CN115691217A - 交通冲突识别方法、装置、存储介质及电子设备 - Google Patents
交通冲突识别方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115691217A CN115691217A CN202211174787.4A CN202211174787A CN115691217A CN 115691217 A CN115691217 A CN 115691217A CN 202211174787 A CN202211174787 A CN 202211174787A CN 115691217 A CN115691217 A CN 115691217A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- determining
- ttc
- conflict
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000015654 memory Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通冲突识别方法、装置、存储介质及电子设备。其中，上述方法包括：获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。本发明解决了相关技术中无法对车道级的城市路口车辆之间进行交通冲突识别的技术问题。
Description
技术领域
本发明涉及位置处理技术领域，具体而言，涉及一种交通冲突识别方法、装置、存储介质及电子设备。
背景技术
城市道路平交路口是城市交通的重要组成部分，它不仅连接着复杂的路网，还聚散来自不同方向的车辆和行人。它能否正常运行，直接决定着与之相连道路的畅通性和安全性。而平交路口的交通冲突是评价城市道路平交路口运行效率和安全性的关键之一。目前，相关技术中主要集中于信号灯控制下的交通冲突的研究，而针对平交路口的交通冲突研究相对较少，大部分集中在安全评价指标体系和评价方法的构建方面，且使用的模型方法较为复杂，难以直接在实际应用中使用。因此，目前尚未有效的技术手段对城市路口车辆之间交通冲突进行识别。
发明内容
本发明实施例提供了一种交通冲突识别方法、装置、存储介质及电子设备，以至少解决相关技术中无法对车道级的城市路口车辆之间进行交通冲突识别的技术问题。
根据本发明实施例的一个方面，提供了一种交通冲突识别方法，包括：获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
根据本发明实施例的另一方面，还提供了一种交通冲突识别装置，包括：第一获取单元，获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；第一确定单元，用于根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；第二确定单元，用于基于第一车辆和第二车辆的航向，利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两个车辆的预碰撞时间TTC值判断所述两个车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；第三确定单元，用于确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过上述计算机程序执行上述的交通冲突识别方法。
根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述交通冲突识别方法。
在本发明实施例中，采用了获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型的方法，在上述方法中，由于基于第一车辆和第二车辆的航向和预碰撞时间TTC，并利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突，可以有效识别城市交通路口的交通冲突，为治理城市道路拥堵提供帮助，进而解决了相关技术中无法对车道级的城市路口车辆之间进行交通冲突识别的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的交通冲突识别方法的应用环境的示意图；
图2是根据本发明实施例的另一种可选的交通冲突识别方法的应用环境的示意图；
图3是根据本发明实施例的一种可选的交通冲突识别方法的流程示意图；
图4是根据本发明实施例的另一种可选的交通冲突识别方法的流程示意图；
图5是根据本发明实施例的一种可选的交通冲突识别方法的TTC计算方法示意图；
图6是根据本发明实施例的另一种可选的交通冲突识别方法的TTC计算方法示意图；
图7是根据本发明实施例的另一种可选的交通冲突识别方法的TTC计算方法示意图；
图8是根据本发明实施例的另一种可选的交通冲突识别方法的交通冲突识别模型示意图；
图9是根据本发明实施例的一种可选的交通冲突识别方法的不同冲突类型的空间分布示意图；
图10是根据本发明实施例的另一种可选的交通冲突识别方法的合流冲突的空间分布示意图；
图11是根据本发明实施例的又一种可选的交通冲突识别方法的分流冲突的空间分布示意图；
图12是根据本发明实施例的另一种可选的交通冲突识别方法的交叉冲突的空间分布示意图；
图13是根据本发明实施例的另一种可选的不同类型的交通冲突的时间分布示意图；
图14是根据本发明实施例的一种可选的交通冲突识别装置的结构示意图；
图15是根据本发明实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面，提供了一种交通冲突识别方法，作为一种可选地实施方式，上述交通冲突识别方法可以但不限于应用于如图1所示的应用环境中。该应用环境中包括：与用户进行人机交互的终端设备102、网络104、服务器106。用户108与终端设备102之间可以进行人机交互，终端设备102中运行有交通冲突识别应用程序。上述终端设备102中包括人机交互屏幕1022，处理器1024及存储器1026。人机交互屏幕1022用于显示多个目标城市的平交路口的车辆轨迹数据以及所述平交路口的道路基础数据，发生交通冲突的时间、位置和冲突类型；处理器1024用于获取目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据。存储器1026用于存储上述目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据。
