，例如集成服务器设备中。
参见图1，该识别方法包括：
步骤一、根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据，所述微观仿真数据至少包括每辆非机动车的实时位置和行驶速度。
示例性地，可以通过微观交通仿真装置直接获取即将进行右转的机动车的微观仿真数据和非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据。
而根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据的过程包括：
根据右转机动车的微观仿真数据确定非机动车交通流中潜在交互的判别范围；根据判别范围确定可能与右转机动车产生机非交互的非机动车集合，获取非机动车集合内非机动车的包括行驶速度和位置坐标在内的微观仿真数据。
图2是本发明实施例的示例中交通状况的示意图。左侧为机动车道，右侧为非机动车道，非机动车道又被划分成四个子车道，非机动车道上行驶10辆非机动车，这10辆非机动车均有可能与当前右转机动车发生机非交互。以机动车右拐轨迹获取为例，该步骤事实上是对非机动车进行了初步筛选，判断哪些非机动车有可能在道路右拐处与机动车发生碰擦。对于明显会在机动车右拐前或者右拐后到达道路右拐口的非机动车，则不属于获取对象。应当理解，此处非机动车道被划分成四个或者其他数量的子车道只是为了方便理解本发明的技术方案，并非限定本发明识别方法的使用场景为类似的固定子车道。本发明充分考虑了实际道路环境中通常不会对非机动车道进行进一步车道划分，在技术方案上只引入了Y轴(即非机动车行驶方向)上的位置信息，并未引入横向位置信息。
步骤二、根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序，生成对应的非机动车集合，结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标。
根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序的过程包括：将非机动车行驶方向作为y轴的正方向，按照y轴坐标取值由大到小的顺序对所有非机动车进行排序。以图2中的场景为例，根据非机动车的位置信息将10辆非机动车分别编号为0～9，生成与当前右转机动车对应的非机动车集合。
在此基础上，结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标的过程包括以下步骤：
S21，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据。表1是非机动车集合中所有非机动车的微观仿真数据表。
表1非机动车集合中所有非机动车的微观仿真数据表
| 非机动车编号 | 车道编号 | 速度 | y轴坐标 |
| 0 | 2 | 1.25 | 51.06 |
| 1 | 3 | 2.13 | 50.21 |
| 2 | 1 | 1.45 | 49.37 |
| 3 | 0 | 2.29 | 48.45 |
| 4 | 1 | 3.67 | 39.77 |
| 5 | 2 | 3.78 | 38.19 |
| 6 | 0 | 4.29 | 37.24 |
| 7 | 0 | 5.54 | 30.11 |
| 8 | 2 | 3.91 | 21.15 |
| 9 | 3 | 4.02 | 21.93 |
S22，针对第i辆非机动车，根据以下公式计算得到对应的群组划分指标fi：
Δv＝vi-vi-1
ldi＝yi-1-yi
fi＝(1-wi)*ldi+wi*vi*tdi
式中，i＝1,2,…,n，n是获取的非机动车的总数；vi与vi-1分别表示第i辆非机动车和第i-1辆非机动车的速度，Δv表示第i辆非机动车与第i-1辆非机动车的速度差；yi与yi-1表示第i辆非机动车和第i-1辆非机动车的y轴坐标取值；ldi和tdi分别表示第i辆非机动车与第i-1辆非机动车的y轴坐标差值和到达潜在冲突点位置时间差，wi表示tdi对应的权重。表2是根据前述公式计算得到的非机动车0～9的群组划分指标汇总表。
表2非机动车0～9的群组划分指标汇总表
步骤三、根据即将进行右转的机动车的微观仿真数据计算得出群组划分阈值。
群组划分阈值作为群组划分的直接指标，如果选取过大，虽然可以满足机动车安全右转需求，但很容易将更多数量的保持有较大距离的非机动车划分成一组，浪费道路资源，容易造成交通拥塞；反之，如果选取过小，又难以确保机动车安全右转的需求。
在本实施例中，群组划分阈值由机动车涉及到的右转参数和非机动车的车速共同判定，计算得到的群组划分阈值具有很强的针对性，能够在确保机动车安全右转需求的基础上，尽可能地提高道路资源的利用率。
具体的，根据下述公式计算得出群组划分阈值：
式中，l表示为非机动车车辆标准车长，v0表示右转机动车速度，表示非机动车集合内所有非机动车的平均速度。例如，设非机动车车辆标准车长l＝2.0m，右转机动车速度v0＝2.5m/s；非机动车平均速度计算得出为/>则群组划分阈值s＝3.35。
步骤四、结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求。
结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求的过程包括以下步骤：
S41，按照排序检索第一辆未划分群组的非机动车，计算对应的群组划分指标，为该非机动车创建一个新群组J并将该车作为群组J的尾车。
S42，计算后一辆非机动车的群组划分指标，若该非机动车的群组划分指标小于群组划分阈值，则将该车也计入群组J且作为新的尾车，否则，为该车创建群组J+1，并将该车作为群组J+1的尾车。
S43，按照排序依次计算其他非机动车的群组划分指标，若选取的非机动车的群组划分指标小于群组划分阈值，则将选取的非机动车计入当前最新一个群组J+m-1且作为新的尾车，否则，为选取的非机动车创建新的群组J+m，并将该车作为新的群组的尾车，直至非机动车集合内所有非机动车均被划分进对应的群组，m＝1,…,M-1，M为划分得到的群组总数；
