[发明专利]一种高速公路危险交通行为识别方法

摘要

本发明属于交通安全技术领域，公开了一种高速公路危险交通行为识别方法，包括：按照预设的采样间隔，在当前采样时刻实时采集目标车辆指标，并根据所采集指标判定目标车辆当前是否处于危险交通行为；若判定为否，则在下一个采样时刻，采集目标车辆的17个指标；根据除目标车辆的类型和交通流密度之外的15个指标，计算得到对应的判定指标；根据目标车辆的车辆类型、交通流密度以及对应的判定指标，利用当前路段对应的危险交通行为识别模型，计算得到目标车辆对应的判定概率；根据判定概率判定目标车辆当前是否为危险交通行为。本发明能够准确、及时的识别危险交通行为，评估准确性高。

主权项

1.一种高速公路危险交通行为识别方法，其特征在于，包括：步骤1，按照预设的采样间隔，在当前采样时刻实时采集目标车辆的车速v_t，在同车道行驶过程中与前车的跟驰距离S_t及车头时距T_t，在换道前与目标车道上的前车的最近距离S_TFt、车头时距T_TFt以及与目标车道上后车的最近距离S_TBt及车头时距T_TBt；步骤2，判断当前采样时刻目标车辆的车速v_t是否大于当前路段的限速值，若是，则判定目标车辆当前处于危险交通行为；否则，进一步判断目标车辆与前车的跟驰距离S_t、与前车的车头时距T_t、与目标车道上的前车的最近距离S_TFt、与目标车道上的前车的车头时距T_TFt、与目标车道上后车的最近距离S_TBt以及与目标车道上后车的车头时距T_TBt中是否至少有一项小于对应的预设判定阈值，若是，则判定目标车辆当前处于危险交通行为；若否，则转至下一步骤；步骤3，在下一个采样时刻，采集目标车辆的以下17个指标：车辆类型T_p、交通流密度K、速度最高限速值v_m、横向加速度a_x、纵向加速度a_y，与左侧标线的距离L_L、与右侧标线的距离L_R；与前车跟驰距离与前车相对速度Δv、与前车的车头时距换道前与目标车道后车的距离换道前与目标车道后车的相对速度Δv_TB、换道前与目标车道后车的车头时距换道前与目标车道前车的距离换道前与目标车道前车的相对速度Δv_TF、换道前与目标车道前车的车头时距预先采集当前路段对应的m组样本数据，其中每组样本数据包括以下17个数据：车辆在一采样时刻的交通流密度、速度、最高限速值；横向加速度、纵向加速度；与左侧标线的距离、与右侧标线的距离；与前车跟驰距离、与前车相对速度、与前车的车头时距；换道前与目标车道后车的距离、换道前与目标车道后车的相对速度、换道前与目标车道后车的车头时距；换道前与目标车道前车的距离、换道前与目标车道前车的相对速度、换道前与目标车道前车的车头时距以及车辆的车辆类型；根据所述m组样本数据，建立原始数据矩阵X_m×15；其中，所述原始数据矩阵X_m×15的一行数据为m组样本数据中的一组样本数据中除交通流密度和车辆类型之外的15个数据；计算所述原始数据矩阵X_m×15中每一个指标的平均值，即每一列数据的平均值，并对样本矩阵进行标准化转换，得到标准化矩阵X′，计算所述标准化矩阵X′对应的协方差矩阵R；计算所述协方差矩阵R的特征值及对应的单位化特征向量，确定所述协方差矩阵R的全部n个特征值中累积贡献率超过85％的p个特征值；其中，p表示累积贡献率超过85％的特征值的个数，p≤n；利用所述p个特征值对应的单位化特征向量组成矩阵矩阵A的列向量为特征值的单位化特征向量；根据矩阵A的各列向量，得到p个判定指标的计算公式：其中，Y₁、Y₂、…Y_p为p个判定指标，n＝15，X₁、X₂、…X_n表示目标车辆的15个指标；步骤4，根据除目标车辆的类型和交通流密度之外的15个指标，利用预存的判定指标计算公式，计算得到对应的判定指标；建立二元logit模型：其中，P表示危险交通行为发生的概率，Y_i表示第i个判定指标，i＝1,2,...,p，β_i表示第i个判定指标Y_i对应的系数，β₀为常数，K表示交通流密度，T_p表示车辆类型，γ₁表示交通流密度对应的系数，γ₂表示车辆类型对应的系数；根据当前路段对应的m组样本数据，对所述二元logit模型进行参数标定，确定各参数的取值，得到当前路段对应的危险交通行为识别模型：exp()表示以10为底的指数函数；步骤5，根据目标车辆的车辆类型、交通流密度以及对应的判定指标，利用当前路段对应的危险交通行为识别模型，计算得到目标车辆对应的判定概率；步骤6，判断目标车辆对应的判定概率是否大于预设概率值：若是，则判定目标车辆当前处于危险交通行为；若否，则判定目标车辆当前处于安全交通行为。