此外，服务器106中包括数据库1062及处理引擎1064，数据库1062中用于存储上述目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据。处理引擎1064用于根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型；在上述终端设备102的客户端显示发生交通冲突的时间、位置和冲突类型。
在一个或多个实施例中，本申请上述交通冲突识别方法可以应用于图2所示的应用环境中。如图2所示，用户202与用户设备204之间可以进行人机交互。用户设备204中包含有存储器206和处理器208。本实施例中用户设备204可以但不限于参考执行上述终端设备102所执行的操作，获取目标城市的平交路口发生交通冲突的时间、位置和冲突类型。
可选地，上述终端设备102和用户设备204包括但不限于为手机、机顶盒、电视、平板电脑、笔记本电脑、PC机，车载电子设备，可穿戴设备等终端，上述网络104可以包括但不限于无线网络或有线网络。其中，该无线网络包括：WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于：广域网、城域网、局域网。上述服务器106可以包括但不限于任何可以进行计算的硬件设备。上述服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器。上述仅是一种示例，本实施例中对此不作任何限定。
作为一种可选地实施方式，如图3所示，本发明实施例提供了一种交通冲突识别方法，包括如下步骤：
S302，获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据。
具体地，在本发明实施例中，包括但不限于利用部署在平交路口的视频、雷达检测设备采集过往车辆的时间、位置信息，以此作为车辆的轨迹数据。这里的平交路口的道路基础数据，包括车道划分数据和车道功能数据，例如平交路口的进口车道的数量和出口车道的数量，车道功能数据包括进口车道的方向标识和出口车道的方向标识等。例如，车辆轨迹数据包括如表1所示的车辆轨迹点的数据结构。
表1
表1(续)
S304，根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角。
具体地，包括但不限于根据车辆在两个时间段内的轨迹之间的距离来获取车辆的速度，或者通过测速雷达来获取车辆的速度；这里可以根据实际作业需要来确定预设方向的指向。例如，如表2所示，航向角包括但为车辆的车头方向与正北方向之间的顺时针夹角。这里的θ可以取经验值为10°。
表2
| 序号 | 航向 | 起点航向角 | 终点航向角 |
| 1 | 北向东 | [180-θ，180+θ] | [90-θ，90+θ] |
| 2 | 北向西 | [180-θ，180+θ] | [270-θ，270+θ] |
| 3 | 东向南 | [270-θ，270+θ] | [180-θ，180+θ] |
| 4 | 东向北 | [270-θ，270+θ] | [360-θ，360]∪[0，θ] |
| 5 | 南向东 | [360-θ，360]∪[0，θ] | [90-θ，90+θ] |
| 6 | 南向西 | [360-θ，360]∪[0，θ] | [270-θ，270+θ] |
| 7 | 西向北 | [90-θ，90+θ] | [360-θ，360]∪[0，θ] |
| 8 | 西向南 | [90-θ，90+θ] | [180-θ，180+θ] |
| 9 | 北向南 | [180-θ，180+θ] | [180-θ，180+θ] |
| 10 | 南向北 | [360-θ，360]∪[0，θ] | [360-θ，360]∪[0，θ] |
| 11 | 东向西 | [270-θ，270+θ] | [270-θ，270+θ] |
| 12 | 西向东 | [90-θ，90+θ] | [90-θ，90+θ] |
S306，基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆。
具体地，本发明实施例包括但不限于利用预碰撞时间(Time to collision，TTC)作为交通冲突的度量指标，将两车的航向作为判断交通冲突类型的依据，以预设的冲突识别模型来识别出发生在平交路口公共区域内不同类型航向的不同车辆之间的交通冲突。
S308，若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
在本发明实施例中，车辆交通冲突的类型包括但不限于分流冲突、合流冲突、交叉冲突等。
在本发明实施例中，采用了获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型的方法，在上述方法中，由于基于第一车辆和第二车辆的航向和预碰撞时间TTC，并利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突，可以有效识别城市交通路口的交通冲突，为治理城市道路拥堵提供帮助，进而解决了相关技术中无法实现基于车道级的城市路口车辆之间交通冲突识别的技术问题。
在一个或多个实施例中，根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的航向，包括：
确定所述车辆轨迹数据中起点与终点均在车道上的第一目标车辆集合，以及确定所述车辆轨迹数据中除所述第一目标车辆集合之外的第二目标车辆集合；
若第一目标车辆集合中当前车辆的起点和终点在同一进口车道，根据所述进口车道的功能确定所述当前车辆的航向。
若当前车辆的起点在进口车道、终点在出口车道，根据当前车辆起点和终点对应的航向角确定所述当前车辆的航向。
根据所述第二目标车辆集合中每个车辆起点和终点对应的航向角，确定第二目标车辆集合中车辆的航向。
具体地，第一目标车辆集合中的每个车辆为在平交路口的车道上并未跨越停止线的车辆。这里的第二目标车辆集合中的每个车辆包括但不限于跨过平交路口停止线的车辆，例如处于左转待行的车辆，或处于路口中央的车辆。
在本发明实施例中，例如，当起点和终点在同一进口车道，那么需要根据车道功能来判断该车辆的航向。例如，如果该车道的功能为直行、专右、专左，那么它的航向为东向西、东向北、东向南等。
假如车辆的起点在进口车道，终点在出口车道，如表2所示，根据该车辆的起点、终点的航向角来判断当前车辆的航向。
假如轨迹的起点、终点至少一个不在车道上，那么根据该车轨迹的起点、终点的航向角来判断它的航向，如表2所示。
在一个或多个实施例中，所述利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突，包括：
确定公共区域内的第三目标车辆集合；其中，所述公共区域为所述平交路口的路口停止线及其延长线所围成的矩形区域。
具体地，例如如图9所示的矩形区域内的车辆为上述第三目标车辆集合。
