一种基于多车行进环境下的有轨电车冲突区域评估方法技术

本发明专利技术公开了一种基于多车行进环境下的有轨电车冲突区域评估方法，首先对使用的车辆运动数据集进行预处理，得到目标车辆及其周围车辆运行状态的数据集，然后划分有轨电车观测区域与预警区域；通过对多车运动状态绘图对处理得到的数据集进行可视化观测，分析其目标车辆换道意图，基于长短期记忆网络构建有轨电车周围车辆的轨迹预测模型，利用有轨电车的确定轨迹与目标车辆的预测轨迹构建的碰撞冲突区域，根据碰撞等级划分情况，对进入预警区域的目标车辆与行进中的有轨电车的碰撞危险程度进行评估。本发明专利技术解决了现有技术中存在的有轨电车在混合路权模式下与第三方车辆易发生碰撞造成交通事故的问题。

【技术实现步骤摘要】
一种基于多车行进环境下的有轨电车冲突区域评估方法
本专利技术属于无人驾驶冲突区域检测
，具体涉及一种基于多车行进环境下的有轨电车冲突区域评估方法。
技术介绍
根据欧洲发达国家的经验，大力发展公共交通可以缓解交通拥挤状况。其中，现代有轨电车属于轻型轨道交通，在既定轨道上采用电力驱动行驶，相较其他的城市公共交通，具有性价比高、整车重量轻、运行速度快、单次载客量大、环境污染小等优点。因此，为解决日益严重的交通拥堵问题，优先发展公共交通系统的趋势势不可挡。近年来，因有轨电车造成的事故时有发生，其中，汽车与有轨电车相撞造成的事故占绝大部分，给人民财产和安全造成了极大地损失，由事故分析报告可得，国内外有轨电车发生交通事故的占比大部分集中于，有轨电车在混合路权模式下与第三方车辆发生碰撞造成的交通事故。目前，我国各大城市有轨电车在共享路段的行驶，主要通过驾驶员判断以及在路段两侧配备安全员进行防护来避免发生碰撞。同时，轨道车辆的碰撞安全技术分为两种，主动防护技术与被动防护技术。主动防护技术，即配备优良的车辆制动系统、可以预测周围车辆行为等措施做好预防工作；被动防护技术，即通过提升车辆自身结构的耐碰撞水平来减少碰撞产生的破坏性。随着近些年我国城市轨道交通的快速发展，国内相关领域学者开展了大量研究工作，其中与有轨电车安全相关的研究主要可分为车辆系统动力学、路权选择与耐碰撞性三部分。现今，国内对于轨道交通车辆耐碰撞性研究主要集中于地铁列车，对有轨电车耐碰撞性开展的相关研究相对较少且主要针对车辆纵向碰撞。同时，主动防护技术主要集中于以车辆为主体进行研究，对于有轨电车在主动防护的研究相对较少。因此，通过划分有轨电车的冲突区域等来对周围目标物体进行观测及预警，进而通过对碰撞冲突区域的危险等级划分及预测建立碰撞预警模型以达到避免因有轨电车发生碰撞造成的交通事故，是一项有效且课实施的措施。
技术实现思路
本专利技术的目的是提供一种基于多车行进环境下的有轨电车冲突区域评估方法，解决了现有技术中存在的有轨电车在混合路权模式下与第三方车辆易发生碰撞造成交通事故的问题。本专利技术所采用的技术方案是，一种基于多车行进环境下的有轨电车冲突区域评估方法，具体按照以下步骤实施：步骤1、对使用的车辆运动数据集进行预处理，得到目标车辆及其周围车辆运行状态的数据集，预处理后的数据集包括车辆ID、帧ID、总帧数、当前时刻车辆位置、车辆类型、车辆长度、车辆宽度、车辆速度、车辆加速度、所属车道、前后车ID在内的16列特征信息；步骤2、划分有轨电车观测区域与预警区域；步骤3、通过判断进入有轨电车观测区域目标物体的大小来确定进入其区域的目标物体具体类型，若进入的目标对象为车辆，则转到步骤4；若目标对象检测为包括行人、电动车在内的非机动车，则将判断信息通过有轨电车显示控制台反馈给有轨电车驾驶员，建议其谨慎驾驶；步骤4、通过对多车运动状态绘图对处理得到的数据集进行可视化观测，分析其目标车辆换道意图，进而利用筛选出特征信息构建基于车辆特征信息的车辆行驶意图识别模型，并根据构建