CN116052422B - 一种道路交叉口综合通透度检测方法、系统 - Google Patents

Abstract

本发明公布了一种道路交叉口综合通透度检测方法、系统。本发明基于熵值法和判别算法，用车载感知数据的变化特点和事故率来反映交叉口的视野开阔程度、行驶轨迹顺畅程度以及安全程度。具体地，本发明首先，获取历史车载感知数据并进行预处理，其次利用车载感知数据计算交叉口综合通透度的基础表征指标，再根据熵值法和事故率计算交叉口综合通透度，最后根据计算结果自动检测低通透度交叉口。本发明能够自动检测交叉口综合通透度，减少人工排查工作量；同时可以通过采集实时数据更新交叉口综合通透度计算结果，核实整改情况，为交通管理者进行道路交通管理和交通组织与优化设计提供决策依据。

Description

一种道路交叉口综合通透度检测方法、系统

技术领域

本发明涉及一种道路交叉口综合通透度检测方法，属于智能交通检测和交通管理领域。

背景技术

交叉口是影响道路通行效率、交通事故频发的关键节点。然而，许多交叉口都存在着几何尺寸过大、畸形、视野遮挡、光线较暗等问题，若不能及时发现该类交叉口并进行整改，不仅会导致车辆在交叉口的运行效率降低，甚至会大大提高事故发生率。道路交叉口综合通透度是对车辆在交叉口通行时的行驶轨迹顺畅程度以及安全程度的综合评价，其中行驶轨迹顺畅程度主要体现在交叉口内车辆速度、加速度和转向角度的突变以及瞬时加速度和瞬时角速度的异常值，安全程度主要体现在交叉口内事故率及不同类型事故比例。对道路交叉口综合通透度进行自动检测，可以为道路维护部门、交通管理者和交通参与者提供动态决策依据，诱导城市交通良性发展。

目前对道路交叉口的检测技术主要集中在交通运行状态、交通设备、路面故障等，缺乏交叉口通透度的检测方法和技术。虽然车辆性能不同、驾驶员行为习惯不同，但是交叉口综合通透度对车辆行驶状况的影响会呈现一定规律。随着车辆监测技术、移动通信技术和大数据技术的发展，车载感知系统能够提供丰富、实时的车辆监测数据。因此，建立起一个基于车辆监测数据的道路交叉口综合通透度检测方法是可行且有工程价值的。

发明内容

本发明的目的在于提供一种道路交叉口综合通透度检测方法、系统。本发明的基本思想是以熵值法为基础，用车载感知数据和事故数据构造一系列交叉口综合通透度表征指标，形成特征矩阵，利用历史数据和实时数据对道路交叉口综合通透度进行检测。

本发明的一方面提供了一种道路交叉口综合通透度检测方法，包括如下步骤：

c1、历史数据获取和处理：

标准化表示检测交叉口，确定采样间隔和观测时段；

获取历史车载感知数据和事故数据，对数据进行预处理，包括交叉口匹配和异常数据处理；

c2、基础表征指标计算：获取五种基础表征指标，构建基础表征指标数据集，并给出基础表征指标的系数；

c3、基于熵值法的交叉口综合通透度计算：

对所述基础表征指标数据集进行标准化处理；

计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R；

依据所述比重矩阵R计算第m个基础表征指标的熵值；

定义第m个基础表征指标的权重；

结合所述基础表征指标的权重综合评价交叉口综合通透度；

c4、交叉口综合通透度检测：依据交叉口综合通透度计算结果，对待检测交叉口进行判别和排查。

本发明的另一方面提供了一种道路交叉口综合通透度检测系统，包括：

历史数据获取和处理模块，用于：

标准化表示检测交叉口，确定采样间隔和观测时段；

获取历史车载感知数据和事故数据，对数据进行预处理，包括交叉口匹配和异常数据处理；

基础表征指标计算模块，用于：获取五种基础表征指标，构建基础表征指标数据集，并给出基础表征指标的系数；

基于熵值法的交叉口综合通透度计算模块，用于：

对所述基础表征指标数据集进行标准化处理；

计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R；

依据所述比重矩阵R计算第m个基础表征指标的熵值；

定义第m个基础表征指标的权重；

结合所述基础表征指标的权重综合评价交叉口综合通透度；

交叉口综合通透度检测模块，用于：依据交叉口综合通透度计算结果，对待检测交叉口进行判别和排查。

本发明的再一方面提供了一种道路交叉口综合通透度检测装置，所述装置包括处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。

