一种非机动车驾驶行为识别方法技术

本发明专利技术属于交通工程技术领域，提供了一种非机动车驾驶行为识别方法，所述方法包括：将非机动车的行驶轨迹进行分割，得到待分类轨迹片段，提取所述待分类轨迹片段的驾驶行为特征参数；然后采用基于KNN算法的非机动车轨迹片段驾驶行为分类模型对所述待分类轨迹片段进行分类的操作。本发明专利技术采用了基于KNN算法的非机动车轨迹片段驾驶行为分类模型，可以准确、快速地判断非机动车的驾驶行为，获得大量非机动车的驾驶行为数据，从而为道路交通的运行和道路规划提供重要的依据。道路规划提供重要的依据。道路规划提供重要的依据。

【技术实现步骤摘要】
一种非机动车驾驶行为识别方法


[0001]本专利技术属于交通工程
，具体涉及一种非机动车驾驶行为识别方法。

技术介绍

[0002]随着城市路网的完善和居民生活品质的提升，城市非机动车道的发展和完善愈发受到政府的重视。互联网、大数据等新业态的蓬勃发展为交通治理乃至城市治理提供了新的数据基础。其中，共享单车是互联网+催生的新型出行方式。2020年北京市共享单车驾驶总量达到6.9亿人次，日均驾驶量超过300万人次。《北京市交通综合治理领导小组第六次会议纪要》指出：可采用共享单车出行轨迹数据等第三方数据，分析慢行系统各线网的连续可达性，有针对性地对影响慢行出行体验的堵点、断点进行治理，不断完善城市慢行网络。
[0003]已有学者基于轨迹开展了非机动车的冲突识别与预测研究。郑玉冰提出了一种基于个体轨迹的非机动车道的冲突风险识别方法。通过输入非机动车个体轨迹数据，利用公式判断非机动车个体视觉域内的正面、角度、追尾层级的冲突，实现冲突事件的统计、冲突热力的分布、冲突事件的网络图等非机动车道内的运行风险可视化输出。巫诚诚基于随机森林模型，构建了交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非机动车驾驶行为识别方法，其特征在于，所述方法包括：将非机动车的行驶轨迹进行分割，得到待分类轨迹片段，提取所述待分类轨迹片段的驾驶行为特征参数；然后采用基于KNN算法的非机动车轨迹片段驾驶行为分类模型对所述待分类轨迹片段进行分类的操作。2.根据权利要求1所述的非机动车驾驶行为识别方法，其特征在于：所述非机动车包括自行车和电动自行车；所述非机动车驾驶行为分为正常驾驶行为、超越驾驶行为；所述超越驾驶行为包括自由超越驾驶行为、临近超越驾驶行为、受阻超越驾驶行为。3.根据权利要求1或2所述的非机动车驾驶行为识别方法，其特征在于：所述将非机动车的行驶轨迹进行分割，得到待分类轨迹片段的操作包括：将整条非机动车的行驶轨迹按照一个确定的分割间隔时间，分割为一系列具有相同片段轨迹时长的轨迹片段。4.根据权利要求3所述的非机动车驾驶行为识别方法，其特征在于：所述片段轨迹时长不小于所述分割间隔时间；优选地，所述片段轨迹时长大于所述分割间隔时间。5.根据权利要求3所述的非机动车驾驶行为识别方法，其特征在于：自行车的分割间隔时间为5
‑
7s，片段轨迹时长为7
‑
9s；电动自行车的分割间隔时间为3
‑
5s，片段轨迹时长为5
‑
7s。6.根据权利要求4所述的非机动车驾驶行为识别方法，其特征在于：自行车的分割间隔时间为6s，片段轨迹时长为8s；电动自行车的分割间隔时间为4s，片段轨迹时长为6s。7.根据权利要求6所述的非机动车驾驶行为识别方法，其特征在于：所述待分类轨迹片段的驾驶行为特征参数包括：纵向平均速度、纵向平均速度标准差、横向平均速度、横向平均速度标准差。8.根据权利要求7所述的非机动车驾驶行为识别方法，其特征在于：所述基于KNN算法的非机动车轨迹片段驾驶行为分类模型，采用包括如下步骤的操作方式构建：步骤1：构建既有样本数据集；所述构建既有样本数据集的操作包括：获取非机动车的行驶轨迹，提取非机动车的行驶轨迹中的自由超越驾驶行为轨迹片段、临近超越驾驶行为轨迹片段、受阻超越驾驶行为轨迹片段、正常驾驶行为轨迹片段；并提取自由超越驾驶行为轨迹片段、临近超越驾驶行为轨迹片段、受阻超越驾驶行为轨迹片段、正常驾驶行为轨迹片段的驾驶行为特征参数；步骤2：计算每个所述待分类轨迹片段，与既有样本数据集中的每个轨迹片段之间的欧几里得距离，计算表达式为：式(1)中，d(S
H(a)
，S
A
)为既有样本数据集内，第a个轨迹片段S
H
与待分类轨迹片段S
A
之间
的欧几里得距离；S
H(a，f)
为轨迹片段S
H(a)
中的第f个特征参数的值；S
A(f)
为待分类...

【专利技术属性】
技术研发人员：张蕊，孔令争，段予，杨明辉，郝嘉田，王曦，王嘉贺，程世达，侯先磊，韩瑞雪，付泽京，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：