[发明专利]一种利用路侧观测数据进行路段短时交通风险预测的方法

权利要求书

1.一种利用路侧观测数据进行路段短时交通风险预测的方法，其特征在于，包括以下步骤：

1)利用路侧观测数据获取检测区域内行车轨迹数据；

采用路侧检测设备采集预设检测区域内的车辆的基本信息；所述基本信息包括时间戳、车辆ID、车辆位置和速度；

基于雷达记录存储的车辆基本信息，根据车辆ID逐帧提取出车辆的位置信息和速度信息，获得检测区域内各车辆的轨迹数据；

2)根据检测区域内连续的行车轨迹数据，统计交通流指标，获取车辆间的碰撞安全指标；所述碰撞安全指标包括：减速度、车头间距、车头时距、碰撞时间、修正碰撞时间以及停车间隔距离；

交通流指标包括：交通流量、占有率、车速，还包括拥堵指数和换道次数；

3)选取碰撞时间和减速度作为识别指标，判别检测区域内具有碰撞风险的冲突事件；

4)提取冲突事件发生前设定时间内的交通流指标和碰撞安全指标，利用分类算法对各类指标进行特征筛选；

5)基于筛选的特征指标，选择重要性排序靠前的指标作为输入，构建短时交通风险预测模型，并利用训练数据完成模型训练和测试；

6)基于构建的短时交通风险预测模型，以筛选的特征指标作为输入，进行短时交通风险预测。

2.根据权利要求1所述的一种利用路侧观测数据进行路段短时交通风险预测的方法，其特征在于，所述步骤1)中检测区域根据路侧检测设备的纵向感知范围设定。

3.根据权利要求1所述的一种利用路侧观测数据进行路段短时交通风险预测的方法，其特征在于，所述步骤1)中根据车辆ID逐帧提取出车辆的位置信息和速度信息，获得检测区域内各车辆的轨迹数据，具体如下：

基于车辆基本信息，根据车辆ID逐帧提取出车辆的位置信息和速度信息，获得检测区域内各车辆的轨迹数据；表示如下：

Trajectory_it＝{x_i,y_i,v_i,t,ID}

其中：

Trajectory_it表示车辆i在t时刻的轨迹数据；

x_i,y_i表示车辆i的位置信息；

v_i表示车辆i的速度信息；

ID表示车辆i的标识码信息；

采取最邻近算法的轨迹关联处理缺失或中断的轨迹数据；对缺失的轨迹数据进行补充；

使用移动均值滤波方法获得平滑的车辆轨迹。

4.根据权利要求3所述的一种利用路侧观测数据进行路段短时交通风险预测的方法，其特征在于，所述步骤1)中采取最邻近算法的轨迹关联处理缺失或中断的轨迹数据；对缺失的轨迹数据进行补充，公式如下：

使用移动均值滤波方法获得平滑的车辆轨迹；

对轨迹数据进行均值滤波，公式如下：

其中：

Δt表示记录轨迹数据的时间间隔，

表示滤波处理后车辆i的位置信息，表示滤波处理后车辆i的速度信息。

5.根据权利要求1所述的一种利用路侧观测数据进行路段短时交通风险预测的方法，其特征在于，所述步骤3)中判别检测区域内具有碰撞风险的冲突事件，具体如下：

碰撞时间和减速度两个指标均满足阈值要求时，将事件认定为冲突事件；

其中，Event取1表示事件为冲突事件，Event取0表示事件为非冲突事件；

TTC表示碰撞时间，Decel表示减速度值；

ttc为碰撞时间的临界阈值，a_1％为统计的减速度1％分位值。