本发明的有益效果：本发明能够自动检测交叉口综合通透度，减少人工排查工作量；同时可以通过采集实时数据更新交叉口综合通透度计算结果，核实整改情况。

附图说明

图1为本申请一个实施例提供的道路交叉口综合通透度检测流程图；

图2为本申请一个实施例提供的交叉口标准化表示示意图。

图3为本申请一个实施例提供的一种道路交叉口综合通透度检测系统结构示意图。

图4为本申请一个实施例提供的道路交叉口综合通透度检测装置结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

下面结合附图1对本发明进行详细阐述，本申请一个实施例提供的一种道路交叉口综合通透度检测方法具体步骤是：

步骤一、历史数据获取和处理，包括标准化表示检测交叉口，确定采样间隔和观测时段，获取历史车载感知数据和事故数据，对数据进行预处理，包括交叉口匹配和异常数据处理，过程包括，

(1)将待检测交叉口标准化表示，如图2所示，即用边界点表示，具体如下，

式中，I_i表示第i个待检测交叉口，B_i ^b表示交叉口I_i的第b个边界点，B_i ¹、B_i ²、B_i ³和B_i ⁴分别对应左下、左上、右下和右上边界点，N代表交叉口的总数，(lo_i ^b,la_i ^b)表示B_i ^b的经纬度坐标。

(2)确定观测时间为30天，具体时段为10:00-16:00，采样间隔为10s，采集观测时段内各个交叉口内通过车辆的车载感知数据集D，具体如下：

D_i＝(G_i,V_i,A_i,IA_i,Φ_i,W_i),0<i<N

式中，D_i是指交叉口I_i内的采集数据集，G_i是坐标数据集，V_i是速度数据集，A_i是加速度数据集，IA_i是瞬时加速度数据集，Ф_i是转向角度数据集，W_i是瞬时角速度数据集。

以G_i为例，解释数据集格式和变量，如下

G_i＝(G_i,1,...,G_i,j,...,G_i,Qi),0<j<Q_i

式中，G_i,j是指交叉口I_i内第j辆车的坐标矩阵，Q_i表示观测时段内交叉口I_i的通过车辆数，g_i,j ^t表示交叉口I_i内第j辆车上传的第t个坐标，对应的经度和纬度分别用lo_i,j ^t和la_i,j ^t，T表示观测时段对应的采样间隔数。

(3)对采样间隔内的车载感知数据进行预处理，主要是指车辆停止数据剔除，即将车辆等待信号灯时上传的数据进行剔除，判别条件如下，

式中，表示交叉口I_i内第j辆车上传的第t组数据，包括坐标/>速度/>等。

(4)采集观测时段内各个交叉口内事故数据集C，具体如下：

C_i＝{C_i,c0<c<C_i}

式中，C_i是指交叉口I_i内的事故数据集，C_i指交叉口I_i内的事故总数，C_i,c是指交叉口I_i内的第c组事故数据，主要包括经度、纬度和事故类型，分别用lo_i,c、la_i,c和p_i,c表示。

步骤二、计算基础表征指标，过程包括：

(1)对剔除后的车载感知数据进行计算，将每辆车速度、加速度、转向角度相邻采样值之差的最大值与中值之比作为三个基本参数；将瞬时加速度和瞬时角速度的最大值与中值之比作为两个基本参数，具体如下，

