基于实时轨迹特征分析的危险变道路段识别与管控方法技术

本发明专利技术公开了一种基于实时轨迹特征分析的危险变道路段识别与管控方法，实现了基于车辆实时轨迹数据分析的危险变道风险路段动态识别管控，包括基于道路结构特征的车辆危险变道风险分析路段语义分割、基于实时轨迹特征分析的加权危险变道指数统计（追尾指数+速度指数+变道频率指数）、危险变道路段分类动态识别，风险路段分类管控，该方法突破了传统管控方法仅着眼于车辆本身危险变道行为导致管控效率低、车辆传感设备依赖性高的局限，可显著提高道路网络整体危险变道风险路段动态识别管控水平，降低相关事故风险。降低相关事故风险。降低相关事故风险。

【技术实现步骤摘要】
基于实时轨迹特征分析的危险变道路段识别与管控方法


[0001]本专利技术属于道路驾驶安全监管
，具体涉及一种基于实时轨迹特征分析的危险变道路段识别与管控方法。

技术介绍

[0002]在实际生活中，驾驶员驾驶车辆在车道行驶并进行换道行为是一种基本操作，换道是人
‑
车
‑
路
‑
环境对驾驶人共同作用的结果，换道行为十分影响行车安全，是道路交通安全研究的重要方面。
[0003]驾驶员在换道过程中需要注意的方面比车道保持时多很多，环境更为复杂，不能准确判断何时换道和可行性就可能造成拥堵甚至交通事故。近年来，随着居民汽车保有量的增加，因为变道而造成的交通事故逐年上升，在交通事故中，有6%的事故是由于换道不当所致;且换道交通事故所致延误时间占全类型交通事故所致延误时间的10%，在换道所致交通事故事件中有75%是由于驾驶员对换道条件判断失误所致，对于驾驶员换道行为风险识别显得十分重要。
[0004]传统方法主要着眼于车辆变道行为本身，从司机角度借助各类技术（如车载雷达）进行变道风险预警，缺乏全局意识，存在盲目性及时空局限性。本方案从全局视野出发，借助轨迹大数据研判危险变道风险行为及特征路段，为危险变道驾驶风险防范提供了新的方法和技术框架。