的车辆行驶意图识别模型的预测结果分析进入有轨电车观测区域的目标对象，预测触碰到有轨电车预警区域界线的目标车辆是否有进入其预警区域的意图；步骤5、结合步骤1的数据集中车辆的运动状态信息，基于长短期记忆网络构建有轨电车周围车辆的轨迹预测模型，用来对有进入有轨电车预警区域意图的目标对象进行轨迹预测，从而进一步判断周围车辆在有轨电车行驶途中与有轨电车的碰撞危险程度；步骤6、根据步骤2划分的冲突区域，结合步骤4构建的基于车辆特征信息的车辆行驶意图识别模型与步骤5构建的基于长短期记忆网络的轨迹预测模型，利用有轨电车的确定轨迹与目标车辆的预测轨迹构建的碰撞冲突区域，根据碰撞等级划分情况，对进入预警区域的目标车辆与行进中的有轨电车的碰撞危险程度进行评估。本专利技术的特点还在于，步骤2具体按照以下步骤实施：步骤2.1、以有轨电车一节车厢的中心点为圆心，以12米为半径画圆，将其定义为有轨电车的观测区域S1，该区域用以观测记录进入其区域的目标物体的速度、位置、时间信息；步骤2.2、以有轨电车一节车厢的长度，即8米为半径，以该节车厢的中心点为圆心画圆，将其定义为有轨电车的预警区域S2，该区域用以对进入其中的目标对象进行轨迹预测、风险评估。步骤4具体按照以下步骤实施：步骤4.1、对步骤1得到的数据集进行分析处理，在数据中找到一个目标车辆，再根据数据集中提供的特征找到该目标车辆的周围环境车辆，特征包括该段时间内目标车辆的前、后车序号信息，将其组合到一个数据集当中；步骤4.2：对步骤4.1得到的数据集，进行绘图，得到目标车辆及其周围环境车辆的运动轨迹示意图，即可以对目标车辆运行状态及其周围车辆的运动轨迹实现可视化观测；步骤4.3：由步骤4.2得到的绘图结果，分析目标车辆的换道意图，即车辆是否进行换道操作，筛选出换道、不换道车辆的数据集；步骤4.4：根据步骤4.2的绘图结果与步骤4.3处理后的数据集，进行特征分类，选择包括目标车辆的速度、目标车辆与换道前、后车辆的距离、目标车辆与换道后所在车道前后车的距离在内的特征，进而构建基于车辆运动特征信息的车辆行驶意图识别模型；步骤4.5：利用步骤4.4构建的模型对有轨电车周围车辆是否从有轨电车观测区域进入其预警区域的意图进行预测，若预测的目标车辆的行驶意图是朝向有轨电车预警区域，则表示目标车辆有进入有轨电车预警区域的意图。步骤5具体按照以下步骤实施：步骤5.1、选择数据分析工具pandas对步骤1得到的数据集进行数据分析；步骤5.2、确定基于长短期记忆网络的车辆轨迹预测模型的输入为车辆的经纬度、速度、加速度信息；步骤5.3、设置长短期记忆网络的训练次数、训练集与验证集的比例、使用的激活函数、损失函数在内的参数信息；步骤5.4、利用数据分析工具pandas中的read_csv()方法加载数据集，然后使用pandas提供的groupby方法将数据集按照车辆ID分成不同的组，即结果为同一个车辆ID的数据集为一组；步骤5.5、由于使用的数据集是通过视频采集到的信息，1秒采集10帧的图片，即一行数据集表示0.1秒的车辆数据，因此，用前n行数据预测下一行位置信息；步骤5.6、通过pandas将经过步骤5.4处理得到的数据集进行数据分析，对第一组数据集按照一个数组n行，并使用vstack()堆叠数组的方法解析步骤5.4得到的数据集，并将数据集按步骤5.3设置的训练集与验证集的比列进行训练集数据、验证集数据的划分；步骤5.7、进行循环操作，对下一组数据集重复步骤5.6，直至最后一组数据集完成步骤5.6，得到完整的训练集与测试集，同时，使用random函数随机设置测试数据集的ID，得到测试数据集；步骤5.8、在模型训练之前，将步骤5.3设置的损失函数、优化器参数输入模型，进行编译；步骤5.9、将训练数据集、验证数据集、训练次数本文档来自技高网...