S44，输出划分得到的所有群组。
参见表2，首先，将非机动车0作为群组J的尾车。其次，由于非机动车1的群组划分指标为1.78，小于群组划分阈值3.35，因此将非机动车1归入群组J，同样的，非机动车2～3也归入群组J，且最后加入的非机动车3为群组J的尾车。再次，非机动车4的群组划分指标为4.76，大于群组划分阈值3.35，因此，创建群组J+1，将非机动车4作为群组J+1的尾车，同样的，由于非机动车5～7的群组划分指标均小于群组划分阈值，将非机动车5～7归入群组J+1，且最后加入的非机动车7为群组J+1的尾车。最后，由于非机动车8的群组划分指标大于群组划分阈值，创建群组J+2，将非机动车8归入群组J+2，并且由于非机动车9的群组划分指标小于群组划分阈值，将非机动车9归入群组J+2并作为群组J+2的尾车。
为了便于查看，可以将J的取值设定为1，最后输出群组1～4，群组1内包含非机动车0～3，群组2内包含非机动车4～7，群组3内包含非机动车8～9。表3是非机动车0～9的群组划分结果。图3是本发明实施例的示例中群组划分结果示意图。
表3非机动车0～9的群组划分结果
| 群组编号 | 群组包含的非机动车编号 |
| 1 | 0,1,2,3 |
| 2 | 4,5,6,7 |
| 3 | 8,9 |
示例性地，还可以采用以下方法得到群组：
首先，计算得到非机动车集合中每个非机动车的群组划分指标。其次，将第一辆车作为群组1的首车，再筛选出群组划分指标大于群组划分阈值的非机动车作为其他各个群组的首车，群组的编号与筛选出的首车的位置相对应。最后，将其他非机动车按照位置归入各个群组，且维持原位置排序。
同样以非机动车0～9为例进行说明。首先，计算得到非机动车0～9的群组划分指标。其次，筛选出群组划分指标大于群组划分阈值的非机动车，即非机动车4和非机动车8，连同非机动车0生成三个群组1～3，非机动车0作为群组1的首车，非机动车4作为群组2的首车，非机动车8作为群组3的首车。最后，将其他非机动车按照位置归入各个群组，且维持原位置排序，即非机动车1～3归入群组1，非机动车5～7归入群组2，非机动车9归入群组3，且每个群组中的非机动车均维持原位置排序。同样可以得到表3的群组划分结果。
实施例二
本发明实施例提出了一种仿真环境下非机动车交通流群组识别装置，该识别装置包括：
非机动车数据获取模块，用于根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据，该微观仿真数据至少包括每辆非机动车的实时位置和行驶速度。
群组划分指标计算模块，用于根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序，生成对应的非机动车集合，结合非机动车的微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标。
群组划分阈值计算模块，根据即将进行右转的机动车的微观仿真数据计算得出群组划分阈值。
群组划分模块，用于结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求。
通过本发明实施例二的识别装置，以局部范围内非机动车车辆的速度和坐标数据为基本信息，计算各个非机动车的群组划分指标，并根据右转机动车的速度确定群组划分阈值，达到对非机动车交通流进行群组划分、以实现在满足机动车安全右转前提下大幅提高道路利用率的目标。本发明实施例所提供的识别装置可执行本发明任意实施例所提供的非机动车交通流群组识别方法，具备执行方法相应的功能模块和有益效果。
实施例三
本申请实施例提供了一种电子设备，包括处理器、存储器、输入装置和输出装置；电子设备中，处理器的数量可以一个或多个；电子设备中的处理器、存储器、输入装置和输出装置可以通过总线或其他方式连接。
存储器作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的检测方法对应的程序指令/模块。处理器通过运行存储在存储器中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现本发明实施例所提供的非机动车交通流群组识别方法。
存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，可以包括键盘、鼠标等。输出装置可包括显示屏等显示设备。
实施例四
本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前所述非机动车交通流群组识别方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于环境上下文一致性的统一处理方法中的相关操作。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (6)
1.一种仿真环境下非机动车交通流群组识别方法，其特征在于，所述识别方法包括：
根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据，所述微观仿真数据至少包括每辆非机动车的实时位置和行驶速度；
根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序，生成对应的非机动车集合，结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标；
根据即将进行右转的机动车的微观仿真数据计算得出群组划分阈值；
结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求；
所述根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序的过程包括：
将非机动车行驶方向作为y轴的正方向，按照y轴坐标取值由大到小的顺序对所有非机动车进行排序；
所述结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标的过程包括以下步骤：
