行人过街预警方法

行人是交通系统中不可或缺的一部分,也是交通场景内最灵活、复杂、多变的因素。据统计,90%以上的交通事故都是由人为因素造成的。文章主要面向行人,研究行人过街的预警方法。建立人车微观交互模型,提出以行人头部偏差角为基础的关注度算法。采集行人和车辆鸟瞰视频,标定行人与车辆的二维坐标点为轨迹数据,通过轨迹数据和头部偏差角计算出最大加速度和关注度,以最大加速度和关注度聚类出两种典型过街风格,分析不同过街风格的预警程度。最后利用生成对抗网络模型预测出人车交互时行人的轨迹,用预测轨迹描述行人对交互车的反应情况。该实验对研究无信号十字交叉路口行人过街预警有重要参考意义,理论上增强了行人与车辆在无信号交叉路口的交互安全性。     

基于车辆视角数据的行人轨迹预测与风险等级评定

常用的基于路基视角数据的行人轨迹和风险预测模型往往无法避免复杂的建模运算和人工判断。为简洁而有效地预测行人轨迹和评定风险等级,本文中采用车辆视角数据建立行人轨迹和风险等级的预测模型,并先后进行车辆视角行人数据的采集、基于长短期记忆神经网络的行人轨迹预测和基于聚类分析-支持向量机方法的风险等级评定。实验结果表明,基于车辆视角数据所建立的数据驱动的模型能捕捉行人与车辆的运动趋势和交互特征,具有预测行人轨迹和评定风险等级的能力。     

基于行人位置预测的人车转向避撞路径规划

针对行人违规过街导致人车碰撞事故频发的交通安全问题,采用改进人工势场法并考虑行人行为的不确定性,对车辆避撞路径进行动态规划.为表达行人违规过街时的方向不确定性,提出一种基于加权效用函数法的行人过街方向概率模型,并以此为基础预测行人位置.针对动态障碍的转向避撞轨迹规划,以避撞安全距离为基础,提出一种相对位置自适应的变长轴...     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络(Long Short-term Memory Network,LSTM)对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型(VP-LSTM).该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场...     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险,避免人车冲突事故频发,提出基于K-means算法的行人过街风险量化分级方法,并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小,选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标,准确刻画出实际的人车交互场景,并利用K-means算法对行人过街风险状态进聚类划分,明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素,提出了30项行人过街风险二级指标,依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集,以此为模型输入,利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明：行人过街风险等级分为5级时,量化分级结果能与实际行人过街情景较好吻合;本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%,其中对一级与四级风险的预警能力最为突出,一级风险识别准确率达到100%,四级风险识别准确率达到94.7%。本研究提出的行人过街风险...     

基于自然驾驶数据挖掘的二阶车辆与行人交互测试场景

针对当前网联车车辆与行人交互(以下简称人车交互)测试场景复杂性低、无法充分涵盖真实道路情况下的人车交互场景测试需求问题,提出了一种基于自然驾驶数据的人车交互测试场景构建方法.该方法首次提出了二阶人车交互测试场景的概念,在传统人车交互场景基础上组合前序车辆运动场景,实现交互场景时间域扩充,并通过挖掘自然驾驶数据中人车交互...     

基于视频跟踪方法的行人过街状态表达与分析

提出了一种基于视频跟踪的行人过街状态表达与分析方法。采用自适应的混合高斯背景模型实现复杂交通场景下的背景抽取,提取运动行人目标;通过扩展的Kalman滤波算法对过街行人进行跟踪,获取行人的运动轨迹;根据有限状态自动机理论将行人过街过程表达为连续的微观行为状态;在行人过街运动参数的基础上,对行人的过街状态进行推理并分析,得出合理的过街行为方式。通过实际无信号交叉口行人过街视频跟踪实验表明,该方法具有较好的应用性。     

行人过街模拟及车辆右转避障路径规划方法

为解决无信号十字路口右转车辆与同侧过街行人的交互冲突问题,提出一种模拟过街行为的行人过街运动模型,设计了车辆横纵向解耦避障路径规划算法,并进行了仿真实验。使车辆面向动、静态行人时能合理切换避障路径规划策略;同时,将过街运动模型驱动下的行人作为车辆避障对象,以过街模型输出的行人未来轨迹生成车辆纵向速度规划障碍位移—时间区域,从而让行人未来运动状态反馈到车辆避障中。结果表明:本文的行人过街运动模型相对观测值的准确率达到了90%,因此,该模型复现了行人过街过程;能根据行人运动状态切换避障方案,使车辆安全避让过街行人。     

路段感应式信号控制行人过街系统设计

为保障路段行人安全过街,提高行人过街效率,设计了基于感应控制的路段行人安全过街系统.该系统分别采用视频和感应线圈实现对过街行人和路段车辆的自动检测,并据此设计行人过街感应信号控制方案,辅以“减速带式”人行横道、路段行人过街通道灯和智能人行道护栏3种过街辅助设施,实现时空上的人车分离.     

