一种适应混合交通流多场景下的车辆轨迹重构方法技术

本发明专利技术公开了一种适应混合交通流多场景下的车辆轨迹重构方法，步骤如下：S1、采集周围人工驾驶车辆位置，速度等信息。S2、根据相邻浮动车类型把重构场景划分为全感知场景、半感知场景和常规交通流场景，考虑浮动车的渗透率生成研究场景数据。S3、采用滑动窗口技术生成时间序列。S4、常规交通流场景下，在不同浮动车渗透率下采用智能驾驶人模型IDM重构车辆。S5、半感知场景下，采用融合模型IDM‑LSTM进行重构有片段化观测的车辆轨迹，存在大量轨迹信息缺失的车辆采用IDM模型进行轨迹重构。S6、全感知场景下，能够获取所有车辆的片段化观测轨迹，引入权重模块对IDM模型与长短期记忆神经网络融合，重构缺失的车辆轨迹。

【技术实现步骤摘要】

本专利技术属于交通感知与大数据分析领域，具体涉及一种适应混合交通流多场景下的车辆轨迹重构方法。

技术介绍

1、车辆轨迹包含丰富的交通流时空信息，广泛应用于驾驶模式识别、交通安全、交通状态估计、交通流模型、信号优化与控制以及交通能源消耗估计等方面。获取完整的车辆轨迹对于准确描述交通流状态及实现上述应用至关重要。然而，原始数据通常存在大量缺失段，这给其在交通流模型中的整合带来了挑战。

2、目前安装了大量检测设备以监测交通状况，这些检测设备主要分为固定检测器和移动检测器。研究表明，到2050年，网联自动驾驶车辆的比例将超过20％，这表明未来的混合交通流将由人工驾驶车辆、网联车辆和自动驾驶车辆组成。在混合交通流中，自动驾驶车辆和网联车辆可以收集到车辆的完整轨迹信息，克服了固定检测器只能获取单点交通信息的缺陷。基于上述优势，自动驾驶车辆和网联车辆推动了跟车行为仿真、基本图的建立、超车行为等应用的发展。然而，由于自动驾驶车辆和网联车辆的低渗透率，它们只能提供片段化的观测结果，而非完整的交通轨迹信息。观测数据的有限可用性限制了轨迹重构模型精度的提升。

本文档来自技高网...

【技术保护点】

1.一种适应混合交通流多场景下的车辆轨迹重构方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种适应混合交通流多场景下的车辆轨迹重构方法，其特征在于，步骤S1中，通过路侧起始处固定检测器，经过目标路段的车辆被检测到并编号为i，记车辆i经过起始处固定检测器位置的时间为bi，车辆i经过研究路段末端的时间为ei，根据车辆编号对车辆轨迹进行检索，得到车辆i在目标路段上的车辆轨迹观测集合Trai＝{s(i,t),v(i,t),a(i,t),l(i,t),t} t∈[bi,ei]，

3.根据权利要求1所述的一种适应混合交通流多场景下的车辆轨迹重构方法，其特征在于，步...

【技术特征摘要】

1.一种适应混合交通流多场景下的车辆轨迹重构方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种适应混合交通流多场景下的车辆轨迹重构方法，其特征在于，步骤s1中，通过路侧起始处固定检测器，经过目标路段的车辆被检测到并编号为i，记车辆i经过起始处固定检测器位置的时间为bi，车辆i经过研究路段末端的时间为ei，根据车辆编号对车辆轨迹进行检索，得到车辆i在目标路段上的车辆轨迹观测集合trai＝{s(i,t),v(i,t),a(i,t),l(i,t),t} t∈[bi,ei]，

3.根据权利要求1所述的一种适应混合交通流多场景下的车辆轨迹重构方法，其特征在于，步骤s2中，根据相邻浮动车类型把目标场景划分为全感知场景、半感知场景和常规交通流场景具体为：在目标场景下判断相邻两辆浮动车辆的类型，如果是相邻两辆浮动车均是自动驾驶车辆，将目标场景命名为全感知场景；如果一辆是自...

【专利技术属性】
技术研发人员：任刚，王瑞宇，吴场建，曹奇，张哲，马景峰，邓玥，李大韦，李豪杰，
申请(专利权)人：东南大学，
类型：发明
国别省市：