CN113611157B - 一种高速公路车辆追尾碰撞风险估计方法 - Google Patents

一种高速公路车辆追尾碰撞风险估计方法 Download PDF

Info

Publication number
CN113611157B
CN113611157B CN202110912416.0A CN202110912416A CN113611157B CN 113611157 B CN113611157 B CN 113611157B CN 202110912416 A CN202110912416 A CN 202110912416A CN 113611157 B CN113611157 B CN 113611157B
Authority
CN
China
Prior art keywords
vehicle
following
safety margin
queue
state information
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
Application number
CN202110912416.0A
Other languages
English (en)
Other versions
CN113611157A (zh
Inventor
张俊杰
杨灿
陈磊
于海洋
任毅龙
王梓骁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Innovation Research Institute of Beihang University
Original Assignee
Hefei Innovation Research Institute of Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Innovation Research Institute of Beihang University filed Critical Hefei Innovation Research Institute of Beihang University
Priority to CN202110912416.0A priority Critical patent/CN113611157B/zh
Publication of CN113611157A publication Critical patent/CN113611157A/zh
Application granted granted Critical
Publication of CN113611157B publication Critical patent/CN113611157B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种高速公路车辆追尾碰撞风险估计方法，建立高速公路车辆跟驰案例数据库，利用无人机航拍获得高速公路车辆跟驰视频数据，并利用YOLOv4算法获取车辆运动状态信息；对车辆运动状态信息数据进行去噪处理，利用卡尔曼滤波算法对获取的车辆运动状态信息数据进行滤波处理；建立安全裕度指标，并基于获取的车辆运动状态信息数据计算各时刻各车辆在队列跟驰过程中的安全裕度值；构建基于安全裕度指数衰减的车辆追尾概率测度模型，利用各时刻各车辆在队列跟驰过程中的安全裕度值，确定车辆发生追尾碰撞的概率大小，可实现对高速公路行车安全等级进行评估，此方法可广泛应用于道路交通安全、交通管理等领域。