【技术保护点】
1.一种基于多车行进环境下的有轨电车冲突区域评估方法，其特征在于，具体按照以下步骤实施：/n步骤1、对使用的车辆运动数据集进行预处理，得到目标车辆及其周围车辆运行状态的数据集，预处理后的数据集包括车辆ID、帧ID、总帧数、当前时刻车辆位置、车辆类型、车辆长度、车辆宽度、车辆速度、车辆加速度、所属车道、前后车ID在内的16列特征信息；/n步骤2、划分有轨电车观测区域与预警区域；/n步骤3、通过判断进入有轨电车观测区域目标物体的大小来确定进入其区域的目标物体具体类型，若进入的目标对象为车辆，则转到步骤4；若目标对象检测为包括行人、电动车在内的非机动车，则将判断信息通过有轨电车显示控制台反馈给有轨电车驾驶员，建议其谨慎驾驶；/n步骤4、通过对多车运动状态绘图对处理得到的数据集进行可视化观测，分析其目标车辆换道意图，进而利用筛选出特征信息构建基于车辆特征信息的车辆行驶意图识别模型，并根据构建的车辆行驶意图识别模型的预测结果分析进入有轨电车观测区域的目标对象，预测触碰到有轨电车预警区域界线的目标车辆是否有进入其预警区域的意图；/n步骤5、结合步骤1的数据集中车辆的运动状态信息，基于长短期记忆网络构建有轨电车周围车辆的轨迹预测模型，用来对有进入有轨电车预警区域意图的目标对象进行轨迹预测，从而进一步判断周围车辆在有轨电车行驶途中与有轨电车的碰撞危险程度；/n步骤6、根据步骤2划分的冲突区域，结合步骤4构建的基于车辆特征信息的车辆行驶意图识别模型与步骤5构建的基于长短期记忆网络的轨迹预测模型，利用有轨电车的确定轨迹与目标车辆的预测轨迹构建的碰撞冲突区域，根据碰撞等级划分情况，对进入预警区域的目标车辆与行进中的有轨电车的碰撞危险程度进行评估。/n...