技术实现思路

[0005]针对现有技术中的上述不足，本专利技术提供的基于实时轨迹特征分析的危险变道路段识别与管控方法解决了传统管控方法仅着眼于车辆本身危险变道行为导致管控效率低、车辆传感设备依赖性高的问题。
[0006]为了达到上述专利技术目的，本专利技术采用的技术方案为：基于实时轨迹特征分析的危险变道路段识别与管控方法，包括以下步骤：S1、采集目标区域的路网数据，识别道路交叉口，并根据其进行危险变道风险管控路段的语义划分；S2、采集目标区域的动态/历史车辆轨迹数据，根据划分的危险变道风险管控路段进行轨迹出行路径匹配，并计算匹配危险变道的分向路段的危险变道风险指数；S3、根据计算的危险变道风险指数，动态识别各分向路段的危险变道风险等级，并根据危险变道风险等级进行分类管控。
[0007]进一步地，所述步骤S1具体为：S11、采集目标区域的路网数据，并修复异常路网数据，确定路网信息图；S12、在路网信息图中，将100米以内的所有交汇口端点的形心识别为逻辑道路交叉口；S13、对相邻两个逻辑道路交叉口之间的路段划分逻辑分向路段，实现危险变道风
险管控路段的语义划分。
[0008]进一步地，所述步骤S2具体为：S21、采集目标区域的历史车辆轨迹数据，对其处理并构建各车辆的历史出行轨迹集合；同时，采集目标区域的实时车辆轨迹数据，对其处理剔除异常轨迹点数据，构建动态出行轨迹集合；S22、对构建的历史/动态轨迹出行集合中的轨迹点数据，进行轨迹匹配，得到对应的分向路段；S23、基于历史/动态轨迹出行集合的轨迹点数据，计算各分向路段的追尾风险指数；S24、基于历史轨迹出行集合的轨迹点数据，计算各分向路段的平均速度指数；S25、基于历史轨迹出行集合的轨迹点数据，计算各分向路段的变道频率指数；S26、根据计算出的追尾风险指数对应风险等级的权重、平均速度的权重以及变道频率指数，计算各分向路段的危险变道风险指数。
[0009]进一步地，所述步骤S21中，构建历史出行轨迹集合的方法为：S21
‑
A1、采集目标区域的历史车辆轨迹数据，并按车辆对轨迹点数据分组；S21
‑
A2、对各车辆轨迹点数据按采样时间顺序排列，并剔除异常轨迹点数据，获得轨迹序列；S21
‑
A3、识别轨迹序列中的出行中断点，并构建中断点集合P；S21
‑
A4、根据构建的中断点集合P，识别车辆出行段落，进而获得各车辆的出行轨迹集合；构建动态出行轨迹集合的方法具体为：S21
‑
B1、设置时段间隔，按当前时刻汇总上一时段间隔内的轨迹点数据；S21
‑
B2、按车辆对汇总时段的轨迹点数据分组；S21
‑
B3、对各车辆的轨迹点数据集合进行遍历，并剔除异常轨迹点数据，构建出动态出行轨迹集合。
[0010]进一步地，所述步骤S22具体为：S22
‑
1、遍历各车辆的历史/动态出行轨迹集合；S22
‑
2、对历史/动态出行轨迹集合中的轨迹点，获取其临近范围内的临近连接线集合；S22
‑
3、对临近连接线集合不为空的轨迹点，遍历其对应的临近连接线集合，并确定该轨迹点的方位角射线与各临近连接线切线的夹角；S22
‑
3、根据夹角大小，匹配分向路段：当存在小于45度的夹角时，将最小夹角的临近连接线作为匹配连接线，其对应的虚拟分向路段作为匹配的分向路段；当所有夹角均大于45度时，则若临近连接线最大夹角大于135度，则以该连接线对应分向路段的反向路段作为匹配的分向路段。
[0011]进一步地，所述步骤S23中的追尾风险指数REIndi为：REIndi=w1*w2*w3*Dindi
式中，w1为相对疲劳指数对应的相对疲劳风险等级权重，w2为绝对疲劳指数对应的绝对疲劳风险等级权重，w3为流量指数权重，Dindi为急减速指数；其中，相对疲劳指数对应的风险等级根据分向路段的相对疲劳指数进行1~10级的风险等级划分，绝对疲劳风险等级根据分向路段的绝对疲劳风险指数，按自然间断法分10级进行间断排序得到，流量指数权重根据动态时段平均车道流量所属范围确定。
[0012]进一步地，所述步骤S24具体为：S24
‑
1、获取历史轨迹出行集合中各轨迹点对应的匹配连接线集合；S24
‑
2、依次确定各轨迹点处的车速，对车速大于0的轨迹点，根据匹配连接线集合，统计该匹配连接线对应的分向路段的行驶距离和行驶时间；S24
‑
3、将总行驶距离与总采样行驶时间的比值作为该分向路段的平均速度。
[0013]进一步地，所述步骤S25具体为：S25
