[发明专利]车辆跟驰运行风险状态判定方法、系统及设备

说明书

本公开实施例中提供了一种车辆跟驰运行风险状态判定方法、系统及设备，属于数据处理技术领域，具体包括：步骤1，获取多个人工驾驶车辆在实际道路交通中的轨迹数据；步骤2，将所有人工车辆分为K个跟驰车组，每个跟驰车组包括前车和后车，根据每个跟驰车组后车的轨迹数据和场景判别函数，判断该跟驰车组的交通场景为正常跟驰或者非正常跟驰，基于每个正常跟驰车组后车的轨迹数据和风格判别函数，判别对应驾驶员的驾驶风格属于激进非敏感型、保守非敏感型、激进敏感型或者保守敏感型；步骤3，根据每个跟驰车组的交通场景和驾驶员的驾驶风格对跟驰车组进行事故风险判定。通过本公开的方案，提高了判定精准度和适应性。

技术领域

本公开实施例涉及数据处理技术领域，尤其涉及一种车辆跟驰运行风险状态判定方法、系统及设备。

背景技术

目前，随着社会经济的快速发展和城市化的不断推进，公路网络建设不断完善，汽车机动化程度不断提升，道路交通需求也随之提高。目前机动车拥有量及机动车驾驶人数量均呈快速增长趋势，这也给我国的道路交通安全带来了一系列隐患。其中，追尾事故一直是多发的事故类型，且追尾碰撞事故带来的后果也非常严重，通常会造成大量的人员伤亡和财产损失。因此，追尾事故研究已成为交通安全领域研究的热点之一。近几年在追尾事故研究方面取得了可喜的进展，但是，该领域的研究仍面临着诸多关键问题亟待解决，包括基于驾驶员异质性考虑的跟驰车组事故风险判定问题。现有的跟驰车组事故风险判定绝大部分是直接基于替代性安全评估指标展开的，然而跟驰场景差异以及驾驶员异质性现实存在，故对跟驰车组的事故风险判定展开分类别、精细化的研究十分必要。

可见，亟需一种适应性和精准度更高的车辆跟驰运行风险状态判定方法。

发明内容

有鉴于此，本公开实施例提供一种车辆跟驰运行风险状态判定方法、系统及设备，至少部分解决现有技术中存在适应性和精准度较差的问题。

第一方面，本公开实施例提供了一种车辆跟驰运行风险状态判定方法，包括：

步骤1，获取多个人工驾驶车辆在实际道路交通中的轨迹数据，其中，轨迹数据包括对应车辆在预设时间段内各时刻的位置、速度和加速度信息；

步骤2，将所有人工车辆分为K个跟驰车组，每个跟驰车组包括前车和后车，根据每个跟驰车组后车的轨迹数据和场景判别函数，判断该跟驰车组的交通场景为正常跟驰或者非正常跟驰，基于每个正常跟驰车组后车的轨迹数据和风格判别函数，判别对应驾驶员的驾驶风格属于激进非敏感型、保守非敏感型、激进敏感型或者保守敏感型；

步骤3，根据每个跟驰车组的交通场景和驾驶员的驾驶风格对跟驰车组进行事故风险判定。

根据本公开实施例的一种具体实现方式，所述步骤1具体包括：

采集实际道路交通的视频，采用视频图像处理技术从视频中提取多个人工驾驶车辆的轨迹数据，对提取的轨迹数据进行数据清洗操作，获得交通轨迹数据，其中，所述数据清洗操作包括除噪、插补和重平衡。

根据本公开实施例的一种具体实现方式，所述场景判别函数的表达式为

其中，Δx(t)表示后车在t＝1,2…T时刻与前车的间距，v(t)表示后车在t时刻的速度，F₃为交通场景第一判断函数值，F′₃为交通场景第二判断函数值；

若F₃ε₁或者F′₃ε₂，则判别为非正常跟驰场景，否则，判别为正常跟驰场景，其中，ε₁和ε₂为预设的交通场景判断系数。

根据本公开实施例的一种具体实现方式，ε₁＝20，ε₂＝11.12。