根据预设的航向与冲突类型对应关系表，按照预设时间间隔确定所述第三目标车辆集合中满足预设交通冲突规则的航向对集合，并确定所述航向对集合中每个航向对对应的两车辆。
具体地，在本发明实施例中，如表3所示，表3为预设的航向与冲突类型对应关系表，按照预设时间间隔选择出第三目标车辆集合中所有可能发生交通冲突的航向及其包含的车辆，可以是逐秒选取，将可能发生冲突的两个航向(如东向西和南向西)的所有车辆，作为一个航行对对应的两车辆。
基于预设的TTC算法，确定所述航向对集合中每个航向对对应的TTC集合，所述TTC集合包括两车辆之间在多个碰撞角度下的TTC值。
选择当前两车辆在多个碰撞角度下的TTC值的最小值作为当前两车辆的TTC的最终值；在当前两车辆的TTC最终值小于或等于预设阈值的情况下，确定所述当前两车辆发生交通冲突。
具体地，例如航向对的两车辆，如北向东和东向西这一航向对,北向东有3辆车，A、B、C,东向西有2辆车E、F，这个航相对包括的两车辆为:AE、AF、BE、BF、CE、CF。其中，每辆车包括4个顶点和4条边，这里，依次将其中一辆车的1个顶点分别与另一辆的四条边通过TTC算法进行计算，得到8个TTC值，假设AE为当前计算的两车辆，选取在多个碰撞角度下最小的TTC值作为当前车辆AE的预测值，当预测值小于或等于预设阈值的情况下，确定所述当前两车辆AE发生交通冲突，这里的预设阈值通常取经验值1.5秒。
在一个或多个实施例中，所述基于预设的TTC算法，确定所述每个航向对对应的两车辆的TTC集合，包括：
分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息；其中，所述移动坐标信息包括所述车辆轨迹数据的起点到终点的坐标信息；
基于所述两车辆的速度和顶点坐标信息，依次计算所述两车辆从起点到终点行驶轨迹中其中一车辆距离另一车辆最近的顶点与另一车辆其中一条边相重合所用时长；
将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，并将得到的所述两车辆的多个TTC值确定为所述两车辆的TTC集合。
在本发明实施例中，如图5所示，依次计算当前航向对对应的两车辆，其中一辆车的1个顶点与另一辆车四条边重合所用的时长，根据上述多个时长确定为所述两车辆的TTC集合。
在一个或多个实施例中，所述分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息，计算所述两车辆从起点到终点行驶轨迹中其中一车辆距离另一车辆最近的顶点与另一车辆其中一条边相重合所用时长，将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，包括：
如图5所示，获取当前航向对对应的两车辆中其中一车辆的一条边P1P2的移动坐标信息，以及另一车辆距离P1P2最近的一个点P0的坐标信息；
根据公式(1)确定t时间后两车发生碰撞时P0，P1，P2移动后的坐标信息：
其中，P0坐标为(x0，y0)，P1坐标为(x1，y1)，P2坐标为(x2，y2)，P0所在车辆的速度为v，P1P2所在车辆的速度为u，vx、vy分别为速度v在x、y轴的分量，ux、uy分别为速度u在x、y轴的分量，t时间后P0、P1、P2分别运动到了P′0、P′1、P′2，其坐标分别为(x′0,y′0)、(x′1,y′1)、(x′2,y′2)；
当P′0、P′1和P′2三点共线时，确定所述两车辆发生碰撞，并基于公式(2)确定P′0、P′1和P′2三点共线的线段的斜率k：
将公式(1)代入公式(2)，得到公式(4)，
化解公式(4)，可以得到公式(3)，基于所述公式(3)确定当前航向对对应的两车辆在该碰撞角度下的TTC值；
其中，公式(1)和(2)中的t值为公式(3)中TTC值。
在一个或多个实施例中，所述基于预设的TTC算法，确定所述每个航向对对应的两车辆的TTC集合，还包括：
分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息；其中，所述移动坐标信息包括所述车辆轨迹数据的起点到终点的坐标信息；
基于所述两车辆的速度和顶点的移动坐标信息，依次计算所述两车辆从起点到终点行驶轨迹中一车辆距离另一车辆最近的顶点与另一车辆其中一条边所围成的三角形的面积；
在所述两车辆中一车辆距离另一车辆最近的顶点与另一车辆其中一条边满足预设的坐标大小关系时，确定所述两车辆的起点时刻到所述三角形的面积变为零的时刻之间的时长；
将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，并将得到的所述两车辆的多个TTC值确定为所述两车辆的TTC集合。
具体地，例如，如图6所示，通过如下方法获取TTC值，两车接近时，由P0、P1、P2所围成的ΔP0P1P2的面积逐渐缩小。ΔP′0P′1P′2的面积可以由直角梯形MNP′2P′0、直角三角形MP′1P′0、直角三角形NP′1P′2之差来表示。
公式(5)的结果可用行列式表示为：
由于行列式的值可能为负，所以在行列式外加一个绝对值，如公式(7)。
公式(7)可化为公式(8)
如果车辆1和车辆2在时间发生碰撞，那么ΔP′0P′1P′2的面积为0，即
实际中，会有如图7所示的情况发生，即ΔP′0P′1P′2的面积为0时，两辆车并没有发生碰撞。因此，需要对点P′0的位置进行约束，约束条件如公式(10)所示。
综上，可根据公式(8)(9)(10)计算出两车的碰撞时间t，即TTC值，如公式(11)所示。TTC阈值取1.5s，即如果t小于等于1.5s，那么认为这两辆车发生了交通冲突。
在一个或多个实施例中，确定所述第一车辆和第二车辆发生交通冲突的冲突类型，包括：基于第一车辆和第二车辆的航向确定所述第一车辆和第二车辆发生交通冲突的冲突类型。具体地，如表3所示，基于两车辆的航向确定所述第一车辆和第二车辆发生交通冲突的冲突类型。
表3
表3(续)
在一个或多个实施例中，上述交通冲突识别方法还包括：
获取历史时间段内所述平交路口的交通冲突数据；根据所述交通冲突数据确定所述平交路口常发目标冲突类型以及其所对应的目标航向对及该目标航向对发生的交通冲突的次数。
具体地，例如获取以当前时间为节点过去一天内平交路口的交通冲突数据，根据所述交通冲突数据确定目标冲突类型以及目标航向对及该目标航向对发生的交通冲突的次数。这里的目标冲突类型包括发生交通冲突次数较多的冲突类型，目标航向对为发生交通冲突次数较多的航行对，以及该航向对发生交通冲突的次数，从而确定出该路口哪些航向的车辆或者车道更容易发生交通冲突。如表4所示。分流冲突主要来自于三部分，分别为东进口的直右车道(东向北行驶的车辆与东向西行驶的车辆)，西进口的直右车道(西向北行驶的车辆与西向东行驶的车辆)、东进口的直左车道(东向南行驶的车辆与东向西行驶的车辆)；合流冲突主要来自于北出口；其中，西向北的行驶车辆与东向北的行驶车辆发生交通冲突的次数最多。图9、图10、图11、图12分别为所有交通冲突、合流冲突、分流冲突、交叉冲突的空间分布，越接近红色，表明该位置发生的冲突次数越多，越接近蓝色，表明该位置发生的冲突次数越少。由图9可以看出，该平交路口的交通冲突虽然在个别位置出现的频数较多，但是整体呈分布均匀。由图10可以看出，合流冲突出现的次数较少，主要分布在公共区域的东侧。由图11可以看出，分流冲突出现的次数较多，主要均匀分布在公共区域的南北两侧。由图12可以看出，交叉冲突出现的次数也较多，主要集中在公共区域的北侧。
