CN113356101A - 一种大型车辆右转盲区的城市道路警示标线设计方法 - Google Patents

Abstract

本发明公开了一种大型车辆右转危险盲区警示线的测画方法，并进一步给出了危险盲区警示区域相应的模型，针对大型车辆右转危险盲区问题，设计观测试验，探究大型车辆右转的轨迹规律，通过轨迹提取软件，提取多辆大型车辆右转后轮轨迹数据从而获得大型车辆右转后轮轨迹集群，在此基础上，建立大型车辆右转危险警示区域模型，再根据此模型确定大型车辆右转危险盲区警示线的画法。本发明从交通标志标线的角度针对交叉口大型车辆右转与行人、非机动车的冲突问题提出了新的解决方案，提出了一种确定交叉口大型车辆右转危险盲区警示线的测画方法。

Description

一种大型车辆右转盲区的城市道路警示标线设计方法

技术领域：

本发明涉及交通安全技术领域，具体为一种大型车辆右转盲区的城市道路警示标线设计方法。

背景技术：

大型车辆转弯盲区事故是指，大型车辆由于自身车体相较其他机动车偏大的原因，驾驶员通过直接视野和间接视野不足以对车身周围情况充分了解而导致的交通事故。近年来在已发生的道路交通事故中，由大型车辆视觉盲区造成交通事故所占比重较高。

大型车内轮差盲区导致的交通事故频发，致人死亡概率大。事故调查发现，该类交通事故具有高度的相似性，一是出事的地点相似：往往发生在路口的转弯处，大型车向右转弯，行人或非机动车直行，大货车在转向时将行人或者非机动车驾驶人撞倒，经车轮碾压并致其死亡；二是肇事车辆相类似：一般来说是载重15吨及以上的重型自卸货车、公交客车、重型混凝土搅拌车和罐车，轮胎大，驾驶室较高，车身一般是有三轴及以上，当事故发生时，大多数受害者和大型车的碰撞位置主要是在前轮和中轮中间或者在车辆的中轮和后轮中间；三是大型车的驾驶员行为相类似：在绿灯时，驾驶人右转弯，因盲区存在，驾驶员在后视镜中根本看不到处于非机动车道上的行人和非机动车，误认为车辆可安全右转，当碰倒行人或非机动车后，无减速制动措施，直接将受害者卷入车轮下并碾压，这是引发事故的主要原因。

目前，关于大型车转弯盲区的研究起步较晚，主要是针对大货车盲区安全事故的成因分析以及相关的改善措施研究，在发明专利和实用新型专利中主要对警示区域进行实时监测预警，但这些改善措施存在一定的缺陷。现有的研究中优化的内容往往只在于机动车驾驶员，而没有对道路中的交通弱势群体的危险行为进行警示与干预。例如，张清峰在论文“大型车右转弯车祸频发现象分析及对策研究”(铁道建筑技术,2014年)，以及专利(CN102660912A[P]、中国,CN202936743U[P]、中国,201230209316.3[P])中针对道路运输中大型车右转事故频发的现象，从系统工程学的角度出发，探讨和分析了事故发生的原因，主要从道路小半径弯道内侧设置警示牌警示标志、大型车后视镜加装广角后视镜、设置右转信号灯和加强盲区安全教育四方面给出针对性措施。戴文瑞在论文“大型车辆右转内轮差危险区域主动警示系统”(物联网技术，2016年)针对大型车辆的内轮差危险区域对路人生命安全造成较大威胁的问题,运用激光探测设备设计了一个大型车辆右转内轮差危险区域主动警示系统。杨炜在论文“大型车辆右转弯盲区预警系统设计”(中国科技论文，2019年)设计了一种大型车辆右转弯盲区预警系统。当采集到右转向灯开启信号时,系统启动视觉传感器拍摄盲区图像，来检测危险情况并预警。