式中，表示交叉口I_i内第j辆车的第m个基础表征指标，0<m<6，/>统一表示交叉口I_i内第j辆车的第t个数据变量，当m取值由1到5变化时，/>一一对应和/>

(2)构建基于车载感知数据的基础表征指标数据集X_i，具体如下，

(3)根据事故数据集计算事故率，作为基础表征指标的系数，具体如下，

式中，r_i,1和r_i,2分别表示交叉口I_i内机-机碰撞事故占所有交叉口机-机碰撞事故总数的加权比例、交叉口I_i内机-非碰撞事故占所有交叉口机-非碰撞事故总数的加权比例，FN表示事故个数统计。

步骤三、基于熵值法的交叉口综合通透度计算，过程包括如下，

(1)对基础表征指标数据集进行标准化处理，公式如下：

式中，是交叉口I_i内第j辆车的第m个基础表征指标/>的标准化结果，μ^m是所有交叉口第m个基础表征指标的均值。

(2)计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R。

式中，表示交叉口I_i内第j辆车的第m个基础表征指标的比重，R_i表示交叉口I_i基础表征指标的比重矩阵。

(3)计算第m个基础表征指标的熵值。

式中，e^m表示第m个基础表征指标的熵值。

(4)定义第m个基础表征指标的权重。

式中，β^m表示m个基础表征指标的权重。

(5)综合评价交叉口综合通透度，即交叉口综合通透度计算公示如下，

式中，P_i表示交叉口I_i的综合通透度。

步骤四、交叉口综合通透度检测是指依据交叉口综合通透度计算结果，对待检测交叉口进行判别和排查，具体如下，

I^a＝(I_i,P_i<P⁵,0<i<N)

式中，I^a表示基于综合通透度检测的待整改交叉口集，P⁵表示所有交叉口综合通透度的5分位值。

本申请一个实施例还提供了一种道路交叉口综合通透度检测系统，如图3所示，该系统包括：

历史数据获取和处理模块，用于：

标准化表示检测交叉口，确定采样间隔和观测时段；

获取历史车载感知数据和事故数据，对数据进行预处理，包括交叉口匹配和异常数据处理。

基础表征指标计算模块，用于：获取五种基础表征指标，构建基础表征指标数据集，并给出基础表征指标的系数。

基于熵值法的交叉口综合通透度计算模块，用于：

对所述基础表征指标数据集进行标准化处理；

计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R；

依据所述比重矩阵R计算第m个基础表征指标的熵值；

定义第m个基础表征指标的权重；

结合所述基础表征指标的权重综合评价交叉口综合通透度。

交叉口综合通透度检测模块，用于：依据交叉口综合通透度计算结果，对待检测交叉口进行判别和排查。

本申请装置执行的过程与上述方法一致，在此不再赘述。

图4为本申请一个实施例提供的一种道路交叉口综合通透度检测装置，如图4所示，该装置包括处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上所述方法。

在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成道路交叉口综合通透度检测装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

获取历史车载感知数据并进行预处理；利用车载感知数据计算交叉口综合通透度的基础表征指标；根据熵值法和事故率计算交叉口综合通透度；根据计算结果自动检测低通透度交叉口。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种道路交叉口综合通透度检测方法，其特征在于该方法包括如下步骤：

c1、历史数据获取和处理：

标准化表示检测交叉口，确定采样间隔和观测时段；

获取历史车载感知数据和事故数据，对数据进行预处理，包括交叉口匹配和异常数据处理；

c2、基础表征指标计算：获取五种基础表征指标，构建基础表征指标数据集，并给出基础表征指标的系数；

c3、基于熵值法的交叉口综合通透度计算：

对所述基础表征指标数据集进行标准化处理；

计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R；

依据所述比重矩阵R计算第m个基础表征指标的熵值；

定义第m个基础表征指标的权重；

结合所述基础表征指标的权重综合评价交叉口综合通透度；

c4、交叉口综合通透度检测：依据交叉口综合通透度计算结果，对待检测交叉口进行判别和排查；

步骤c1具体过程包括：

c11、将待检测交叉口标准化表示，即用边界点表示，具体如下：

式中，I_i表示第i个待检测交叉口，B_i ^b表示交叉口I_i的第b个边界点，B_i ¹、B_i ²、B_i ³和B_i ⁴分别对应左下、左上、右下和右上边界点，N代表交叉口的总数，(lo_i ^b,la_i ^b)表示B_i ^b的经纬度坐标；