【技术特征摘要】
1.一种基于多车行进环境下的有轨电车冲突区域评估方法，其特征在于，具体按照以下步骤实施：
步骤1、对使用的车辆运动数据集进行预处理，得到目标车辆及其周围车辆运行状态的数据集，预处理后的数据集包括车辆ID、帧ID、总帧数、当前时刻车辆位置、车辆类型、车辆长度、车辆宽度、车辆速度、车辆加速度、所属车道、前后车ID在内的16列特征信息；
步骤2、划分有轨电车观测区域与预警区域；
步骤3、通过判断进入有轨电车观测区域目标物体的大小来确定进入其区域的目标物体具体类型，若进入的目标对象为车辆，则转到步骤4；若目标对象检测为包括行人、电动车在内的非机动车，则将判断信息通过有轨电车显示控制台反馈给有轨电车驾驶员，建议其谨慎驾驶；
步骤4、通过对多车运动状态绘图对处理得到的数据集进行可视化观测，分析其目标车辆换道意图，进而利用筛选出特征信息构建基于车辆特征信息的车辆行驶意图识别模型，并根据构建的车辆行驶意图识别模型的预测结果分析进入有轨电车观测区域的目标对象，预测触碰到有轨电车预警区域界线的目标车辆是否有进入其预警区域的意图；
步骤5、结合步骤1的数据集中车辆的运动状态信息，基于长短期记忆网络构建有轨电车周围车辆的轨迹预测模型，用来对有进入有轨电车预警区域意图的目标对象进行轨迹预测，从而进一步判断周围车辆在有轨电车行驶途中与有轨电车的碰撞危险程度；
步骤6、根据步骤2划分的冲突区域，结合步骤4构建的基于车辆特征信息的车辆行驶意图识别模型与步骤5构建的基于长短期记忆网络的轨迹预测模型，利用有轨电车的确定轨迹与目标车辆的预测轨迹构建的碰撞冲突区域，根据碰撞等级划分情况，对进入预警区域的目标车辆与行进中的有轨电车的碰撞危险程度进行评估。


2.根据权利要求1所述的一种基于多车行进环境下的有轨电车冲突区域评估方法，其特征在于，所述步骤2具体按照以下步骤实施：
步骤2.1、以有轨电车一节车厢的中心点为圆心，以12米为半径画圆，将其定义为有轨电车的观测区域S1，该区域用以观测记录进入其区域的目标物体的速度、位置、时间信息；
步骤2.2、以有轨电车一节车厢的长度，即8米为半径，以该节车厢的中心点为圆心画圆，将其定义为有轨电车的预警区域S2，该区域用以对进入其中的目标对象进行轨迹预测、风险评估。


3.根据权利要求2所述的一种基于多车行进环境下的有轨电车冲突区域评估方法，其特征在于，所述步骤4具体按照以下步骤实施：
步骤4.1、对步骤1得到的数据集进行分析处理，在数据中找到一个目标车辆，再根据数据集中提供的特征找到该目标车辆的周围环境车辆，特征包括该段时间内目标车辆的前、后车序号信息，将其组合到一个数据集当中；
步骤4.2：对步骤4.1得到的数据集，进行绘图，得到目标车辆及其周围环境车辆的运动轨迹示意图，即可以对目标车辆运行状态及其周围车辆的运动轨迹实现可视化观测；
步骤4.3：由步骤4.2得到的绘图结果，分析目标车辆的换道意图，即车辆是否进行换道操作，筛选出换道、不换道车辆的数据集；
步骤4.4：根据步骤4.2的绘图结果与步骤4.3处理后的数据集，进行特征分类，选择包括目标车辆的速度、目标车辆与换道前、后车辆的距离、目标车辆与换道后所在车道前后车的距离在内的特征，进而构建基于车辆运动特征信息的车辆行驶意图识别模型；
步骤4.5：利用步骤4.4构建的模型对有轨电车周围车辆是否从有轨电车观测区域进入其预警区域的意图进行预测，若预测的目标车辆的行驶意图是朝向有轨电车预警区域，则表示目标车辆有进入有轨电车预警区域的意图。


4.根据权利要求3所述的一种基于多车行进环境下的有轨电车冲突区域评估方法，其特征在于，所述步骤5具体按照以下步骤实施：
步骤5.1、选择数据分析工具pandas对步骤1得到的数据集进行数据分析；
步骤5.2、确定基于长短期记忆网络的车辆轨迹预测模型的输入为车辆的经纬度、速度、加速度信息；
步骤5.3、设置长短期记忆网络的训练次数、训练集与验证集的比例、使用的激活函数、损失函数在内的参数信息；
步骤5.4、利用数据分析工具pandas中的read_csv()方法加载数据集，然后使用pandas提供的...

【专利技术属性】
技术研发人员：黑新宏，张晓，费蓉，姬文江，谢国，上官安琪，李莎莎，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61