[發(fā)明專利]車輛跟馳運行風險狀態(tài)判定方法、系統(tǒng)及設備

在審

• 申請?zhí)枺?/td>: 202211595887.4
• 申請日: 2022-12-13
• 公開（公告）號: CN116386346A
• 公開（公告）日: 2023-07-04
• 發(fā)明（設計）人: 李燁;伍丹;黃合來;李載寧;唐進君
• 申請（專利權(quán)）人: 中南大學
• 主分類號: G08G1/052
• 分類號: G08G1/052;G08G1/01;G08G1/0967;G08G1/0968;G08G1/16;G06T7/246
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 李崇章

1.一種車輛跟馳運行風險狀態(tài)判定方法，其特征在于，包括：

步驟1，獲取多個人工駕駛車輛在實際道路交通中的軌跡數(shù)據(jù)，其中，軌跡數(shù)據(jù)包括對應車輛在預設時間段內(nèi)各時刻的位置、速度和加速度信息；

步驟2，將所有人工車輛分為K個跟馳車組，每個跟馳車組包括前車和后車，根據(jù)每個跟馳車組后車的軌跡數(shù)據(jù)和場景判別函數(shù)，判斷該跟馳車組的交通場景為正常跟馳或者非正常跟馳，基于每個正常跟馳車組后車的軌跡數(shù)據(jù)和風格判別函數(shù)，判別對應駕駛員的駕駛風格屬于激進非敏感型、保守非敏感型、激進敏感型或者保守敏感型；

步驟3，根據(jù)每個跟馳車組的交通場景和駕駛員的駕駛風格對跟馳車組進行事故風險判定。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于,所述步驟1具體包括：

采集實際道路交通的視頻，采用視頻圖像處理技術(shù)從視頻中提取多個人工駕駛車輛的軌跡數(shù)據(jù)，對提取的軌跡數(shù)據(jù)進行數(shù)據(jù)清洗操作，獲得交通軌跡數(shù)據(jù)，其中，所述數(shù)據(jù)清洗操作包括除噪、插補和重平衡。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于,所述場景判別函數(shù)的表達式為

其中，Δx(t表示后車在t＝1,2…T時刻與前車的間距，v(t表示后車在t時′

刻的速度，F(xiàn)₃為交通場景第一判斷函數(shù)值，F(xiàn)₃為交通場景第二判斷函數(shù)值；

′

若F₃＜ε₁或者F₃＜ε₂，則判別為非正常跟馳場景，否則，判別為正常跟馳場景，其中，ε₁和ε₂為預設的交通場景判斷系數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于,ε₁＝20，ε₂＝11.12。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于,所述風格判別函數(shù)的表達式為

其中，v(t)和a(t)分別表示后車在t＝1,2…T時刻的速度和加速度，PRT為后車駕駛員的平均感知反應時間，T_i-1(n)指前車第n次減速的時刻，T_i(n)指后車第n次減速的時刻，N為跟馳車組的減速總次數(shù)，F(xiàn)₄為駕駛風格第一判斷函數(shù)值，F(xiàn)′₄為駕駛風格第二判斷函數(shù)值；

若F₄＞β₁且F′₄＞β₂，則判別為激進非敏感型，若F₄＜β₁且F′₄＞β₂，則判別為保守非敏感型，若F₄＞β₁且F′₄＜β₂，則判別為激進敏感型，若F₄＜β₁且F′₄＜β₂，則判別為保守敏感型，其中，β₁和β₂為預設的駕駛風格判斷系數(shù)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于,β₁＝19.68，β₂＝1.24。