[发明专利]基于车辆轨迹的信号控制交叉口驾驶决策事件识别方法

说明书

本发明属于智能交通与交通安全领域，具体涉及一种基于车辆轨迹的信号控制交叉口驾驶决策事件识别方法，包括以下步骤：S1、提出三维时空格搜索算法，即建立由时间轴和空间平面构成的三维立体空间，根据运动体轨迹在三维立体空间中的邻近程度，识别交通交互事件；S2、提取包含交互事件的轨迹数据子序列，建立不同速度组下运动性能指标的分布，再进一步识别极端驾驶行为；S3、应用熵理论对驾驶波动性进行量化分析，最后识别关键决策事件。本发明与传统交通安全分析方法相比，是从三维时空角度进行分析，同时考虑了驾驶行为和轨迹邻近性，更加适应于混合交通流条件，具有计算简便、识别效果好等优点。

技术领域

本发明属于智能交通与交通安全领域，尤其是涉及一种基于车辆轨迹的信号控制交叉口驾驶决策事件识别方法。

背景技术

在以混合交通流为特点的城市交叉口内部，机动车、非机动车以及行人没有明显的车道划分规则，导致频繁地发生交通交互行为，并且其运动轨迹表现出不规则性和随机性。运动体在交互过程中实施危险的驾驶决策是导致交通事故发生的重要因素。因此，准确识别关键的驾驶决策事件是减少交通事故、保障道路安全的有效途径。常见的关键决策行为包括急加速、急减速、急转弯、在加速过程中突然减速等。

传统的道路交通安全分析方法采用交通事故的历史数据作为输入，但是交通事故数据具有难以获取、信息缺乏、观测周期长等不足之处。因此，目前大多数的研究是基于交通冲突事件来展开的。识别交通冲突事件的安全替代指标主要包括空间邻近性指标和时间邻近性指标，如图1(b)，例如冲突时间(Time To Collision,TTC)和后侵入时间(Post-Encroachment Time,PET)。然而，邻近性指标检测交通冲突及其严重性的假定在不同的驾驶环境中并不总是成立。在混合交通流条件下，运动体之间经常保持较近的距离并且频繁发生交通交互行为。在交互过程中，车辆和行人不是直接采取停止或转向等避险措施，而是通过观察其他车辆来动态地改变驾驶策略和避险行为。因此，仅仅利用邻近性指标难以准确识别关键决策事件。此外，在计算交通安全替代指标时，通常是在二维平面上将车辆的纵向和横向位移合成之后确定车辆的下一时刻位置，如图1(a)，但是在混合交通流条件下车辆轨迹的随机性较大，可能造成车辆位置预测不准确、交通事件检测不全面。综上，提出适用于混合交通流信控交叉口的关键驾驶决策事件识别方法对于补充现有交通安全研究具有重要的现实意义。

发明内容

本发明的目的在于面向城市信号控制交叉口，尤其是混合交通流条件下运动体交互频繁的情况，通过分析机动车、非机动车和行人的轨迹邻近性，再结合对驾驶行为的量化分析，识别关键的驾驶决策事件，以便客观地评价交叉口安全、为驾驶员提供预警信息。

本发明的目的可以通过以下技术方案来实现：

一种基于车辆轨迹的信号控制交叉口驾驶决策事件识别方法，包括以下步骤：

S1、应用三维时空格搜索算法，即建立由时间轴和空间平面构成的三维立体空间，根据运动体轨迹在三维立体空间中的邻近程度，识别交通交互事件；

S2、提取包含交互事件的轨迹数据子序列，建立不同速度组下运动性能指标的分布，再进一步识别极端驾驶行为；

S3、应用熵理论对驾驶波动性进行量化分析，最后识别关键决策事件。

进一步地，步骤S1包括：

建立由时间轴和空间平面构成的三维立体空间，在t_n时刻第n个运动体的轨迹坐标为(x_n，y_n)，围绕该轨迹坐标构建三维时空格；

依次选择一个运动体的一个轨迹点构造三维时空格，遍历其他运动体的轨迹点，检查所述三维时空格内部是否存在其他运动体的轨迹点，若存在，则记作一起交通交互事件，并记录后侵入时间；否则继续检查下一运动体轨迹点的三维时空格。

进一步地，步骤S2包括：