[發明專利]基于車輛軌跡的信號控制交叉口駕駛決策事件識別方法

在審

• 申請號: 201910264443.4
• 申請日: 2019-04-03
• 公開（公告）號: CN109859478A
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 唐克雙;韋燕寧;孫劍
• 申請（專利權）人: 蘇州易通交通科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 吳芳

1.一種基于車輛軌跡的信號控制交叉口駕駛決策事件識別方法，其特征在于，包括如下步驟：

S1、應用三維時空格搜索算法，即建立由時間軸和空間平面構成的三維立體空間，根據運動體軌跡在三維立體空間中的鄰近程度，識別交通交互事件；

S2、提取包含交互事件的軌跡數據子序列，建立不同速度組下運動性能指標的分布，再進一步識別極端駕駛行為；

S3、應用熵理論對駕駛波動性進行量化分析，最后識別關鍵決策事件。

2.根據權利要求1所述的基于車輛軌跡的信號控制交叉口駕駛決策事件識別方法，其特征在于，步驟S1包括：

建立由時間軸和空間平面構成的三維立體空間，在t_n時刻第n個運動體的軌跡坐標為(x_n，y_n)，圍繞該軌跡坐標構建三維時空格；

依次選擇一個運動體的一個軌跡點構造三維時空格，遍歷其他運動體的軌跡點，檢查所述三維時空格內部是否存在其他運動體的軌跡點，若存在，則記作一起交通交互事件，并記錄后侵入時間；否則繼續檢查下一運動體軌跡點的三維時空格。

3.根據權利要求1所述的基于車輛軌跡的信號控制交叉口駕駛決策事件識別方法，其特征在于，步驟S2包括：

提取包含交通交互事件的軌跡數據子序列；

若發生交互行為的兩個運動體之間發生多次交互，則選取所述后侵入時間最小的時刻作為交通交互事件發生的時刻，以該時刻點為中心，前后提取預設長度的軌跡數據；

通過構建不同速度分組下的運動性能指標分布來識別極端駕駛行為：針對機動車、非機動車和行人，將同一類型運動體的運動性能指標按照速度進行分組，分別求解各個速度組中運動性能指標正值和負值的閾值分布，代表了該地區某一類型運動體在一定速度范圍內的正常駕駛行為，當運動性能指標超出閾值時，軌跡數據子序列所表示的交通交互事件被標記為發生極端駕駛行為。

4.根據權利要求3所述的基于車輛軌跡的信號控制交叉口駕駛決策事件識別方法，其特征在于，所述運動體在第n個時刻的軌跡坐標為(x_n，y_n)，在第n+1個時刻的軌跡坐標為(x_n+1，y_n+1)，采樣間隔為Δt，所述運動體的速度與x軸所成角度為軌跡的弧長為s，切向角為利用軌跡數據計算運動性能指標的方法如下：

速度

加速度

加加速度

軌跡曲率

軌跡曲率的變化率

5.根據權利要求4所述的基于車輛軌跡的信號控制交叉口駕駛決策事件識別方法，其特征在于，所述步驟S3包括：

在提取的軌跡數據子序列的基礎上，每次選取加速度加加速度軌跡曲率和軌跡曲率變化率中的一個運動性能指標，在軌跡數據子序列中該指標的數據為向量x＝[x(1)，x(2)，...，x(N+(m-1)τ)]，將向量x重構為矩陣X′＝[X′(1)，X′(2)，…，X′(j)，…，X′(N)](j＝1，2，…，N)如下：

其中，m表示嵌入維度，τ表示延遲時間；

設重構向量X′(j)(j＝1，2，...，N)中各個元素的大小排列方式為π(i)，X′中排列方式π(i)出現的次數為f(π(i))，π(i)的相對頻率為：

向量x的排列熵為：

分別計算軌跡數據子序列中和指標的排列熵，若其中一項運動性能指標的排列熵超過閾值，則將其代表的交通交互事件記作關鍵決策事件。

6.根據權利要求1所述的基于車輛軌跡的信號控制交叉口駕駛決策事件識別方法，其特征在于，所述方法還包括：

S4、將三維時空格搜索算法識別交通交互事件的結果與人工識別的結果做對比，進行方法驗證。