c12、确定观测时间为30天，具体时段为10:00-16:00，采样间隔为10s，采集观测时段内各个交叉口内通过车辆的车载感知数据集D；

c13、对采样间隔内的车载感知数据进行预处理，是指车辆停止数据剔除，即将车辆等待信号灯时上传的数据进行剔除；

c14、采集观测时段内各个交叉口内事故数据集C，具体如下，

C_i＝{C_i,c|0<c<C′_i}

式中，C_i是指交叉口I_i内的事故数据集，C′_i指交叉口I_i内的事故总数，C_i,c是指交叉口I_i内的第c组事故数据，包括经度、纬度和事故类型，分别用lo_i,c、la_i,c和p_i,c表示；

步骤c2中基础表征指标计算步骤，过程包括：

c21、对剔除后的车载感知数据进行计算，将每辆车速度、加速度、转向角度相邻采样值之差的最大值与中值之比作为三个基本参数；将瞬时加速度和瞬时角速度的最大值与中值之比作为另外两个基本参数，具体如下：

式中，表示交叉口I_i内第j辆车的第m个基础表征指标，0<m<6，/>统一表示交叉口I_i内第j辆车的第t个数据变量，当m取值由1到5变化时，/>一一对应/>和/>

c22、构建基于车载感知数据的基础表征指标数据集X_i，具体如下：

c23、根据事故数据集计算事故率，作为基础表征指标的系数，具体如下：

式中，r_i,1和r_i,2分别表示交叉口I_i内机-机碰撞事故占所有交叉口机-机碰撞事故总数的加权比例、交叉口I_i内机-非碰撞事故占所有交叉口机-非碰撞事故总数的加权比例，FN表示事故个数统计，C_i,c表示交叉口I_i内的第c组事故数据，p_i,c表示事故类型，C′_i表示交叉口I_i内的事故总数，Q_i表示观测时段内交叉口I_i的通过车辆数；

步骤c3中基于熵值法的交叉口综合通透度计算，过程包括如下，

c31、对基础表征指标数据集进行标准化处理，公式如下，

式中，是交叉口I_i内第j辆车的第m个基础表征指标/>的标准化结果，μ^m是所有交叉口第m个基础表征指标的均值；

c32、计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R；

式中，表示交叉口I_i内第j辆车的第m个基础表征指标的比重，R_i表示交叉口I_i基础表征指标的比重矩阵；

c33、计算第m个基础表征指标的熵值；

式中，e^m表示第m个基础表征指标的熵值；

c34、定义第m个基础表征指标的权重；

式中，β^m表示m个基础表征指标的权重；

c35、综合评价交叉口综合通透度，即交叉口综合通透度计算公示如下，

式中，P_i表示交叉口I_i的综合通透度；

步骤c4中对待检测交叉口进行判别和排查，具体如下，

I^a＝(I_i|,P_i<P⁵,0<i<N)

式中，I^a表示基于综合通透度检测的待整改交叉口集，P⁵表示所有交叉口综合通透度的5分位值。

2.根据权利要求1所述的一种道路交叉口综合通透度检测方法，其特征在于：所述的车载感知数据集D由交叉口I_i内的采集数据集D_i、坐标数据集G_i、速度数据集V_i、加速度数据集A_i、瞬时加速度数据集IA_i、转向角度数据集Ф_i和瞬时角速度数据集W_i组成。

