[發明專利]無信號交叉口機非人實時軌跡預測與沖突識別方法

有效

• 申請號: 201910551330.2
• 申請日: 2019-06-24
• 公開（公告）號: CN110363983B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 曹倩霞;顧楊松;胡秋潤;章康愷;于鵬
• 申請（專利權）人: 長沙理工大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/16
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 李冉

1.無信號交叉口機非人實時軌跡預測與沖突識別方法，其特征在于，包括以下步驟：

S1進口道機非人軌跡預測：將視頻提取的實時進口道機非人軌跡輸入至預先訓練好的ARMA模型中，得到進口道機非人預測軌跡；

S2進口道沖突預警：根據所述進口道機非人預測軌跡判斷進口道內機非人是否存在沖突，如存在，計算進口道內機非人沖突到達沖突點斷面的時間差，將所述沖突點斷面的時間差作為沖突嚴重性指標PET值，根據所述沖突嚴重性指標PET值發布進口道沖突預警信息；

S3交叉口機非人軌跡預測：將視頻提取的實時交叉口內機非人軌跡輸入至預先訓練好的極限學習機中，得到交叉口機非人預測軌跡；

S4交叉口沖突預警：根據所述交叉口機非人預測軌跡判斷交叉口內機非人是否存在沖突，如存在，計算交叉口內機非人沖突到達沖突點斷面的時間差，將所述沖突點斷面的時間差作為沖突嚴重性指標PET值，根據所述沖突嚴重性指標PET值發布交叉口沖突預警信息；

根據所述沖突嚴重性指標PET值發布所述進口道沖突預警信息或所述交叉口沖突預警信息的具體步驟為：

沖突嚴重性判斷：選取所有歷史PET統計值的15％和85％分位分別作為嚴重性沖突閾值和潛在沖突閾值；

當沖突嚴重性指標PET值＜嚴重性沖突閾值，表示存在嚴重沖突，當沖突嚴重性指標PET值＞潛在沖突閾值，表示存在潛在沖突，當嚴重性沖突閾值＜沖突嚴重性指標PET值＜潛在沖突閾值，表示存在輕微沖突；

發布沖突預警信息：當檢測到潛在沖突時，不發出提示信息，當檢測到輕微沖突和嚴重沖突時，通過警示燈閃爍和電子顯示屏進行提醒。

2.根據權利要求1所述的無信號交叉口機非人實時軌跡預測與沖突識別方法，其特征在于，在S1之前還包括以下步驟：

歷史軌跡數據庫的建立：提取歷史交通視頻圖像的機非人軌跡數據，建立歷史軌跡數據庫，所述歷史軌跡數據庫包括進口道機非人歷史軌跡和交叉口內機非人歷史軌跡；

軌跡訓練：利用所述進口道機非人歷史軌跡訓練ARMA模型，利用所述交叉口內機非人歷史軌跡訓練極限學習機。

3.根據權利要求2所述的無信號交叉口機非人實時軌跡預測與沖突識別方法，其特征在于，所述進口道機非人歷史軌跡包括進口道機動車歷史軌跡、進口道過街行人歷史軌跡與進口道過街非機動車歷史軌跡；

所述交叉口內機非人歷史軌跡包括交叉口機動車歷史軌跡和交叉口非機動車歷史軌跡。

4.根據權利要求3所述的無信號交叉口機非人實時軌跡預測與沖突識別方法，其特征在于，利用所述進口道機非人歷史軌跡訓練ARMA模型的具體步驟為：

步驟一：利用ADF判斷所述進口道機動車歷史軌跡、所述進口道過街行人歷史軌跡與所述進口道過街非機動車歷史軌跡是否為平穩序列，若為平穩序列則進入步驟二，若為不平穩序列進行差分處理后進入步驟二；

步驟二：求出序列樣本自相關函數以及偏自相關函數；

步驟三：利用所述自相關函數以及所述偏自相關函數對所述ARMA模型進行模型識別和定階；

步驟四：完成模型識別和定階后，利用最小二乘法進行所述ARMA模型的參數估計；

步驟五：完成參數估計后，利用QLB統計量對擬合的模型進行有效性檢驗，若有效性檢驗不通過，返回步驟三，如果有效性檢驗通過，作為所述預先訓練好的ARMA模型。