Description

一种高速公路车辆追尾碰撞风险估计方法
技术领域
本发明涉及一种用于评估高速公路车辆追尾碰撞风险的方法，具体是利用无人机航拍的高速公路视频，利用YOLOv4算法获取车辆运行状态信息，并基于安全裕度指数衰减的车辆追尾概率测度来衡量车辆发生追尾碰撞的可能性，此方法可广泛应用于道路交通安全、交通管理等领域。
背景技术
近几年来，我国高速公路车辆追尾事故频频发生，其中高速公路车辆追尾事故约占所有交通事故的40％。分析表明：驾驶人行为因素是车辆追尾碰撞的主要影响因素。因此，对车辆跟驰过程的驾驶行为特性进行研究，有助于从驾驶行为特性角度理解车辆追尾碰撞的因果关系，为车辆追尾碰撞事故等方面研究提供参考。
车辆跟驰的运动状态取决于驾驶人的驾驶行为特性，这是导致车辆跟驰过程中车速和车头间距波动的主要原因，这种波动可能导致队列不稳定甚至出现车辆追尾碰撞的风险。Hourdos发现交通波的产生会导致跟驰车辆发生追尾碰撞事故。Zheng等人发现连续交通波引起的车速变化是高速公路事故的重要影响因素。Chatterjee和Davis分析了在拥挤的高速公路上“走走停停”交通波是引起车辆追尾碰撞事故发生的主要原因。此外，车辆跟驰模型的稳定性理论也说明了不稳定的交通流可以通过车队向后传播，从而随后的跟驰车辆将面临更高的追尾碰撞风险。尽管这些研究分析了车辆追尾碰撞与其潜在的因果因素之间的关系，但缺少从微观驾驶人行为特性角度通过一种风险量化指标来估计高速公路车辆追尾碰撞风险，因此，提出一种基于安全裕度指数衰减的车辆追尾概率测度评估方法。
发明内容
本发明目的就是为了弥补已有技术的缺陷，提供一种高速公路车辆追尾碰撞风险估计方法。
本发明是通过以下技术方案实现的：
一种高速公路车辆追尾碰撞风险估计方法，具体包括以下步骤：
(1)建立高速公路车辆跟驰案例数据库，利用无人机航拍获得高速公路车辆跟驰视频数据，并利用YOLOv4算法获取车辆运动状态信息；
(2)对车辆运动状态信息数据进行去噪处理，利用卡尔曼滤波算法对获取的车辆运动状态信息数据进行滤波处理；去除数据采集过程中产生的白噪声误差，提高车辆状态数据质量。
(3)建立安全裕度指标，并基于获取的车辆运动状态信息数据计算各时刻各车辆在队列跟驰过程中的安全裕度值；
(4)构建基于安全裕度指数衰减的车辆追尾概率测度模型，利用各时刻各车辆在队列跟驰过程中的安全裕度值，确定车辆发生追尾碰撞的概率大小。
所述的车辆运动状态信息包括车辆编号、车辆速度、车辆加速度、相邻两车辆车间距、车辆位置和车辆长度信息。
步骤(3)所述的建立安全裕度指标，具体如下：
首先，建立安全裕度指标公式：
Figure BDA0003204263450000021
其中，SMn(t)表示车辆跟驰队列中第n辆车在t时刻的安全裕度值，vn(t)表示车辆跟驰队列中第n辆车在t时刻的速度，vn-1(t)表示车辆跟驰队列中第n-1辆车在t时刻的速度，Δxn(t)表示车辆跟驰队列中第n辆车与第n-1辆车在t时刻的车头间距，ln-1表示车辆跟驰队列中第n-1辆车的车长，g表示重力加速度。
步骤(4)所述的构建基于安全裕度指数衰减的车辆追尾概率测度模型，具体如下：
Figure BDA0003204263450000022
其中，
Figure BDA0003204263450000023
表示在t时刻队列中第n辆车与第n-1辆车的碰撞概率，
Figure BDA0003204263450000024
表示一常变量，其值依赖于公路路段自身特性，即该路段若发生交通事故频率高，则其值越大。
本发明的优点是：本发明是基于安全裕度指标，通过无人机对高速公路进行航拍，并利用YOLOv4算法获取车辆运行状态信息，从而构建一种车辆追尾概率测度模型，可实现对高速公路行车安全等级进行评估，此方法可广泛应用于道路交通安全、交通管理等领域。
附图说明
图1是本发明高速公路车辆追尾碰撞风险估计技术路线图；
图2是本发明待估某高速公路某段时间内的车辆追尾概率分布情况图。
具体实施方式
如图1所示，一种高速公路车辆追尾碰撞风险估计方法，具体步骤如下：
(1)建立高速公路车辆跟驰案例数据库：
利用无人机航拍获得高速公路车辆跟驰视频数据，通过YOLOv4算法获取包括车辆编号、车辆速度、车辆加速度、相邻两车辆车间距、车辆位置、车辆长度等状态信息，从而构建车辆跟驰案例数据库；
(2)车辆状态信息数据去噪：
对车辆跟驰案例数据库中的数据进行卡尔曼滤波处理，去除白噪声误差。
(3)安全裕度指标：
Figure BDA0003204263450000031
其中，SMn(t)表示车辆跟驰队列中第n辆车在t时刻的安全裕度值，vn(t)表示车辆跟驰队列中第n辆车在t时刻的速度，vn-1(t)表示车辆跟驰队列中第n-1辆车在t时刻的速度，Δxn(t)表示车辆跟驰队列中第n辆车与第n-1辆车在t时刻的车头间距，ln-1表示车辆跟驰队列中第n-1辆车的车长，g表示重力加速度。
(4)基于安全裕度指数衰减的车辆追尾概率测度模型：
Figure BDA0003204263450000032
其中，
Figure BDA0003204263450000033
表示在t时刻队列中第n辆车与第n-1辆车的碰撞概率，
Figure BDA0003204263450000034
表示一常变量，其值依赖于公路路段自身特性，即该路段若发生交通事故频率高，则其值越大。
(5)待估某高速公路某段时间内的车辆追尾概率
图2是本发明在某高速公路某段时间内的车辆追尾概率分布情况。基于安全裕度指数衰减的车辆追尾概率测度模型计算结果，发现该高速公路在这段时间内车辆跟驰过程中其概率均小于5％，属于小概率事件，故说明该高速公路这段时间的交通运行安全。

Claims (1)

1.一种高速公路车辆追尾碰撞风险估计方法，其特征在于：具体包括以下步骤：
(1)建立高速公路车辆跟驰案例数据库，利用无人机航拍获得高速公路车辆跟驰视频数据，并利用YOLOv4算法获取车辆运动状态信息；
(2)对车辆运动状态信息数据进行去噪处理，利用卡尔曼滤波算法对获取的车辆运动状态信息数据进行滤波处理；
(3)建立安全裕度指标，并基于获取的车辆运动状态信息数据计算各时刻各车辆在队列跟驰过程中的安全裕度值；
(4)构建基于安全裕度指数衰减的车辆追尾概率测度模型，利用各时刻各车辆在队列跟驰过程中的安全裕度值，确定车辆发生追尾碰撞的概率大小；
所述的车辆运动状态信息包括车辆编号、车辆速度、车辆加速度、相邻两车辆车间距、车辆位置和车辆长度信息；
步骤(3)所述的建立安全裕度指标，具体如下：
首先，建立安全裕度指标公式：
Figure FDA0003785819440000011
其中，SMn(t)表示车辆跟驰队列中第n辆车在t时刻的安全裕度值，vn(t)表示车辆跟驰队列中第n辆车在t时刻的速度，vn-1(t)表示车辆跟驰队列中第n-1辆车在t时刻的速度，Δxn(t)表示车辆跟驰队列中第n辆车与第n-1辆车在t时刻的车头间距，ln-1表示车辆跟驰队列中第n-1辆车的车长，g表示重力加速度；
步骤(4)所述的构建基于安全裕度指数衰减的车辆追尾概率测度模型，具体如下：
Figure FDA0003785819440000012
其中，
Figure FDA0003785819440000013
表示在t时刻队列中第n辆车与第n-1辆车的碰撞概率，
Figure FDA0003785819440000014
表示一常变量，其值依赖于公路路段自身特性，即该路段若发生交通事故频率高，则其值越大。
CN202110912416.0A 2021-08-10 2021-08-10 一种高速公路车辆追尾碰撞风险估计方法 Active CN113611157B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110912416.0A CN113611157B (zh) 2021-08-10 2021-08-10 一种高速公路车辆追尾碰撞风险估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110912416.0A CN113611157B (zh) 2021-08-10 2021-08-10 一种高速公路车辆追尾碰撞风险估计方法