在一实施例中，如图13所示，图13为目标城市的一个平交路口发生交通冲突的曲线图；其中，纵坐标为一周内所发生的各冲突类型数量的平均值，横坐标为时间段，划分单位为小时，在各个时间段内，该平交路口整体上呈现出分流冲突最多，交叉冲突最少。
表4
基于上述实施例，如图4所示，在一应用实施例中，上述交通冲突识别方法还包括如下步骤：
步骤A、基于平交路口的视频和雷达的数据融合，得到车辆轨迹数据，分析车辆轨迹数据，得到平交路口各个车道的车道划分和公共区域数据，还可通过现场勘查城市道路平交路口，得到各个车道的车道功能数据，如上述表1所示的原始数据层，随后进入步骤B。
步骤B、将车道划分数据和车道功能数据作为平交路口基础数据。通过轨迹数据和平交路口基础数据派生出车辆的速度、航向角、航向，如上述表1所示的派生数据层，随后进入步骤C。
步骤C、利用TTC作为交通冲突的度量指标，将两车的航向作为判断交通冲突类型的依据，以冲突识别模型来识别出发生在平交路口公共区域内不同类型的交通冲突，随后进入步骤D。
步骤D、统计分析发生在城市道路平交路口的不同类型的交通冲突的时空规律。
进一步地，所述步骤A中，公共区域指的是由路口停止线及其延长线所围成的区域，如图9所示的矩形区域。
发生交通冲突的两辆车的航向是判断交通冲突类型(分流冲突、合流冲突、交叉冲突)，或是冲突产生的原因的依据。由于受车辆行驶速度的影响，所采集的车辆轨迹点有多有少，轨迹的起讫点不一定分布在进口道和出口道上，因此只利用轨迹点的航向角或者轨迹的起讫点位置难以准确判断车辆的航向。
综上，本发明实施例利用轨迹数据的航向角、位置和平交路口基础数据确定出车辆的航向，包含以下步骤：
步骤1：如果轨迹的起点、终点都在车道上，那么，
(1)当起点和终点在同一进口道，那么需要根据车道功能来判断该车辆的航向。例如，如果该车道的功能为直行、专右、专左，那么它的航向为东向西、东向北、东向南等。
(2)当起点在进口道，终点在出口道，根据该车起点、终点的航向角来判断它的航向，如表2所示。
步骤2：如果轨迹的起点、终点至少一个不在车道上，那么根据该车轨迹的起点、终点的航向角来判断它的航向，如表2所示。
进一步地，所述步骤C中，利用TTC作为交通冲突的度量指标，具体包括：假设车辆1的一个顶点P0，正在与车辆2的一条边P1P2接近。P0、P1、P2的坐标分别为(x0,y0)、(x1,y1)、(x2,y2)，车辆1的速度为v，车辆2的速度为u。假设t时间后P0、P1、P2分别运动到了P′0、P′1、P′2，其坐标分别为(x′0,y′0)、(x′1,y′1)、(x′2,y′2)，如公式(1)所示。
其中，vx、vy分别为速度v在x、y轴的分量，ux、uy分别为速度u在x、y轴的分量。
在一实施例中，通过如下方法获取TTC值(方式1)，假设当t时间后两车发生碰撞，即顶点P0与边P1P2发生碰撞时，此时，P′0、P′1、P′2三点共线，如图5所示，该直线的斜率可表示为：
将公式(1)代入公式(2)，可得公式(3)：
化解公式(3)，可计算出两车发生碰撞的时间t，即它们之间的TTC值：
在另一实施例中，通过如下方法获取TTC值(方式2)，两车接近时，由P0、P1、P2所围成的ΔP0P1P2的面积逐渐缩小。如图6所示。ΔP′0P′1P′2的面积可以由直角梯形MNP′2P′0、直角三角形MP′1P′0、直角三角形NP′1P′2之差来表示。
公式(5)的结果可用行列式表示为：
由于行列式的值可能为负，所以在行列式外加一个绝对值，如公式(7)。
公式(7)可化为公式(8)
如果车辆1和车辆2在t时间发生碰撞，那么ΔP′0P′1P′2的面积为0，即
实际中，会有如图7所示的情况发生，即ΔP′0P′1P′2的面积为0时，两辆车并没有发生碰撞。因此，需要对点P′0的位置进行约束，约束条件如公式(10)所示。
综上，可根据公式(8)(9)(10)计算出两车的碰撞时间t，即TTC值，如公式(11)所示。TTC阈值取1.5s，即如果t小于等于1.5s，那么认为这两辆车发生了交通冲突。
进一步地，所述步骤C中，平交路口的交通冲突按成因可分为：合流冲突、分流冲突、交叉冲突。本发明利用两车的航向作为判断交通冲突类型的依据，判断依据如上述表3所示。
进一步地，所述步骤C中，冲突识别框架指的是本发明提出的识别发生在平交路口的不同类型的交通冲突的一般流程，如图8所示，具体步骤为：
步骤1、过滤，逐秒选取公共区域内的车辆，过滤掉公共区域之外的车辆。
步骤2、选择，选择出此刻所有可能发生交通冲突的航向及其包含的车辆，将可能发生冲突的两个航向(如东向西和南向西)的所有车辆，作为一个计算单元(上述的航行对)。
步骤3、计算，针对每个计算单元内，采用上述方式1直接计算各个碰撞角度下的TTC值；或者，采用方式2，先判断任意两两不同航向车辆的位置是否满足上述公式(10)的约束条件，如果满足，那么计算它们之间的各个碰撞角度下的TTC值，选择它们中的最小值作为两车的最终的TTC值。
步骤4：输出结果，根据TTC阈值，输出冲突点的时间、位置、类型。
图9、图10、图11、图12分别为所有交通冲突、合流冲突、分流冲突、交叉冲突的空间分布，越接近红色，表明该位置发生的冲突次数越多，越接近蓝色，表明该位置发生的冲突次数越少。由图9可以看出，该平交路口的交通冲突虽然在个别位置出现的频数较多，但是整体呈分布均匀。由图10可以看出，合流冲突出现的次数较少，主要分布在公共区域的东侧。由图11可以看出，分流冲突出现的次数较多，主要均匀分布在公共区域的南北两侧。由图12可以看出，交叉冲突出现的次数也较多，主要集中在公共区域的北侧。
根据发生交通冲突的两车的航向，探究图9中哪两个航向的车辆容易产生交通冲突，或是哪两个车道的车辆容易产生交通冲突，结果如上述表4所示。分流冲突主要来自于三部分，分别为东进口的直右车道(东向北行驶的车辆与东向西行驶的车辆)，西进口的直右车道(西向北行驶的车辆与西向东行驶的车辆)、东进口的直左车道(东向南行驶的车辆与东向西行驶的车辆)。交叉冲突主要来自于三部分，分别为西进口左转与东进口直行(西向北行驶的车辆与东向西行驶的车辆)，东进口左转与西进口直行(东向南行驶的车辆与西向东行驶的车辆)，北进口左转与东进口直行(北向东行驶的车辆与东向西行驶的车辆)。合流冲突主要来自于北出口，其中，西向北的行驶车辆与东向北的行驶车辆发生交通冲突的次数最多。
