[发明专利]一种基于Embedding-CNN的混合车群运动演化规律的刻画方法

权利要求书

1.一种基于Embedding-CNN的混合车群运动演化规律的刻画方法，其特征在于：包括以下步骤：

1)选定监测路段，通过监测路段路侧或车载传感器，截取监测路段不同交通状态下混合异质车群的单车数据；

2)将步骤1)截取的单车数据进行预处理，获得Embedding-CNN模型数据集；

3)构建Embedding-CNN模型，并根据步骤2)获得的Embedding-CNN模型数据集对Embedding-CNN模型进行训练；

4)在测试集上对Embedding-CNN模型的准确性进行验证。

2.根据权利要求1所述的基于Embedding-CNN的新型混合车群运动演化规律的刻画方法，其特征在于：所述步骤1)具体包括以下步骤：

11)选定长度为L的监测路段s，初始化混合车群的长度；

12)在存储有混合异质车群的数据库中选取t时刻路段s内车辆n₁,n₂,...,n_k的车辆长度l_k；运动状态信息：速度v、加速度a、偏航角h；车辆的位置信息：纵向位置x，即车头位置，和所属车道c；车辆的类型p，用以区分网联人驾车和网联自动车；以及在t时刻选定的路段s内的车辆n₁,n₂,...,n_k在t+τ时刻的运动状态信息和车辆的位置信息：纵向位置x′与所属车道k′；同时，获取t时刻路段s下游长度为L的路段s+1各个车辆的运动状态信息和位置信息。

3.根据权利要求2所述的基于Embedding-CNN的混合车群运动演化规律的刻画方法，其特征在于：所述步骤2)具体包括以下步骤：

21)根据t时刻路段s内的单车数据，将路段s划分为c×m个单元，c为车道的数量，m为每条车道划分的单元数量；确定每条车道单个单元划分的长度l_min，可用以下公式表示：

式中，L代表路段s及路段s+1的长度；

22)确定每一条车道每辆车插入的单元位置，构建c×m×f的零矩阵，f为车辆的特征层的数量，根据车辆在路段s中的相对位置将车辆的状态信息插入到对应的单元中，替换原来的“0”值；

每一条车道每辆车插入的单元位置可用以下公式表示：

式中，m′_i为插入的第一个位置；m_i表示最后一个插入的位置；x_j为第j辆车的纵向位置；s_min为路段s的初始位置；l_j为第j辆车的长度；[]表示取整函数。

23)确定t时刻路段s+1中的车辆的平均速度和平均密度，可用以下公式表示：

式中，为t时刻路段s+1内的车辆的平均速度；k_i为每条车道上的车辆数；v_t,i,j为t时刻路段s+1第i条车道上的第j辆车的速度；为t时刻路段s+1的平均密度。

24)确定在t时刻选定的路段s内的车辆在t+τ时刻的平均速度和平均密度，可用以下公式表示：

式中，为在t时刻选定的路段s内的车辆在t+τ时刻的平均速度；v_t+τ,i,j为在t时刻选定的路段s内的车辆在t+τ时刻第i条车道上的第j辆车的速度；为在t时刻选定的路段s内的车辆在t+τ时刻的平均密度；l_max为在t时刻选定的路段s内的车辆在t+τ时刻最前面车辆的纵向位置；l_min为在t时刻选定的路段s内的车辆在t+τ时刻最后面车辆的纵向位置。