[发明专利]一种在车路协同条件下的车辆闯红灯预测方法

说明书

本发明公开了一种在车路协同条件下的车辆闯红灯预测方法。本发明中，首先基于车路协同技术可获取的车辆GPS位置信息、速度信息、交叉口停车线位置信息、信号灯相位等信息:通过道路自由流和跟驰状态下，对道路中的车辆进行计算闯红灯概率计算；通过MATLAB编写程序计算出不同距离不同速度不同时间下的两难区概率，建立数据库(车辆闯红灯识别算法)，从而可以实时的计算出道路中闯红灯概率；最后通过预警系统，传递给在道路上行驶的车辆，车辆可以迅速的做出判断，从而大大减少闯红灯的概率；通过计算车辆闯红灯概率，建立车辆识别数据库有效提高驾驶员的决策，从而大大减少车辆闯红灯概率，对城市管理者和车辆拥有着有着极大的便利。

技术领域

本发明属于交通安全技术领域，具体为一种在车路协同条件下的车辆闯红灯预测方法。

背景技术

闯红灯是指机动车、非机动车、行人等违反交通信号灯指示在红灯亮起禁止通行时越过停止线并继续行驶的行为。“闯红灯”的引申义多用于形容超越现有规则办事或其他一些违反法律或道德规范的行为；无论何种理由，发生闯红灯违法行为，都会依法处罚。不过，路口的视频设备每次采集闯红灯违法信息也很谨慎，需要“三堂会审”，也就是说，认定一辆车闯红灯，会有三张照片佐证。分别在车辆过线前，过线后和驶入路口。“驶入路口这张就能明确，车辆是否在红灯情况下强行通过。”民警介绍，3张照片会明显记录车辆在红灯过程中的位置移动。

现在的预测方法大多都是以技术原型为主，缺少成熟的预测算法

发明内容

本发明的目的在于：为了解决上述提出的问题，提供一种在车路协同条件下的车辆闯红灯预测方法。

本发明采用的技术方案如下：一种在车路协同条件下的车辆闯红灯预测方法，所述在车路协同条件下的车辆闯红灯预测方法包括以下步骤：

S1:首先基于车路协同技术可获取的车辆GPS位置信息、速度信息、交叉口停车线位置信息、信号灯相位等信息；

S2:通过道路自由流和跟驰状态下，对道路中的车辆进行计算闯红灯概率计算；

S3:通过MATLAB编写程序计算出不同距离不同速度不同时间下的两难区概率，建立数据库(车辆闯红灯识别算法)见附录1和附录2，从而可以实时的计算出道路中闯红灯概率；

S4:最后通过预警系统，传递给在道路上行驶的车辆，车辆可以迅速的做出判断，从而大大减少闯红灯的概率。

在一优选的实施方式中，所述步骤S3中数据库建立MATLAB代码是：

在一优选的实施方式中，所述步骤S3中数据库优化matlab代码为：

％优化加速度函数之后的数据库建立

x2＝48:1:200；

v2＝5.55:0.5:24.45；

T2＝0:0.1:7；

k1＝length(x2)；

k2＝length(v2)；

k3＝length(T2)；

length＝k1*k2*k3；

[tmp1,tmp2,tmp3]＝ndgrid(x2,v2,T2)；

value＝[tmp1(:),tmp2(:),tmp3(:)]；

xlswrite('E:\optimize_data.xlsx',value)；

num＝0；

deno＝0；