Publications (2)

Publication Number Publication Date
CN113611157A CN113611157A (zh) 2021-11-05
CN113611157B true CN113611157B (zh) 2022-11-08

Family

ID=78340089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110912416.0A Active CN113611157B (zh) 2021-08-10 2021-08-10 一种高速公路车辆追尾碰撞风险估计方法

Country Status (1)

Country Link
CN (1) CN113611157B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114613131B (zh) * 2022-03-01 2023-03-28 北京航空航天大学 一种基于安全裕度的个性化前向碰撞预警方法
CN115131959B (zh) * 2022-04-09 2023-07-25 哈尔滨工业大学（威海） 车辆队列防追尾主动避撞协同控制方法
CN115376316B (zh) * 2022-08-19 2023-05-30 北京航空航天大学 一种基于隐式马尔可夫链的危险跟驰行为识别方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103253261B (zh) * 2013-05-10 2016-05-04 北京航空航天大学 一种基于车车协同的跟驰辅助控制系统
EP3091370B1 (en) * 2015-05-05 2021-01-06 Volvo Car Corporation Method and arrangement for determining safe vehicle trajectories
US20210166568A1 (en) * 2017-06-16 2021-06-03 FLIR Belgium BVBA Collision avoidance systems and methods
CN108944943B (zh) * 2018-07-11 2020-04-14 北京航空航天大学 一种基于风险动态平衡理论的弯道跟驰模型
FR3089925B1 (fr) * 2018-12-13 2020-11-20 Psa Automobiles Sa Conduite autonome sécurisée dans le cas d’une détection d’un objet cible
WO2021108434A1 (en) * 2019-11-27 2021-06-03 B&H Licensing Inc. Method and system for pedestrian-to-vehicle collision avoidance based on amplified and reflected wavelength
CN111652072A (zh) * 2020-05-08 2020-09-11 北京嘀嘀无限科技发展有限公司 轨迹获取方法、轨迹获取装置、存储介质和电子设备
CN112906130A (zh) * 2021-02-04 2021-06-04 天津科技大学 一种基于小样本数据的结构可靠性评估方法
CN113219962B (zh) * 2021-02-26 2023-02-28 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) 一种面向混行队列跟驰安全的控制方法、系统及存储介质

Also Published As

Publication number Publication date
CN113611157A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN113611157B (zh) 一种高速公路车辆追尾碰撞风险估计方法
CN111340427B (zh) 一种基于轨迹数据的货车运行状态识别方法
CN110197588A (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN104590275A (zh) 一种驾驶行为分析方法
CN106956680B (zh) 一种电动汽车驾驶行为识别分析方法
CN111131617A (zh) 一种基于智能手机的驾驶行为分析与反馈方法
CN111707476B (zh) 一种面向自动驾驶汽车的纵向驾驶能力检测方法
CN115588310A (zh) 一种基于轨迹数据的车辆碰撞风险预测方法
CN114379559A (zh) 一种基于车辆信息采集系统的驾驶风险评价特征画像方法
CN114023065A (zh) 一种利用视频解析数据智能诊断路口服务等级的算法
CN106638242A (zh) 一种适应低速及变速测量的平整度检测装置及方法
CN115762140B (zh) 一种考虑变量异质性的高速公路交通事故风险预测方法
JP5765220B2 (ja) ドライブレコーダのデータ解析装置および方法
CN111348038A (zh) 一种基于varma模型短时预测的追尾预警方法
CN116580562A (zh) 一种基于场论的隧道交通事故响应等级确定方法及装置
CN115798207A (zh) 基于LiDAR点云的信号交叉口追尾冲突识别方法
CN112365716B (zh) 一种基于gps数据的城市高架快速路动态安全性评价方法
CN112373482A (zh) 一种基于驾驶模拟器的驾驶习惯建模方法
CN115472040B (zh) 基于碰撞概率场的网联车辆个性化防碰撞预警方法
CN114944055B (zh) 基于电子收费门架的高速公路碰撞风险动态预测方法
US20230391342A1 (en) Road surface damage detection device, road surface damage detection method, and storage device
CN113870583B (zh) 一种基于汽车电子数据的区间超速驾驶检测方法、装置和存储介质
CN117719524B (zh) 一种驾驶安全风险识别预警方法、装置、终端及存储介质
CN114944058B (zh) 拥堵区域距离确定方法、装置、预警设备和存储介质
CN116881796B (zh) 基于卡尔曼滤波的燃油车续航里程预测方法

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