该平交路口发生交通冲突的时间规律如图13所示。图中的纵坐标为一周内所发生的各冲突类型数量的平均值，横坐标为时间段，划分单位为小时。在各个时间段内，该平交路口整体上呈现出分流冲突最多，交叉冲突最少。
本发明实施例可高效识别出发生在平交路口的交通冲突的位置、类型，从而可以确定该路口运行效率和安全性，为治理城市道路拥堵提供帮助。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面，还提供了一种用于实施上述交通冲突识别方法的交通冲突识别装置。如图14所示，该装置包括：
第一获取单元1402，获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；
第一确定单元1404，用于根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；
第二确定单元1406，用于基于第一车辆和第二车辆的航向，利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两个车辆的预碰撞时间TTC值判断所述两个车辆是否发生碰撞的识别模型；
第三确定单元1408，用于确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
在本发明实施例中，采用了获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；分基于第一车辆和第二车辆的航向，利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两个车辆的预碰撞时间TTC值判断所述两个车辆是否发生碰撞的识别模型；若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型的方法，在上述方法中，由于基于第一车辆和第二车辆的航向和预碰撞时间TTC，并利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突，可以有效识别城市交通路口的交通冲突，为治理城市道路拥堵提供帮助，进而解决了相关技术中无法对车道级的城市路口车辆之间进行交通冲突识别突的技术问题。
在一个或多个实施例中，所述第一确定单元1404，包括：
第一确定模块，用于确定所述车辆轨迹数据中起点与终点均在车道上的第一目标车辆集合，以及确定所述车辆轨迹数据中除所述第一目标车辆集合之外的第二目标车辆集合；
第一判断模块，用于若当前车辆的起点和终点在同一进口车道，根据所述进口车道的功能确定所述当前车辆的航向；
第二判断模块，用于若当前车辆的起点在进口车道、终点在出口车道，根据当前车辆起点和终点对应的航向角确定所述当前车辆的航向；
第三确定模块，用于根据所述第二目标车辆集合中每个车辆起点和终点对应的航向角，确定每个车辆的航向。
在一个或多个实施例中，所述第二确定单元1406，包括：
第四确定模块，用于确定公共区域内的第三目标车辆集合；其中，所述公共区域为所述平交路口的路口停止线及其延长线所围成的矩形区域；
第五确定模块，用于根据预设的航向与冲突类型对应关系表，按照预设时间间隔确定所述第三目标车辆集合中满足预设交通冲突规则的航向对集合，并确定所述航向对集合中每个航向对对应的两车辆；
第六确定模块，用于基于预设的TTC算法，确定所述航向对集合中每个航向对对应的TTC集合，所述TTC集合包括两车辆之间在多个碰撞角度下的TTC值；
第七确定模块，用于选择当前两车辆在多个碰撞角度下的TTC值的最小值作为当前两车辆的TTC的最终值；在当前两车辆的TTC最终值小于或等于预设阈值的情况下，确定所述当前两车辆发生交通冲突。
在一个或多个实施例中，所述第六确定模块，包括：
第一获取子单元，用于分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息；其中，所述移动坐标信息包括所述车辆轨迹数据的起点到终点的坐标信息；
第一计算子单元，用于基于所述两车辆的速度和顶点坐标信息，依次计算所述两车辆从起点到终点行驶轨迹中其中一车辆距离另一车辆最近的顶点与另一车辆其中一条边相重合所用时长；
第一确定子单元，用于将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，并将得到的所述两车辆的多个TTC值确定为所述两车辆的TTC集合。
在一个或多个实施例中，所述第六确定模块，还包括：
第二获取子单元，用于获取当前航向对对应的两车辆中其中一车辆的一条边P1P2的移动坐标信息，以及另一车辆距离P1P2最近的一个点P0的坐标信息；
第一计算子单元根据公式(1)确定t时间后两车发生碰撞时P0，P1，P2移动后的坐标标信息：
其中，P0坐标为(x0，y0)，P1坐标为(x1，y1)，P2坐标为(x2，y2)，P0所在车辆的速度为v，P1P2所在车辆的速度为u，vx、vy分别为速度v在x、y轴的分量，ux、uy分别为速度u在x、y轴的分量，t时间后P0、P1、P2分别运动到了P′0、P′1、P′2，其坐标分别为(x′0,y′0)、(x′1,y′1)、(x′2,y′2)；
当P′0、P′1和P′2三点共线时，确定所述两车辆发生碰撞，并基于公式(2)确定P′0、P′1和P′2三点共线的线段的斜率k：
将公式(1)代入公式(2)，得到公式(3)，基于所述公式(3)确定当前航向对对应的两车辆在该碰撞角度下的TTC值；
其中，公式(1)和(2)中的t值为公式(3)中TTC值。
在一个或多个实施例中，所述第六确定模块，还包括：
第二获取子单元，用于分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息；其中，所述移动坐标信息包括所述车辆轨迹数据的起点到终点的坐标信息；
第二计算子单元，用于基于所述两车辆的速度和顶点的移动坐标信息，依次计算所述两车辆从起点到终点行驶轨迹中一车辆距离另一车辆最近的顶点与另一车辆其中一条边所围成的三角形的面积；
第二确定子单元，用于在所述两车辆中一车辆距离另一车辆最近的顶点与另一车辆其中一条边满足预设的坐标大小关系时，确定所述两车辆的起点时刻到所述三角形的面积变为零的时刻之间的时长；
第三确定子单元，用于将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，并将得到的所述两车辆的多个TTC值确定为所述两车辆的TTC集合。
在一个或多个实施例中，所述第三确定单元1408，包括：
第八确定模块，用于基于第一车辆和第二车辆的航向确定所述第一车辆和第二车辆发生交通冲突的冲突类型。
在一个或多个实施例中，所述交通冲突识别装置还包括：
第二获取单元，用于获取历史时间段内所述平交路口的交通冲突数据；
