考虑智能网联近邻车辆信息的交织区换道风险预警 |
| |
引用本文: | 谢济铭,夏玉兰,钱正富,刘兵,秦雅琴.考虑智能网联近邻车辆信息的交织区换道风险预警[J].交通运输工程学报,2023(2):287-300. |
| |
作者姓名: | 谢济铭 夏玉兰 钱正富 刘兵 秦雅琴 |
| |
作者单位: | 1. 昆明理工大学交通工程学院;2. 云南省交通投资建设集团有限公司 |
| |
基金项目: | 国家自然科学基金项目(71861016)~~; |
| |
摘 要: | 面向车辆换道风险预测时特征差异大、样本不均衡、参数调优时间久的问题,将高精度微观车辆轨迹数据与超参数优化机器学习方法相结合,提出了一种可应用于智能网联车辆(ICV)的交织区换道风险识别与预警方法;基于无人机航拍视频,从广域视角提取了城市快速路交织区时间精度为0.1 s、空间精度为每像素0.1 m的换道轨迹,测算了车辆间距、矢量速度、加速度、接近率、速度角度等换道风险感知信息;引入考虑近邻车辆信息的换道TTC模型,以反映车辆汇入或汇出主线的迫切需求,描述其在不同位置的换道行为差异性;结合15分位数法和四分位差法,划分了换道风险预警等级;基于准确率、真阳性率、灵敏度等多项评价指标,遴选并对比了线性分类器、支持向量机、K近邻以及RUSBoost模型换道风险预测结果,得出交织区换道风险实时预警优选模型,针对优选模型进行了超参数优化与验证。研究结果表明:RUSBoost模型为优选模型;超参数优化机器学习方法迭代至第24次时,RUSBoost具有最小误差与最佳点超参数;RUSBoost、BRUSBoost优化模型预测准确率分别为91.40%、99.80%,AUC分别为0.96、0.99;BRUSB...
|
关 键 词: | 智能网联车辆 换道风险预警 多车道交织区 微观轨迹数据 碰撞时间 |
|
|