获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据；
针对第i辆非机动车，根据以下公式计算得到对应的群组划分指标fi：
Δv＝vi-vi-1
ldi＝yi-1-yi
fi＝(1-wi)*ldi+wi*vi*tdi
式中，i＝1,2,...,n，n是获取的非机动车的总数；vi与vi-1分别表示第i辆非机动车和第i-1辆非机动车的速度，Δv表示第i辆非机动车与第i-1辆非机动车的速度差；yi与yi-1表示第i辆非机动车和第i-1辆非机动车的y轴坐标取值；ldi和tdi分别表示第i辆非机动车与第i-1辆非机动车的y轴坐标差值和到达潜在冲突点位置时间差，wi表示tdi对应的权重；
根据下述公式计算得出群组划分阈值：
式中，l表示为非机动车车辆标准车长，v0表示右转机动车速度，表示非机动车集合内所有非机动车的平均速度；
所述结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求的过程包括以下步骤：
按照排序检索第一辆未划分群组的非机动车，计算对应的群组划分指标，为该非机动车创建一个新群组J并将该车作为群组J的尾车；
计算后一辆非机动车的群组划分指标，若该非机动车的群组划分指标小于群组划分阈值，则将该车也计入群组J且作为新的尾车，否则，为该车创建群组J+1，并将该车作为群组J+1的尾车；
按照排序依次计算其他非机动车的群组划分指标，若选取的非机动车的群组划分指标小于群组划分阈值，则将选取的非机动车计入当前最新一个群组J+m-1且作为新的尾车，否则，为选取的非机动车创建新的群组J+m，并将该车作为新的群组的尾车，直至非机动车集合内所有非机动车均被划分进对应的群组，m＝1,...,M-1，M为划分得到的群组总数；
输出划分得到的所有群组。
2.根据权利要求1所述的仿真环境下非机动车交通流群组识别方法，其特征在于，所述识别方法还包括：
通过微观交通仿真装置获取即将进行右转的机动车的微观仿真数据和非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据。
3.根据权利要求1所述的仿真环境下非机动车交通流群组识别方法，其特征在于，所述根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据的过程包括：
根据右转机动车的微观仿真数据确定非机动车交通流中潜在交互的判别范围；
根据判别范围确定可能与右转机动车产生机非交互的非机动车集合，获取非机动车集合内非机动车的包括行驶速度和位置坐标在内的微观仿真数据。
4.一种基于权利要求1-3任一项中所述方法的仿真环境下非机动车交通流群组识别装置，其特征在于，所述识别装置包括：
非机动车数据获取模块，用于根据即将进行右转的机动车的位置信息和行驶信息，获取非机动车交通流中可能与右转机动车产生机非交互的所有非机动车的微观仿真数据，所述微观仿真数据至少包括每辆非机动车的实时位置和行驶速度；
群组划分指标计算模块，用于根据实时位置信息对所有可能与右转机动车产生机非交互的非机动车进行位置排序，生成对应的非机动车集合，结合所述微观仿真数据计算得出每一辆非机动车相对于前一辆非机动车的动态演化后的位置差，作为每一辆非机动车的群组划分指标；
群组划分阈值计算模块，根据即将进行右转的机动车的微观仿真数据计算得出群组划分阈值；
群组划分模块，用于结合群组划分阈值和获取的所有非机动车的群组划分指标，对获取的所有非机动车进行群组划分，使相邻群组到达潜在冲突点的时间差满足机动车右转时长需求。
5.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一项所述的非机动车交通流群组识别方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一项所述的非机动车交通流群组识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110528622.1A CN113297669B (zh) | 2021-05-14 | 2021-05-14 | 一种仿真环境下非机动车交通流群组识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110528622.1A CN113297669B (zh) | 2021-05-14 | 2021-05-14 | 一种仿真环境下非机动车交通流群组识别方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113297669A CN113297669A (zh) | 2021-08-24 |
| CN113297669B true CN113297669B (zh) | 2024-04-09 |
Family
ID=77322293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110528622.1A Active CN113297669B (zh) | 2021-05-14 | 2021-05-14 | 一种仿真环境下非机动车交通流群组识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113297669B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942359A (zh) * | 2014-03-13 | 2014-07-23 | 华南理工大学 | 无信号交叉口自行车冲突避让行为仿真模型的建模方法 |
| CN110136457A (zh) * | 2019-05-15 | 2019-08-16 | 青岛市城市规划设计研究院 | 基于微观交通仿真的城市交叉口群协调优化方法 |
| CN110383360A (zh) * | 2016-12-19 | 2019-10-25 | 斯鲁格林有限责任公司 | 利用数字优先级排定的连接且自适应的车辆交通管理系统 |