第四确定单元，用于根据所述交通冲突数据确定所述平交路口常发冲突类型以及其所对应的目标航向对及该目标航向对发生的交通冲突的次数。
根据本申请实施例的又一个方面，还提供了一种用于实施上述交通冲突识别方法的电子设备，该电子设备可以是图1所示的终端设备或服务器。本实施例以该电子设备为服务器为例来说明。如图14所示，该电子设备包括存储器1402和处理器1404，该存储器1402中存储有计算机程序，该处理器1404被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；
S2，根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；
S3，基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；
S4，若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
可选地，本领域普通技术人员可以理解，图15所示的结构仅为示意，电子装置电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图15其并不对上述电子装置电子设备的结构造成限定。例如，电子装置电子设备还可包括比图15中所示更多或者更少的组件(如网络接口等)，或者具有与图15所示不同的配置。
其中，存储器1502可用于存储软件程序以及模块，如本申请实施例中的交通冲突识别方法和装置对应的程序指令/模块，处理器1504通过运行存储在存储器1502内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的交通冲突识别方法。存储器1502可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1502可进一步包括相对于处理器1504远程设置的存储器，这些远程存储器可以通过网络连接至终端。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。其中，存储器1502具体可以但不限于交通冲突的时间、位置和冲突类型等信息。作为一种示例，如图15所示，上述存储器1502中可以但不限于包括上述交通冲突识别装置中的第一获取单元1402、第一确定单元1404、第二确定单元1406和第三确定单元1410。此外，还可以包括但不限于上述交通冲突识别装置中的其他模块单元，本示例中不再赘述。
可选地，上述的传输装置1506用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1506包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1506为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子设备还包括：显示器1508，用于显示交通冲突的时间、位置和冲突类型；和连接总线1510，用于连接上述电子设备中的各个模块部件。
在其他实施例中，上述终端设备或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点(P2P，Peer To Peer)网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
在一个或多个实施例中，本申请还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述交通冲突识别方法。其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；
S2，根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；
S3，基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；
S4，若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上仅是本发明的优选实施方式，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的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种交通冲突识别方法，其特征在于，包括：
获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；
根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；
基于第一车辆和第二车辆的航向利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两车辆的预碰撞时间TTC值判断所述两车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；
若是，则确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
2.根据权利要求1所述的方法，其特征在于，根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的航向，包括：
确定所述车辆轨迹数据中起点与终点均在车道上的第一目标车辆集合，以及确定所述车辆轨迹数据中除所述第一目标车辆集合之外的第二目标车辆集合；
若第一目标车辆集合中当前车辆的起点和终点在同一进口车道，根据所述进口车道的功能确定所述当前车辆的航向；
若当前车辆的起点在进口车道、终点在出口车道，根据当前车辆起点和终点对应的航向角确定所述当前车辆的航向；
根据所述第二目标车辆集合中每个车辆起点和终点对应的航向角，确定第二目标车辆集合中车辆的航向。
3.根据权利要求1所述的方法，其特征在于，所述利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突，包括：
确定车辆轨迹位于公共区域内的第三目标车辆集合；其中，所述公共区域为所述平交路口的路口停止线及其延长线所围成的矩形区域；
根据预设的航向与冲突类型对应关系表，按照预设时间间隔确定所述第三目标车辆集合中满足预设交通冲突规则的航向对集合，并确定所述航向对集合中每个航向对对应的两车辆；
基于预设的TTC算法，确定所述航向对集合中每个航向对对应的两车辆的TTC集合，所述TTC集合包括两车辆之间在多个碰撞角度下的TTC值；
选择当前两车辆在多个碰撞角度下的TTC值的最小值作为当前两车辆的TTC的最终值；在当前两车辆的TTC最终值小于或等于预设阈值的情况下，确定所述当前两车辆发生交通冲突。
4.根据权利要求3所述的方法，其特征在于，所述基于预设的TTC算法，确定所述每个航向对对应的两车辆的TTC集合，包括：