综上述，现有的研究主要集中在大型车交通事故原因研究、后视镜视野以及制定相关针对性改善方案等方面，往往只针对于大型车辆右转过程中驾驶员与机动车方面解决提供了一定的方法，但是没有涉及大型车右转标志标线的研究，也没有形成一套行之有效的大型车辆右转警示标线测画方法。

因此，本发明通过无人机交通流视频检测装置收集并提取道路交叉口大型车辆右转的轨迹的集群，通过Tracker轨迹分析软件分析右转车辆的轨迹规律，建立大型车辆右转后轮轨迹的模型，并大型车辆右转后轮轨迹模型用于实际道路标线中，从而降低道路交叉口中的非机动车与行人的事故率。

发明内容：

为了弥补现有技术问题的不足，本发明的目的是提供一种大型车辆右转的城市道路警示标线设计方法，根据在实际环境中确定的大型车辆的后轮轨迹集群，提出一种大型车辆右转的城市道路警示标线设计方法，能够同时警示含行人，非机动车等多种交通参与者。

本发明的技术方案如下：

一种大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，包括以下步骤：

步骤一、设计实验，探究道路交叉口大型车辆进行右转过程中的后轮轨迹规律：1)、选取探究地点：转弯半径适合大型车辆道路通过的交叉口；

2)、采集探究地点大型车辆道路右转信息：开始前将无人机交通流视频检测装置于交叉口上空，采集交叉口中大型右转车辆的后轮轨迹、车辆的实时位置信息和行驶方向；

3)、拍摄并存储探究地点大型车辆右转视频：将无人机交通流视频检测装置通过无线与接收终端相连接，并拍摄大型车辆右转视频进行存储；

步骤二、根据步骤一大型车辆右转视频，提取交叉口中大型车辆右转的后轮轨迹数据，并获取大型车辆的后轮在交叉口的轨迹集群，探究大型车辆后轮轨迹随时间的变化规律；

步骤三、根据交叉口中大型车辆右转的后轮轨迹数据，建立大型车辆右转后轮轨迹模型；以右转危险盲区不超过斑马线边缘为前提条件，确定轨迹集群的内侧后轮轨迹线、外侧后轮轨迹线与斑马线的相对位置，确定大货车右转盲区警示区域：在轨迹群的内侧后轮轨迹线、外侧后轮轨迹线与斑马线之间的区域；

步骤四、沿着大货车右转盲区警示区域轮廓画出城市道路警示标线。

所述的大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，所述大型车辆右转的轨迹根据道路车道数设置多个区间,分别为第一车道、第二车道、第三车道……。

所述的大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，根据步骤一中获取的交叉口中大型车辆右转的后轮轨迹数据，步骤二中探究大型车辆后轮轨迹随时间的变化规律采用Tracker软件，具体如下：

1)、在视频中选取最右侧车道的转角处作为坐标原点，再选取两个间距已知的特征点，两个特征点之间的距离称为特征长度；

2)、选取视频中进行右转的大型车辆后轮区域为特征区域进行识别跟踪，计算出车轮区域的中心为车轮轮心，每帧画面轮心坐标跟踪结果为车辆轮心的运动轨迹，通过采集监测点在一定帧数内行驶过的轨迹y＝f(x)，其中x为大货车后轮轨迹水平方向上的坐标，其中y为大货车后轮轨迹垂直方向上的坐标，并对照特征长度来确定车辆在曲线行驶时的每一帧坐标(x,y)。

所述的大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，大货车右转盲区警示区域在轨迹群的内侧后轮轨迹线、外侧后轮轨迹线与斑马线之间的区域，y＝f(x)满足以下关系：

f(x_内侧)≤f(x)≤f(x_外侧) (1)

x≤l (2)

l即为斑马线右侧边缘距最外侧车道的转角处的垂直距离；

根据SPSS软件对最外侧后轮轨迹曲线y＝f(x_外侧)及最内侧后轮轨迹曲线y＝f(x_内侧)进行拟合，得到大型车辆右转后轮轨迹区域点集模型S为:

