一种车辆轨迹数据驱动的车辆换道起终点识别方法技术

本发明专利技术属于轨迹数据处理领域，公开了一种车辆轨迹数据驱动的车辆换道起终点识别方法，包括如下步骤：对车辆轨迹数据进行处理；构建基于帧数差与横向位移变化量的换道起终点提取模型；采用HighD可视化仿真对模型进行参数标定；对模型实验结果进行对比分析及检验；分析换道时间分布特征。本发明专利技术以车辆自然行驶轨迹数据为基础，建立了基于帧数差与横向位移变化量的换道起终点提取模型，并通过实验对模型内参数进行了标定及检验，该模型可用于轨迹数据集中对换道起终点的采集，同时，本发明专利技术采用了海量的车辆轨迹数据集作为数据来源，数据集可以通过无人机数据采集及图像识别轨迹获得，后续还将会有更多车辆轨迹数据，在后续具有广泛的推广性。泛的推广性。泛的推广性。

【技术实现步骤摘要】
一种车辆轨迹数据驱动的车辆换道起终点识别方法


[0001]本专利技术属于轨迹数据处理领域，尤其涉及一种车辆轨迹数据驱动的车辆换道起终点识别方法。

技术介绍

[0002]驾驶员在执行换道决策时，需要综合考虑当前车道与目标车道与其相邻的车辆信息。相比于跟驰行为，车辆的换道行为复杂性与风险性更高。对换道行为的研究，在很大程度上能改善交通安全，提高道路通行能力。而换道起终点的正确识别和提取，对换道时间的确定和换道安全的研究具有重大的意义。
[0003]换道行为作为车辆行驶过程中重要的驾驶行为，已有很多研究对其进行了提取及预测。对于换道起终点的提取方法，目前热门的领域是通过机器学习的方法判定换道起终点并进行轨迹预测，为无人驾驶提供技术支持；也有研究采用目标车道前车与当前车道速度作为无人驾驶车辆换道意图判定依据，采用车辆动力学判断换道安全性。
[0004]对于轨迹数据换道起终点的提取，现有研究基本基于经验主义判断，缺乏相关实验验证的换道起终点提取模型。对于换道行为数据的采集，集中在实验员模拟换道驾驶、无人驾驶车辆数据等，得到的结果很难普及到实际应用中，而采用车辆自然行驶轨迹数据可以直观地表示出驾驶员的换道行为，通过车辆轨迹数据反映真实的交通情况，有助于将换道起终点模型推广到相关的研究领域，提供理论支持。
[0005]现有研究对轨迹数据换道起终点的提取主要依靠经验主义，如以经验规定横向位移变化量变化界限、车辆加速度变化范围、车道线与车辆位置情况等来确定换道起终点。但在大部分轨迹数据集，车道线坐标较难获得，精确度也较差，并且轨迹数据集中车道ID的变化并不代表车辆正在跨越车道线，换道起终点都在车道ID变化的前后，同时，基于经验主义的判断界限不一定适用于所有场景，其采集的精度也有待验证。

