[发明专利]一种面向平面交叉口的车辆碰撞风险评估及预测方法

权利要求书

1.一种面向平面交叉口的车辆碰撞风险评估及预测方法，其特征在于：所述方法包括以下步骤：

步骤一、确定影响车辆碰撞的风险因素；

步骤二、搭建并训练基于LSTM网络的车辆碰撞风险评估及预测模型；

步骤三、实时评估及预测平面交叉口的车辆碰撞风险；

所述步骤一、确定影响车辆碰撞的风险因素，具体如下：

子步骤(1)、为便于分析评估平面交叉口的车辆碰撞风险，将平面交叉口道路区域栅格化，划分成若干个a×b的网格区域，a表示网格区域的长度，b表示网格区域的宽度，逐个评估、预测各个网格区域内的车辆碰撞风险，后续步骤以网格区域O为例叙述，其他区域类同；

子步骤(2)、确定网格区域O内影响车辆碰撞的运动学因素，利用智能路侧设备，含毫米波雷达和视觉传感器，获取影响车辆碰撞的运动信息，网格区域O内车辆位置p、车辆速度v；

子步骤(3)、确定网格区域O内影响车辆碰撞的驾驶员行为因素，若网格区域O内有车辆目标，则依据影响车辆碰撞的运动信息，基于隐马尔科夫的前向-后向算法估计模型参数，进而利用维特比算法识别网格区域O内车辆的驾驶行为，包括左转LT、右转RT、直行GS、左变道LC、右变道RC五种行为；

子步骤(4)、确定影响车辆碰撞的交通环境因素，交通环境因素包括车道数量Num、车道宽度Wid、控制形式Con、湿度条件Hum四个方面的交通环境先验信息，其中，控制形式Con取值有信号灯控制、无信号灯控制，湿度条件Hum取值有干燥、较湿；

子步骤(5)、网格区域O的五个相邻区域：左方区域、前方区域、左前区域、右方区域，右前区域内影响车辆碰撞的因素也确定为运动学因素、驾驶员行为因素、交通环境因素，按照子步骤(2)至子步骤(4)执行相同的操作；

子步骤(6)、确定网格区域O内车辆碰撞风险评估及预测模型的输入量In及输出量Out，考虑网格区域O内车辆碰撞受到相邻区域的影响，车辆碰撞风险评估及预测模型的输入量In包括：

网格区域O：(p₁,v₁,LT₁/RT₁,LC₁/RC₁,Num₁,Wid₁,Con₁,Hum₁)，

左方区域：(p₂,v₂,LT₂/RT₂,LC₂/RC₂,Num₂,Wid₂,Con₂,Hum₂)，

前方区域：(p₃,v₃,LT₃/RT₃,LC₃/RC₃,Num₃,Wid₃,Con₃,Hum₃)，

左前区域：(p₄,v₄,LT₄/RT₄,LC₄/RC₄,Num₄,Wid₄,Con₄,Hum₄)，

右方区域：(p₅,v₅,LT₅/RT₅,LC₅/RC₅,Num₅,Wid₅,Con₅,Hum₅)，

右前区域：(p₆,v₆,LT₆/RT₆,LC₆/RC₆,Num₆,Wid₆,Con₆,Hum₆)，

其中，p₁表示网格区域O内车辆位置，v₁表示网格区域O内车辆速度，LT₁表示网格区域O内车辆左转向，RT₁表示网格区域O内车辆右转向，LT₁/RT₁表示该位置取值为LT₁或RT₁，LC₁表示网格区域O内车辆左变道，RC₁表示网格区域O内车辆右变道，LC₁/RC₁表示该位置取值为LC₁或RC₁，Num₁表示行驶方向的车道数量，Wid₁表示行驶方向车道宽度，Con₁表示交通灯控制形式，Hum₁表示湿度条件，左方区域、前方区域、左前区域、右方区域、右前区域中符号表示含义与网格区域O中符号表示含义类同；

即输入量In是由网格区域O及其五个相邻区域构成的48维向量：

In＝(p₁,v₁,LT₁/RT₁,LC₁/RC₁,Num₁,Wid₁,Con₁,Hum₁，p₂,v₂,LT₂/RT₂,LC₂/RC₂,Num₂,Wid₂,Con₂,Hum₂，p₃,v₃,LT₃/RT₃,LC₃/RC₃,Num₃,Wid₃,Con₃,Hum₃，p₄,v₄,LT₄/RT₄,LC₄/RC₄,Num₄,Wid₄,Con₄,Hum₄，p₅,v₅,LT₅/RT₅,LC₅/RC₅,Num₅,Wid₅,Con₅,Hum₅，p₆,v₆,LT₆/RT₆,LC₆/RC₆,Num₆,Wid₆,Con₆,Hum₆)

车辆碰撞风险等级作为网格区域O内车辆碰撞风险评估及预测模型的输出量Out，车辆碰撞风险等级Risk包括严重危险、较为危险、一般危险、较为安全、安全五种取值；

步骤二、搭建并训练基于LSTM网络的车辆碰撞风险评估及预测模型，具体如下：

子步骤(1)、设置仿真试验，制作样本数据集，利用车辆与交通仿真软件Prescan，设置多组车辆碰撞试验，制作样本数据集，在此基础上，改变转向、换道驾驶员行为因素以及车道数量Num、车道宽度Wid、控制形式Con、湿度条件Hum四个方面的交通环境因素，根据评估专家经验标注仿真试验过程中的车辆碰撞风险等级，获取多组样本数据；

子步骤(2)、预处理样本数据，对网格区域O及其相邻区域内样本数据进行归一化处理，然后将样本数据转化为有监督学习问题，设置时间步长为1；

子步骤(3)、搭建基于LSTM网络的网格区域内车辆碰撞风险评估及预测模型，考虑智能路侧设备算力有限，拟设置隐藏层为50个LSTM神经元，输出层1个神经元，输入变量是1个时间步的特征，即输入变量的时间步为t-1，输出样本标签的时间步为t，

子步骤(4)、评估模型，计算损失，将模型的预测结果和样本数据集的部分测试数据组合，再结合均方根误差计算损失，若损失小于阈值，则进行下一步，设置阈值为1，即认为输出的车辆碰撞风险等级误差不大于1；否则返回子步骤(2)，重新构建基于LSTM网络的网格区域O的车辆碰撞风险评估及预测模型；

步骤三、实时评估及预测平面交叉口的车辆碰撞风险，具体如下：

子步骤(1)、将步骤二中训练完成的基于LSTM网络的网格区域的车辆碰撞风险评估模型部署在智能路侧设备中，输入智能路侧设备感知的网格区域O内影响车辆碰撞的48维向量In，车辆碰撞风险评估模型输出Out即为网格区域O车辆碰撞风险等级，同时记录发生碰撞的网格区域O的位置p；

子步骤(2)、将时间步分别调整为t+5、t+10、t+20，重新执行步骤二，根据模型输出分别预测网格区域O在0.5秒后、1秒后、2秒后的车辆碰撞风险等级：

子步骤(3)、平面交叉口其他区域内车辆碰撞风险评估及预测方法也按照步骤一至步骤二执行；

最终输出：1、当前时刻平面交叉口所有栅格化区域的车辆碰撞风险等级；2、0.5秒后平面交叉口所有栅格化区域的车辆碰撞风险等级；3、1秒后平面交叉口所有栅格化区域的车辆碰撞风险等级；4、2秒后平面交叉口所有栅格化区域的车辆碰撞风险等级。