S＝{(x,y)|f(x_内侧)≤y≤f(x_外侧),x≤l,y≥0}。

本发明的优点是：

1、本发明通过无人机交通流视频检测装置收集并提取道路交叉口大型车辆右转的轨迹的集群，通过Tracker轨迹分析软件分析右转车辆的轨迹规律，建立大型车辆右转后轮轨迹的模型，并将大型车辆右转后轮轨迹模型用于实际道路标线中，从而降低道路交叉口中的非机动车与行人的事故率；

2、本发明提出了一种大型车辆右转危险盲区警示线的画法，并进一步给出了危险盲区警示区域相应的模型，通过该画法与模型，可以确定设计转弯半径，从而解决交叉口的危险盲区警示线，弥补了前人研究的不足；

3、本发明从交通标线的角度针对交叉口大型车辆右转与行人、非机动车的冲突提出了新的解决方案，大货车右转危险盲区警示线对大型车辆驾驶人员驾驶时起到警示的作用，可以提醒大型车辆在警示区内行驶时要注意区域内驾驶；另一方面可以警示非机动车与行人注意道路情况。

附图说明：

图1为本发明的流程框图。

具体实施方式：

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

一种大型车辆右转盲区的城市道路警示标线设计方法,包括以下步骤：

步骤一、设计实验，探究道路交叉口大型车辆进行右转过程中的后轮轨迹规律；

首先，实验选取典型的转弯半径为20米的道路交叉口作为探究地点，实验开始前将无人机交通流视频检测装置于交叉口上空，采集交叉口中大型右转车辆的后轮轨迹、车辆的实时位置信息和行驶方向；无人机交通流视频检测装置通过无线与手机相连接，并拍摄大型车辆右转视频存于储存卡中。其中，无人机交通流视频检测装置的飞行高度为150米，大型车辆右转的轨迹根据道路车道数设置4个区间,分别为：第一车道，第二车道，第三车道，第四车道；通过实验获取大型车辆在此转弯半径下的轨迹集群。

步骤二、根据所获得的的视频信息，提取交叉口中大型车辆右转的后轮轨迹数据；

根据(1)中获取的数据，利用Tracker轨迹追踪软件探究大型车辆后轮轨迹随时间的变化规律，首先在视频中选取最右侧车道的转角处作为坐标原点，车道边缘线为y轴，其次选取两个间距已知的特征点，两个特征点之间的距离称为特征长度。而后选取视频中进行右转的大型车辆后轮区域为特征区域进行识别跟踪，再计算出车轮区域的中心，近似为车轮轮心，每帧画面轮心坐标跟踪结果就可视为车辆轮心的运动轨迹，通过采集监测点在一定帧数内行驶过的轨迹y＝f(x)，其中x为大货车后轮轨迹水平方向上的坐标，其中y为大货车后轮轨迹垂直方向上的坐标，并对照特征长度来确定车辆在曲线行驶时的每一帧坐标(x,y)。

步骤三、根据所获得大型车辆右转的后轮轨迹数据，建立大型车辆右转后轮轨迹模型；

大型车辆右转危险盲区是指大货车右转过程中，由于内侧前后轮轨迹不同，会形成内轮差，进一步扩大存在的视觉盲区，导致驾驶员难以观察到的车辆右侧形成的危险区域。由于不同大型车辆的右转轨迹不同，而且交通事故的多发点往往靠近路边，并且交通冲突区域不会超过斑马线边缘，因此确定了轨迹集群的内侧、外侧后轮轨迹线与斑马线的相对位置即确定了大货车右转盲区警示区域。即右转后轮轨迹y＝f(x)满足以下关系：

f(x_内侧)≤f(x)≤f(x_外侧) (1)

x≤l (2)

l即为斑马线右侧边缘距最右侧车道的转角处的垂直距离。

根据SPSS软件对最外侧后轮轨迹曲线y＝f(x_外侧)进行拟合：

根据SPSS软件对最内侧后轮轨迹曲线y＝f(x_内侧)进行拟合：

f(x_内侧)＝-0.0019(x+73.7)³+0.43(x+73.7)²-32.65(x+73.7)+839.68 (4)