‑
1、遍历各车辆的历史轨迹出行集合中的轨迹点；S25
‑
2、根据前向相邻两个轨迹点对应的临近连接线之间的距离和运动方向夹角，识别变道事件；S25
‑
3、按各轨迹点匹配的分向路段所属临近连接线对应的日均变道次数，作为该分向路段的变道频率指数。
[0014]进一步地，所述步骤S26中危险变道风险指数LaneCRisk为：LaneCRisk=w1*w2*LaneCIndi其中，w1为追尾风险指数对应风险等级的权重，其中，追尾风险指数对应风险等级根据追尾风险指数进行1~10级划分；w2为平均速度权重，其根据平均速度所属范围确定，LaneCIndi为变道频率指数。
[0015]进一步地，所述步骤S3中，动态识别风险等级的方法为：根据当前时刻，筛选上一时段车辆采样数大于50次的分向路段，根据其对应的危险变道风险指数，按自然间断法分10级进行间断排序，获得各分向路段的危险本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于实时轨迹特征分析的危险变道路段识别与管控方法，其特征在于，包括以下步骤：S1、采集目标区域的路网数据，识别道路交叉口，并根据其进行危险变道风险管控路段的语义划分；S2、采集目标区域的动态/历史车辆轨迹数据，根据划分的危险变道风险管控路段进行轨迹出行路径匹配，并计算匹配危险变道的分向路段的危险变道风险指数；S3、根据计算的危险变道风险指数，动态识别各分向路段的危险变道风险等级，并根据危险变道风险等级进行分类管控。2.根据权利要求1所述的基于实时轨迹特征分析的危险变道路段识别与管控方法，其特征在于，所述步骤S1具体为：S11、采集目标区域的路网数据，并修复异常路网数据，确定路网信息图；S12、在路网信息图中，将100米以内的所有交汇口端点的形心识别为逻辑道路交叉口；S13、对相邻两个逻辑道路交叉口之间的路段划分逻辑分向路段，实现危险变道风险管控路段的语义划分。3.根据权利要求1所述的基于实时轨迹特征分析的危险变道路段识别与管控方法，其特征在于，所述步骤S2具体为：S21、采集目标区域的历史车辆轨迹数据，对其处理并构建各车辆的历史出行轨迹集合；同时，采集目标区域的实时车辆轨迹数据，对其处理剔除异常轨迹点数据，构建动态出行轨迹集合；S22、对构建的历史/动态轨迹出行集合中的轨迹点数据，进行轨迹匹配，得到对应的分向路段；S23、基于历史/动态轨迹出行集合的轨迹点数据，计算各分向路段的追尾风险指数；S24、基于历史轨迹出行集合的轨迹点数据，计算各分向路段的平均速度指数；S25、基于历史轨迹出行集合的轨迹点数据，计算各分向路段的变道频率指数；S26、根据计算出的追尾风险指数对应风险等级的权重、平均速度的权重以及变道频率指数，计算各分向路段的危险变道风险指数。4.根据权利要求3所述的基于实时轨迹特征分析的危险变道路段识别与管控方法，其特征在于，所述步骤S21中，构建历史出行轨迹集合的方法为：S21
‑
A1、采集目标区域的历史车辆轨迹数据，并按车辆对轨迹点数据分组；S21
‑
A2、对各车辆轨迹点数据按采样时间顺序排列，并剔除异常轨迹点数据，获得轨迹序列；S21
‑
A3、识别轨迹序列中的出行中断点，并构建中断点集合P；S21
‑
A4、根据构建的中断点集合P，识别车辆出行段落，进而获得各车辆的出行轨迹集合；构建动态出行轨迹集合的方法具体为：S21
‑
B1、设置时段间隔，按当前时刻汇总上一时段间隔内的轨迹点数据；S21
‑
B2、按车辆对汇总时段的轨迹点数据分组；S21
‑
B3、对各车辆的轨迹点数据集合进行遍历，并剔除异常轨迹点数据，构建出动态出
行轨迹集合。5.根据权利要求3所述的基于实时轨迹特征分析的危险变道路段识别与管控方法，其特征在于，所述步骤S22具体为：S22
‑
1、遍历各车辆的历史/动态出行轨迹集合；S22
‑
2、对历史/动态出行轨迹集合中的轨迹点，获取其临近范围内的临近连接线集合；S22
‑
3、对临近连接线集合不为空的轨迹点，遍历其对应的临近连接线集合，并确定该轨迹点的方位角射线与各临近连接线切...

【专利技术属性】
技术研发人员：党晓旭，吴洲豪，尉泽辉，贺鹏举，吕益刚，冯套柱，李玲，金书鑫，贠思静，刘袆芃，孙继成，杨柳，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：