技术实现思路

[0006]本专利技术的目的在于提供一种车辆轨迹数据驱动的车辆换道起终点识别方法，以车辆自然行驶轨迹数据为基础，建立了基于帧数差与横向位移变化量的换道起终点提取模型，并通过实验对模型内参数进行了标定及检验，该模型可用于轨迹数据集中对换道起终点的采集，同时，本专利技术采用了海量的车辆轨迹数据集作为数据来源，数据集可以通过无人机数据采集及图像识别轨迹获得，后续可纳入更多车辆轨迹数据，本专利技术在后续具有广泛的推广性。
[0007]为了达到上述目的，在本专利技术提供如下的技术方案：
[0008]一种车辆轨迹数据驱动的车辆换道起终点识别方法，包括如下步骤：
[0009]S1、对车辆轨迹数据进行处理；
[0010]S2、构建基于帧数差与横向位移变化量的换道起终点提取模型；
[0011]S3、采用HighD可视化仿真对模型进行参数标定；
[0012]S4、对模型实验结果进行对比分析及检验；
[0013]S5、分析换道时间分布特征。
[0014]进一步地，所述对车辆轨迹数据为HighD数据集中的换道车轨迹数据，所述HighD数据集对每个记录提供四种文件，所述四种文件包括记录公路路段的图像、描述记录位置的CSV文件、记录车辆轨迹概述的CSV文件和包含车辆详细轨迹数据的CSV文件；
[0015]所述HighD可视化仿真是HighD数据集所提供的函数存储库，通过Python或者Matlab运行，可将HighD数据集中的轨迹数据进行可视化，逐帧复现路段车辆轨迹情况，为公开可视化函数存储库。
[0016]所述HighD数据集是利用无人机采集的位于德国科隆的车辆行驶轨迹数据，为公开数据集；
[0017]所述CSV文件为以纯文本形式存储表格数据格式的文件。
[0018]进一步地，所述对车辆轨迹数据进行处理具体为以所述四种文件为基础，采用Python3.8对每个记录进行轨迹数据预处理，所述预处理具体为：
[0019]S101、汇总HighD数据集记录信息，统计所述HighD数据集包含的交通量总数和车型比例信息；
[0020]S102、通过所述记录车辆轨迹概述的CSV文件中提供的车辆换道次数信息，筛选出具有单次换道行为的车辆，以不同车道数、不同限速、不同车型、不同车型比例、不同行驶方向分别汇总相应的类别文件；
[0021]S103、提取所述换道车辆详细轨迹数据的CSV文件，通过每辆目标车周围车辆ID信息，匹配相应的信息，所述信息包括横纵向坐标、横纵向速度与加速度、车辆长宽，将所匹配到的信息与目标车每一帧所在行数据合并；
[0022]S104、剔除换道轨迹不完整和轨迹起终点异常的数据；
[0023]S105、以不同行驶方向下行驶速度的特征为依据判断车辆换道方向，分类出向左换道与向右换道的车辆轨迹数据；
[0024]S106、统计换道车辆的交通参数信息，所述交通参数信息包括横向位移变化量、最小速度、最大速度和平均速度。
[0025]进一步地，所述换道起终点提取模型具体为：
[0026][0027]其中，t代表每辆车的换道起终点帧数，F1代表每辆车轨迹数据的第一帧，F2代表每辆车轨迹数据车道ID变化时的帧数，F3代表每辆车轨迹数据的最后一帧，X
t
与X
t
‑
T
分别表示车辆在t和t
‑
T时刻的横向坐标，T代表帧数差，S代表横向位移变化量界限值，S与T需要通过实验进行标定。
[0028]进一步地，所述换道起终点提取模型使用所述帧数差T计算每一帧对应的横向位移变化量，使用所述车道ID信息发生变化时刻F2为边界，从F2向前追溯，提取F1‑
F2时间段内车辆横向位移变化量小于等于界限值S的最大时刻，将该时刻标记为换道起点；从F2向后追溯，提取F2‑
F3时间段内车辆横向位移变化量小于等于界限值S的最小时刻，将该时刻标记为换道终点；
[0029]所述换道起终点提取模型的准确度取决于帧数差T与横向位移变化量S的标定。
[0030]进一步地，所述采用HighD可视化仿真对模型进行参数标定具体为：
[0031]S301、设置实验车，主要根据特殊情况为依据分别设计不同实验方案，所述特殊情况包括不同行驶方向、不同车道数、不同车型和不同换道方向；
[0032]S302、通过HighD可视化仿真记录每辆实验车的换道起终点，用于判断各实验方案准确性的依据；
[0033]S303、计算不同实验方案下实验车的横向位移变化量，绘制每辆试验车横向位移变化量分布图；
[0034]S304、通过分析实验车横向位移变化情况，制定换道起终点判断规则，对比不同组别实验车换道时间差异情况；
[0035]S305、比较不同实验方案准确度，标定换道起终点提取模型参数；
[0036]S306、将不同实验方案进行验证，检验换道起终点提取模型的准确性。
[0037]进一步地，所述对模型实验结果进行对比分析及检验具体为对比所述不同实验方案的精确度，所述精确度为仿真采集的换道时间与模型采集的换道时间比值。
[0038本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轨迹数据驱动的车辆换道起终点识别方法，其特征在于，包括如下步骤：S1、对车辆轨迹数据进行处理；S2、构建基于帧数差与横向位移变化量的换道起终点提取模型；S3、采用HighD可视化仿真对模型进行参数标定；S4、对模型实验结果进行对比分析及检验；S5、分析换道时间分布特征。2.根据权利要求1所述的车辆轨迹数据驱动的车辆换道起终点识别方法，其特征在于，所述对车辆轨迹数据为HighD数据集中的换道车轨迹数据，所述HighD数据集对每个记录提供四种文件，所述四种文件包括记录公路路段的图像、描述记录位置的CSV文件、记录车辆轨迹概述的CSV文件和包含车辆详细轨迹数据的CSV文件；所述HighD数据集是利用无人机采集的位于德国科隆的车辆行驶轨迹数据，为公开数据集；所述CSV文件为以纯文本形式存储表格数据格式的文件。3.根据权利要求2所述的车辆轨迹数据驱动的车辆换道起终点识别方法，其特征在于，所述对车辆轨迹数据进行处理具体为以所述四种文件为基础，采用Python3.8对每个记录进行轨迹数据预处理，所述预处理具体为：S101、汇总HighD数据集记录信息，统计所述HighD数据集包含的交通量总数和车型比例信息；S102、通过所述记录车辆轨迹概述的CSV文件中提供的车辆换道次数信息，筛选出具有单次换道行为的车辆，以不同车道数、不同限速、不同车型、不同车型比例、不同行驶方向分别汇总相应的类别文件；S103、提取所述换道车辆详细轨迹数据的CSV文件，通过每辆目标车周围车辆ID信息，匹配相应的信息，所述信息包括横纵向坐标、横纵向速度与加速度、车辆长宽，将所匹配到的信息与目标车每一帧所在行数据合并；S104、剔除换道轨迹不完整和轨迹起终点异常的数据；S105、以不同行驶方向下行驶速度的特征为依据判断车辆换道方向，分类出向左换道与向右换道的车辆轨迹数据；S106、统计换道车辆的交通参数信息，所述交通参数信息包括横向位移变化量、最小速度、最大速度和平均速度。4.根据权利要求3所述的车辆轨迹数据驱动的车辆换道起终点识别方法，其特征在于，所述换道起终点提取模型具体为：其中，t代表每辆车的换道起终点帧数，F1代表每辆车轨迹数据的第一帧，F2代表每辆车轨迹数据车道ID变化时的帧数，F3代表每辆车轨迹数据的最后一帧，X
t
与X
t
...

【专利技术属性】
技术研发人员：罗强，陈舒逸，李嘉浩，臧晓冬，杨俊恒，赵沫涵，赵丁，
申请(专利权)人：广州大学，
类型：发明
国别省市：