因此，大型车辆右转后轮轨迹区域点集模型S为:

S＝{(x,y)|f(x_内侧)≤y≤f(x_外侧),x≤l,y≥0}

步骤四、沿着大货车右转盲区警示区域轮廓画出城市道路警示标线。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.一种大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，包括以下步骤：

步骤一、设计实验，探究道路交叉口大型车辆进行右转过程中的后轮轨迹规律：1)、选取探究地点：转弯半径适合大型车辆道路通过的交叉口；

2)、采集探究地点大型车辆道路右转信息：开始前将无人机交通流视频检测装置于交叉口上空，采集交叉口中大型右转车辆的后轮轨迹、车辆的实时位置信息和行驶方向；

3)、拍摄并存储探究地点大型车辆右转视频：将无人机交通流视频检测装置通过无线与接收终端相连接，并拍摄大型车辆右转视频进行存储；

步骤二、根据步骤一大型车辆右转视频，提取交叉口中大型车辆右转的后轮轨迹数据，并获取大型车辆的后轮在交叉口的轨迹集群，探究大型车辆后轮轨迹随时间的变化规律；

步骤三、根据交叉口中大型车辆右转的后轮轨迹数据，建立大型车辆右转后轮轨迹模型；以右转危险盲区不超过斑马线边缘为前提条件，确定轨迹集群的内侧后轮轨迹线、外侧后轮轨迹线与斑马线的相对位置，确定大货车右转盲区警示区域：在轨迹群的内侧后轮轨迹线、外侧后轮轨迹线与斑马线之间的区域；

步骤四、沿着大货车右转盲区警示区域轮廓画出城市道路警示标线。

2.根据权利要求1所述的大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，所述大型车辆右转的轨迹根据道路车道数设置多个区间,分别为第一车道、第二车道、第三车道……。

3.根据权利要求1所述的大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，根据步骤一中获取的交叉口中大型车辆右转的后轮轨迹数据，步骤二中探究大型车辆后轮轨迹随时间的变化规律采用Tracker软件，具体如下：

1)、在视频中选取最右侧车道的转角处作为坐标原点，再选取两个间距已知的特征点，两个特征点之间的距离称为特征长度；

2)、选取视频中进行右转的大型车辆后轮区域为特征区域进行识别跟踪，计算出车轮区域的中心为车轮轮心，每帧画面轮心坐标跟踪结果为车辆轮心的运动轨迹，通过采集监测点在一定帧数内行驶过的轨迹y＝f(x)，其中x为大货车后轮轨迹水平方向上的坐标，其中y为大货车后轮轨迹垂直方向上的坐标，并对照特征长度来确定车辆在曲线行驶时的每一帧坐标(x,y)。

4.根据权利要求3所述的大型车辆右转盲区的城市道路警示标线设计方法,其特征在于，大货车右转盲区警示区域在轨迹群的内侧后轮轨迹线、外侧后轮轨迹线与斑马线之间的区域，y＝f(x)满足以下关系：

f(x_内侧)≤f(x)≤f(x_外侧) (1)

x≤l (2)

l即为斑马线右侧边缘距最外侧车道的转角处的垂直距离；

根据SPSS软件对最外侧后轮轨迹曲线y＝f(x_外侧)及最内侧后轮轨迹曲线y＝f(x_内侧)进行拟合，得到大型车辆右转后轮轨迹区域点集模型S为:

S＝{(x,y)|f(x_内侧)≤y≤f(x_外侧),x≤l,y≥0}。

Images