分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息；其中，所述移动坐标信息包括所述车辆轨迹数据的起点到终点的坐标信息；
基于所述两车辆的速度和顶点坐标信息，依次计算所述两车辆从起点到终点行驶轨迹中其中一车辆距离另一车辆最近的顶点与另一车辆其中一条边相重合所用的时长；
将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，并将得到的所述两车辆的多个TTC值确定为所述两车辆的TTC集合。
5.根据权利要求4所述的方法，其特征在于，所述分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息，计算所述两车辆从起点到终点行驶轨迹中其中一车辆距离另一车辆最近的顶点与另一车辆其中一条边相重合所用时长，将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，包括：
获取当前航向对对应的两车辆中其中一车辆的一条边P1P2的移动坐标信息，以及另一车辆距离P1P2最近的一个点P0的坐标信息；
根据公式(1)确定t时间后两车发生碰撞时P0，P1，P2移动后的坐标信息：
其中，P0坐标为(x0，y0)，P1坐标为(x1，y1)，P2坐标为(x2，y2)，P0所在车辆的速度为v，P1P2所在车辆的速度为u，vx、vy分别为速度v在x、y轴的分量，ux、uy分别为速度u在x、y轴的分量，t时间后P0、P1、P2分别运动到了P0′、P1′、P2′，其坐标分别为(x′0,y′0)、(x1′,y1′)、(x′2,y′2)；
当P0′、P1′和P2′三点共线时，确定所述两车辆发生碰撞，并基于公式(2)确定P0′、P1′和P2′三点共线的线段的斜率k：
将公式(1)代入公式(2)，得到公式(3)，基于所述公式(3)确定当前航向对对应的两车辆在该碰撞角度下的TTC值；
其中，公式(1)和(2)中的t值为公式(3)中TTC值。
6.根据权利要求3所述的方法，其特征在于，所述基于预设的TTC算法，确定所述每个航向对对应的两车辆的TTC集合，还包括：
分别获取当前航向对对应的两车辆在水平面内构建的二维坐标系中的移动坐标信息；其中，所述移动坐标信息包括所述车辆轨迹数据的起点到终点的坐标信息；
基于所述两车辆的速度和顶点的移动坐标信息，依次计算所述两车辆从起点到终点行驶轨迹中一车辆距离另一车辆最近的顶点与另一车辆其中一条边所围成的三角形的面积；
在所述两车辆中一车辆距离另一车辆最近的顶点与另一车辆其中一条边满足预设的坐标大小关系时，确定所述两车辆的起点时刻到所述三角形的面积变为零的时刻之间的时长；
将所述时长作为当前航向对对应的两车辆在该碰撞角度下的TTC值，并将得到的所述两车辆的多个TTC值确定为所述两车辆的TTC集合。
7.根据权利要求1所述的方法，其特征在于，确定所述第一车辆和第二车辆发生交通冲突的冲突类型，包括：
基于第一车辆和第二车辆的航向确定所述第一车辆和第二车辆发生交通冲突的冲突类型。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取历史时间段内所述平交路口的交通冲突数据；
根据所述交通冲突数据确定所述平交路口常发冲突类型以及其所对应的目标航向对及该目标航向对发生的交通冲突的次数。
9.一种交通冲突识别装置，其特征在于，包括：
第一获取单元，获取预设时间段内目标城市的平交路口的车辆轨迹数据，以及所述平交路口的道路基础数据；
第一确定单元，用于根据所述车辆轨迹数据和所述道路基础数据确定每个车辆的速度、航向角和航向；其中，所述航向角为车辆的车头方向与预设方向之间的夹角；
第二确定单元，用于基于第一车辆和第二车辆的航向，利用预设的冲突识别模型确定所述第一车辆和第二车辆是否发生交通冲突；其中，所述冲突识别模型为根据两个车辆的预碰撞时间TTC值判断所述两个车辆是否发生碰撞的识别模型，所述第一车辆和第二车辆为所述车辆轨迹数据中不同的车辆；
第三确定单元，用于确定所述第一车辆和第二车辆发生交通冲突的时间、位置和冲突类型。
10.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至8任一项中所述的方法。
11.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至8任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211174787.4A CN115691217A (zh) | 2022-09-26 | 2022-09-26 | 交通冲突识别方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211174787.4A CN115691217A (zh) | 2022-09-26 | 2022-09-26 | 交通冲突识别方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115691217A true CN115691217A (zh) | 2023-02-03 |
Family
ID=85062589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211174787.4A Pending CN115691217A (zh) | 2022-09-26 | 2022-09-26 | 交通冲突识别方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115691217A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022123474A1 (de) | 2022-09-14 | 2024-03-14 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Berechnen einer prognostizierten Zeit bis zu einer möglichen Kollision zweier Kraftfahrzeuge, Computerprogramm und Fahrerassistenzsystem |
| CN118298392A (zh) * | 2024-06-03 | 2024-07-05 | 微网优联科技(成都)有限公司 | 一种基于ai摄像头的车辆检测及追踪系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368351A (zh) * | 2011-10-19 | 2012-03-07 | 北京航空航天大学 | 一种消解无信号交叉口两车交通冲突的方法 |
