【技术实现步骤摘要】
本专利技术涉及一种基于轨迹数据的路段安全风险状态认知方法，属于交通安全研究。
技术介绍
1、路段交通安全风险状态评估的目的是识别道路上的潜在风险，并提供相关的预防措施，以减少交通事故的发生和严重程度。通过评估交通安全风险状态，交通管理部门可以了解道路上的安全状况，并采取措施来改善交通安全性，包括改善道路设计和交通设施，加强交通法规的执行，提高驾驶员的交通安全意识，以及提供紧急救援和应急响应等。
2、目前对于路段安全风险状态的分析主要通过宏观交通流数据(流量、速度、占有率等)进行相应的统计分析或通过人工智能技术进行风险识别与预测。然而这些交通流数据往往会忽略很多车辆的微观行为以及车辆之间的交互影响。因此，采用轨迹数据进行分析能够捕获到更多的车辆微观行为，有助于充分分析交通安全水平。同时时空序列数据为复杂的高维数据，借助时空序列深度学习模型强大的空间和时间特征学习能力，提取到的特征能更有效地表征交通安全风险水平，对于实时识别交通安全风险具有很大的潜力。
技术实现思路
1、针对上述问...
【技术保护点】
1.一种基于车辆轨迹数据的公路路段安全风险状态认知方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的路段安全风险状态认知方法，其特征在于，步骤c1中获取的车辆类型包含小车和大车，轨迹数据包含车辆相对坐标、横向速度、纵向速度、横向加速度和纵向加速度。
3.根据权利要求2所述的路段安全风险状态认知方法，其特征在于，所述车辆类型为类别数据，轨迹数据为采集频率为25HZ的时间序列数据。
4.根据权利要求2所述的路段安全风险状态认知方法，其特征在于，步骤c2将路段进行网格化，具体地，根据小车和大车的平均长度，单个网格的长度设置为...
【技术特征摘要】
1.一种基于车辆轨迹数据的公路路段安全风险状态认知方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的路段安全风险状态认知方法，其特征在于，步骤c1中获取的车辆类型包含小车和大车，轨迹数据包含车辆相对坐标、横向速度、纵向速度、横向加速度和纵向加速度。
3.根据权利要求2所述的路段安全风险状态认知方法，其特征在于，所述车辆类型为类别数据，轨迹数据为采集频率为25hz的时间序列数据。
4.根据权利要求2所述的路段安全风险状态认知方法，其特征在于，步骤c2将路段进行网格化，具体地，根据小车和大车的平均长度，单个网格的长度设置为4.6m，宽度等同于车道宽度，最终所形成的网格图大小如下式：
5.根据权利要求4所述的路段安全风险状态认知方法，其特征在于，步骤c2中，将每一时刻每一车辆的运动参数分配到网格中，所述运动参数包含横向速度、纵向速度、横向加速度和纵向加速度，具体地，分配方...
【专利技术属性】
技术研发人员：金盛，江杨，周梦涛，白聪聪，郭文彤，
申请(专利权)人：浙江大学中原研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。