| 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 |
| JP2021047856A (ja) * | 2019-09-18 | 2021-03-25 | ▲広▼州大学 | 車両道路シミュレーションシーンの作成方法、装置、媒体、及び機器 |
Family Cites Families (1)
| 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 |
-
2021
- 2021-05-14 CN CN202110528622.1A patent/CN113297669B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942359A (zh) * | 2014-03-13 | 2014-07-23 | 华南理工大学 | 无信号交叉口自行车冲突避让行为仿真模型的建模方法 |
| CN110383360A (zh) * | 2016-12-19 | 2019-10-25 | 斯鲁格林有限责任公司 | 利用数字优先级排定的连接且自适应的车辆交通管理系统 |
| CN110136457A (zh) * | 2019-05-15 | 2019-08-16 | 青岛市城市规划设计研究院 | 基于微观交通仿真的城市交叉口群协调优化方法 |
| JP2021047856A (ja) * | 2019-09-18 | 2021-03-25 | ▲広▼州大学 | 車両道路シミュレーションシーンの作成方法、装置、媒体、及び機器 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 平面交叉口混合交通流建模与仿真;柴晨;钮志强;王宪;童琦;裴洋;熊雪萍;;北华航天工业学院学报(02);全文 * |
| 非机动车影响下信号交叉口转向通行能力模型的比较;陈晓明;邵春福;赵熠;李妲;;北京交通大学学报(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113297669A (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE112016003585B4 (de) | Fahrzeugsteuervorrichtung, Fahrzeugsteuerverfahren und Fahrzeugsteuerprogramm | |
| CN113312760B (zh) | 一种基于交通仿真的网联机动车右转轨迹规划方法和装置 | |
| DE112015001150B4 (de) | Verfahren, Vorrichtung und System zur Unterstützung von Platooning | |
| DE102018102281A1 (de) | Verbesserte v2x-ereignisverbreitung | |
| CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
| CN108595823A (zh) | 一种联合驾驶风格和博弈理论的自主车换道策略的计算方法 | |
| CN113421432B (zh) | 交通限行信息检测方法、装置、电子设备和存储介质 | |
| WO2018108559A2 (de) | Speicherung von geschwindigkeitsinformationen zur prädiktion der zukünftigen geschwindigkeitstrajektorie | |
| CN101465058B (zh) | 智能式动态路线诱导系统诱导单元决策方法 | |
| Walker et al. | Telematics, Urban Freight Logistics, and Low Carbon Road Networks | |
| CN109213153A (zh) | 一种车辆自动驾驶方法及电子设备 | |
| CN108877253A (zh) | 一种基于物联网的公交专用道资源动态共享方法及系统 | |
| CN110992676B (zh) | 一种道路通行能力与网联自动驾驶车当量系数估计方法 | |
| CN109118820A (zh) | 一种城市停车诱导信息动态仿真方法及系统 | |
| CN114839984A (zh) | 一种班车路径规划方法、装置、设备及存储介质 | |
| CN113297669B (zh) | 一种仿真环境下非机动车交通流群组识别方法和装置 | |
| DE112018003472T5 (de) | Anzeigevorrichtung, Anzeigemethode und Steuervorrichtung | |
| CN107622666A (zh) | 一种平衡车巡航执法方法和装置 | |
| CN106683220A (zh) | 一种车辆管理系统 | |
| CN116594002A (zh) | 一种错时发波的多雷达数据融合方法、装置、设备及介质 | |
| CN113538893B (zh) | 车辆预警方法、控制方法、装置及电子设备 | |
| EP4339051A1 (en) | Driving strategy determination method and apparatus, device, and vehicle | |
| CN113392106A (zh) | 一种多智能体交通仿真数据存储与更新方法 | |
| CN108052646A (zh) | 实时计算大数据系统和方法 | |
| CN104504931A (zh) | 城市停车诱导信息发布系统的动态评价方法及系统 |
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 |