| CN112509319A (zh) * | 2020-11-12 | 2021-03-16 | 东风汽车集团有限公司 | 车辆碰撞分析方法、装置、设备及可读存储介质 |
| CN113895459A (zh) * | 2021-11-11 | 2022-01-07 | 北京经纬恒润科技股份有限公司 | 一种障碍物的筛选方法及系统 |
| CN114419926A (zh) * | 2022-01-24 | 2022-04-29 | 浙江海康智联科技有限公司 | 一种基于车路协同的交叉口左转辅助预警系统和方法 |
| US20220135029A1 (en) * | 2020-11-05 | 2022-05-05 | Zoox, Inc. | Allocation of safety system resources based on probability of intersection |
-
2022
- 2022-09-26 CN CN202211174787.4A patent/CN115691217A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368351A (zh) * | 2011-10-19 | 2012-03-07 | 北京航空航天大学 | 一种消解无信号交叉口两车交通冲突的方法 |
| US20220135029A1 (en) * | 2020-11-05 | 2022-05-05 | Zoox, Inc. | Allocation of safety system resources based on probability of intersection |
| CN112509319A (zh) * | 2020-11-12 | 2021-03-16 | 东风汽车集团有限公司 | 车辆碰撞分析方法、装置、设备及可读存储介质 |
| CN113895459A (zh) * | 2021-11-11 | 2022-01-07 | 北京经纬恒润科技股份有限公司 | 一种障碍物的筛选方法及系统 |
| CN114419926A (zh) * | 2022-01-24 | 2022-04-29 | 浙江海康智联科技有限公司 | 一种基于车路协同的交叉口左转辅助预警系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 丁俣;孙康;冯吕;: "基于车路协同系统的防碰撞预警模型设计", 内燃机与配件, no. 08, 30 April 2020 (2020-04-30) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022123474A1 (de) | 2022-09-14 | 2024-03-14 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Berechnen einer prognostizierten Zeit bis zu einer möglichen Kollision zweier Kraftfahrzeuge, Computerprogramm und Fahrerassistenzsystem |
| CN118298392A (zh) * | 2024-06-03 | 2024-07-05 | 微网优联科技(成都)有限公司 | 一种基于ai摄像头的车辆检测及追踪系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115691217A (zh) | 交通冲突识别方法、装置、存储介质及电子设备 | |
| US20210061306A1 (en) | Systems and methods for identifying potential communication impediments | |
| GB2627091A (en) | Systems and methods for determining road safety | |
| JP6659367B2 (ja) | 物体検出装置および物体検出方法 | |
| CN112307566A (zh) | 车辆仿真测试方法、装置、设备及存储介质 | |
| CN112106124A (zh) | 用于使用v2x和传感器数据的系统和方法 | |
| CN103390355B (zh) | 一种基于a-smgcs系统的滑行道冲突检测方法 | |
| KR101803891B1 (ko) | 셀영역별 교통인수와 객체추적 모듈로 이루어진 하이브리드형 셀영역 기반 교통상황 실시간 통보장치 및 방법 | |
| CN109101939B (zh) | 车辆运动状态的确定方法、系统、终端及可读存储介质 | |
| CN107578620B (zh) | 基于车道级系统的道路通行能力的计算方法、系统和装置 | |
| CN108332761B (zh) | 一种使用及创建路网地图信息的方法与设备 | |
| CN114495489B (zh) | 一种路口车道拓扑连接关系生成方法 | |
| CN104482936B (zh) | 提供路况信息的云端服务器和显示路况信息的装置 | |
| JP2015519642A5 (zh) | ||
| CN103177585A (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
| CN114694370A (zh) | 展示路口车流量的方法、装置、计算设备和存储介质 | |
| CN107393301A (zh) | 一种基于rfid数据的车辆轨迹识别方法 | |
| CN118072555B (zh) | 车辆横向异常轨迹的风险分析方法、装置、设备和产品 | |
| CN110648538B (zh) | 一种基于激光雷达网络的交通信息感知系统及方法 | |
| JP2004101504A (ja) | 走行リンク確定システム及びリンク旅行時間計測システム | |
| CN106205150A (zh) | 一种车联网路况监测系统 | |
| CN114234975B (zh) | 低频的实时轨迹匹配方法、系统、计算机设备及存储介质 | |
| CN114088107A (zh) | 数据处理方法、装置、设备和介质 | |
| CN115188195A (zh) | 一种城市全向交叉口的车辆轨迹实时提取方法和系统 | |
| CN115410384A (zh) | 交叉路口的路侧交通调度方法及辅助驾驶方法 |
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 |