3.一种道路交叉口综合通透度检测系统，其特征在于包括：

历史数据获取和处理模块，用于：

标准化表示检测交叉口，确定采样间隔和观测时段；

获取历史车载感知数据和事故数据，对数据进行预处理，包括交叉口匹配和异常数据处理；

基础表征指标计算模块，用于：获取五种基础表征指标，构建基础表征指标数据集，并给出基础表征指标的系数；

基于熵值法的交叉口综合通透度计算模块，用于：

对所述基础表征指标数据集进行标准化处理；

计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R；

依据所述比重矩阵R计算第m个基础表征指标的熵值；

定义第m个基础表征指标的权重；

结合所述基础表征指标的权重综合评价交叉口综合通透度；

交叉口综合通透度检测模块，用于：依据交叉口综合通透度计算结果，对待检测交叉口进行判别和排查；

所述历史数据获取和处理模块执行以下操作：

c11、将待检测交叉口标准化表示，即用边界点表示，具体如下：

式中，I_i表示第i个待检测交叉口，B_i ^b表示交叉口I_i的第b个边界点，B_i ¹、B_i ²、B_i ³和B_i ⁴分别对应左下、左上、右下和右上边界点，N代表交叉口的总数，(lo_i ^b,la_i ^b)表示B_i ^b的经纬度坐标；

c12、确定观测时间为30天，具体时段为10:00-16:00，采样间隔为10s，采集观测时段内各个交叉口内通过车辆的车载感知数据集D；

c13、对采样间隔内的车载感知数据进行预处理，是指车辆停止数据剔除，即将车辆等待信号灯时上传的数据进行剔除；

c14、采集观测时段内各个交叉口内事故数据集C，具体如下，

C_i＝{C_i,c|0<c<C′_i}

式中，C_i是指交叉口I_i内的事故数据集，C′_i指交叉口I_i内的事故总数，C_i,c是指交叉口I_i内的第c组事故数据，包括经度、纬度和事故类型，分别用lo_i,c、la_i,c和p_i,c表示；

所述基础表征指标计算模块执行以下操作：

c21、对剔除后的车载感知数据进行计算，将每辆车速度、加速度、转向角度相邻采样值之差的最大值与中值之比作为三个基本参数；将瞬时加速度和瞬时角速度的最大值与中值之比作为另外两个基本参数，具体如下：

式中，表示交叉口I_i内第j辆车的第m个基础表征指标，0<m<6，/>统一表示交叉口I_i内第j辆车的第t个数据变量，当m取值由1到5变化时，/>一一对应/>和/>

c22、构建基于车载感知数据的基础表征指标数据集X_i，具体如下：

c23、根据事故数据集计算事故率，作为基础表征指标的系数，具体如下：

式中，r_i,1和r_i,2分别表示交叉口I_i内机-机碰撞事故占所有交叉口机-机碰撞事故总数的加权比例、交叉口I_i内机-非碰撞事故占所有交叉口机-非碰撞事故总数的加权比例，FN表示事故个数统计，C_i,c表示交叉口I_i内的第c组事故数据，p_i,c表示事故类型，C′_i表示交叉口I_i内的事故总数，Q_i表示观测时段内交叉口I_i的通过车辆数；

所述基于熵值法的交叉口综合通透度计算模块中基于熵值法的交叉口综合通透度计算，过程包括如下，

c31、对基础表征指标数据集进行标准化处理，公式如下，

式中，是交叉口I_i内第j辆车的第m个基础表征指标/>的标准化结果，μ^m是所有交叉口第m个基础表征指标的均值；

c32、计算交叉口I_i内第j辆车的第m个基础表征指标的比重，并建立数据的比重矩阵R；

式中，表示交叉口I_i内第j辆车的第m个基础表征指标的比重，R_i表示交叉口I_i基础表征指标的比重矩阵；

c33、计算第m个基础表征指标的熵值；

式中，e^m表示第m个基础表征指标的熵值；

c34、定义第m个基础表征指标的权重；

式中，β^m表示m个基础表征指标的权重；

c35、综合评价交叉口综合通透度，即交叉口综合通透度计算公示如下，

式中，P_i表示交叉口I _i的综合通透度；

所述交叉口综合通透度检测模块中对待检测交叉口进行判别和排查，具体如下，

I^a＝(I_i|,P_i<P⁵,0<i<N)

式中，I^a表示基于综合通透度检测的待整改交叉口集，P⁵表示所有交叉口综合通透度的5分位值。

4.一种道路交叉口综合通透度检测装置，其特征在于：所述装置包括处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1～2之任一所述方法。