[發明專利]一種飽和車頭時距的估計方法及裝置

有效

• 申請號: 201910143744.1
• 申請日: 2019-02-25
• 公開（公告）號: CN111613051B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 孫偉力;李愛杰;徐琪琪;鄒莉;劉向宏
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

1.一種飽和車頭時距的估計方法，其特征在于，包括：

獲取選定時間段內駛過道路交叉口的目標車輛的軌跡數據；

根據獲取的目標車輛的軌跡數據，確定所述選定時間段包括的至少一個信號周期內在所述道路交叉口的停車線之前等待通行的目標車輛的排列信息；

確定與所述排列信息匹配的車頭時距預測模型，并基于確定的車頭時距預測模型和所述目標車輛的軌跡數據，確定所述選定時間段內相鄰車輛駛過所述道路交叉口時的飽和車頭時距；

其中，所述確定與所述排列信息匹配的車頭時距預測模型，包括：

若所述至少一個信號周期中存在排列信息符合目標車輛排列場景的目標信號周期，則與所述排列信息匹配的車頭時距預測模型為第一車頭時距預測模型，否則，與所述排列信息匹配的車頭時距預測模型為第二車頭時距預測模型，所述目標車輛排列場景為所述等待通行的目標車輛的數量至少為第一預設數量、且等待通行的目標車輛的排列位置在第N輛等待通行的車輛的排列位置之后，N為大于或等于四的整數；所述第一車頭時距預測模型為候選目標車輛組合中兩個候選目標車輛分別對應的通過時間的差值除以兩個候選目標車輛的停車位置之間的間隔車輛數，所述第二車頭時距預測模型為機器學習算法模型；

其中，當所述車頭時距預測模型為第一車頭時距預測模型時，所述基于確定的車頭時距預測模型和所述目標車輛的軌跡數據，確定所述選定時間段內相鄰車輛駛過所述道路交叉口時的飽和車頭時距，包括：

根據所述軌跡數據確定每兩個候選目標車輛分別對應的通過時間和間隔車輛數，并采用所述第一車頭時距預測模型，基于每兩個候選目標車輛分別對應的通過時間和間隔車輛數，確定每兩個候選目標車輛的車頭時距，以及多個車頭時距之間的車頭時距均值，若所述車頭時距均值的準確率大于設定閾值，則將所述車頭時距均值確定為所述飽和車頭時距，否則，基于所述第二車頭時距預測模型以及所述目標車輛的軌跡數據，確定所述飽和車頭時距。

2.如權利要求1所述的方法，其特征在于，所述軌跡數據包括駛過所述道路交叉口時的軌跡點、以及與每個軌跡點對應的時間戳；

所述排列信息包括等待通行的目標車輛的數量、目標車輛通過停車線的時間以及等待通行的目標車輛在車輛隊列中的排列位置。

3.如權利要求1所述的方法，其特征在于，當確定與所述排列信息匹配的車頭時距預測模型為第一車頭時距預測模型時，所述基于確定的車頭時距預測模型和所述目標車輛的軌跡數據，確定所述選定時間段內相鄰車輛駛過所述道路交叉口時的飽和車頭時距，包括：

從所述目標車輛的軌跡數據中篩選出在每個目標信號周期內駛過所述道路交叉口的目標車輛的軌跡數據，并從篩選出的目標車輛的軌跡數據中篩選出排列在所述道路交叉口的停車線之前且排列在第N個等待通行的車輛之后的候選目標車輛的軌跡數據；

根據所述候選目標車輛的軌跡數據，確定每個候選目標車輛由排列位置駛過所述道路交叉口的停車線的通過時間；

將每兩個候選目標車輛作為候選目標車輛組合，將每個候選目標車輛組合中兩個候選目標車輛分別對應的通過時間和間隔車輛數分別輸入至所述第一車頭時距預測模型中，得到每個候選目標車輛組合的車頭時距；

計算全部目標信號周期內得到的車頭時距之間的車頭時距均值；

將所述車頭時距均值確定為所述選定時間段內相鄰車輛駛過所述道路交叉口時的飽和車頭時距。

4.如權利要求3所述的方法，其特征在于，在計算全部目標信號周期內得到的車頭時距之間的車頭時距均值之后，還包括：

確定歷史選定時間段內相鄰車輛駛過所述道路交叉口時的參考飽和車頭時距；

基于所述參考飽和車頭時距和所述車頭時距均值，計算所述車頭時距均值的準確率；

當所述車頭時距均值的準確率大于設定閾值時，將所述車頭時距均值確定為所述選定時間段內相鄰車輛駛過所述道路交叉口時的飽和車頭時距。

5.如權利要求4所述的方法，其特征在于，當所述車頭時距均值的準確率不大于所述設定閾值時，所述方法還包括：

提取獲取的目標車輛的軌跡數據的軌跡特征信息；

將提取的軌跡特征信息輸入至預先訓練好的第二車頭時距預測模型中，得到所述選定時間段內相鄰車輛駛過所述道路交叉口時的飽和車頭時距。