基于毫米波雷达的过街轨迹识别与特征分析方法

针对行人、非机动车等慢行交通的过街轨迹识别与分析问题,提出一种基于毫米波雷达的实现方法。根据毫米波雷达提供的目标数据,采取坐标转换、数据清洗、数据滤波三步骤,识别获得过街轨迹数据,在此基础上,通过计算平均速度、最大速度、最小速度、过街方向等特征指标,判断过街类型,完成分类统计和特征分析。并结合实际案例应用,将识别与分析结果与人工统计结果进行比对,结果表明,该方法能有效提取过街轨迹,识别行人与非机动车,计算出其流量和速度,与实际较为相符,误差在10%以内。     

交叉口绿闪信号行人过街行为模型

城市信号交叉口通过设置绿闪信号,在机动车获得通行权之前清空人行横道上的过街行人.为研究行人在此信号期间的过街行为,提出一种绿闪信号时行人过街运动模型.综合分析绿闪信号、周围过街行人、人行横道边界以及右转冲突车辆对行人过街的影响机理,基于社会力模型,建立绿闪后人行横道上行人过街行为模型,并根据实际调查所获得的人行横道尺寸、行人与车辆速度等数据,标定模型参数.基于模型仿真行人运动行为,产生行人分层现象以及与周围行人、冲突车辆避碰等行为,验证模型在宏观层面的有效性;对不同断面的仿真行人与实际过街行人的过街速率变化曲线进行拟合,拟合优度指标显示模型对人行横道前/后半段过街行人模拟精度分别为83% 和95%,验证了模型在微观层面的有效性.      

信号交叉口行人过街形式适用性分析

为确定十字信号交叉口行人过街形式的适用条件,基于行人过街和机动车通行的服务水平分级,提出了不同行人过街形式适用性的判别依据;通过对人车冲突行为分析,构建了信号交叉口人车交互运行元胞自动机模型。按照单因素影响下的多变量梯度变化分析的方案构建思路,选取机动车流量、右转车比例、信号周期、左转相位绿信比、行人流量作为机动车和行人主导影响因素,建立了多变量组合影响下的仿真方案。以主主相交的双向六车道信号交叉口为例,确定了信号交叉口行人过街形式适用性方案。结果表明：交叉口机动车流量、右转车比例、信号周期、左转相位绿信比、行人流量等5个主导影响因素值确定时,可根据其对应的机动车服务水平和行人过街服务水平组合,确定具体的行人过街形式。     

基于动作预测与环境条件的行人过街意图识别

考虑到人车冲突多发于行人过街过程,本文中提出了一种基于行人动作预测与环境条件的过街意图识别网络MIFRN,它通过结构各异的子网络分别对行人的未来动作信息、行人周围的局部交通场景、车速和人车距离信息进行编码,并在信息融合的基础上预测行人是否有过街意图。最后在公共数据集PIE和JAAD上验证了算法的性能。结果表明:本文提出的方法可准确并鲁棒地识别行人的过街意图。     

基于行人过街场景的社会力模型改进研究

为真实有效地模拟行人过街现象,发挥社会力模型潜在的应用价值,文中以经典社会力模型为基础,设计3组可控实验,运用手动轨迹跟踪器,提取行人过街行走轨迹,从而对经典社会力模型中的重要参数进行标定研究.通过将模型仿真得到的过街行人流基本图与经典社会力模型以及实测数据进行对比分析,结果表明,改进模型有效减少行人重叠现象,在流量达到0.5人/(s·m)后行人密度比经典社会力模型降低1人/m2左右,贴近实测数据,更好地描述行人过街的现实情况.运用这一研究成果能够更好地研究行人过街内在机理,挖掘模型在行人过街设施设计等工程应用中的价值.      

考虑礼让行人的信号交叉口配时优化方法

为提高机动车礼让行人背景下的人车通行效率,研究了基于叠加相位设计的信号交叉口配时优化方法.以西安市1个典型交叉口为例,分析机动车与过街行人冲突情况;在Webster配时模型的基础上,提出叠加相位设计与人车冲突时空分离策略相结合的信号配时优化方法,并给出行人信号早启时间、人车绿时分离设置阈值的计算方法;运用VISSIM仿...     

考虑人车交互的两相位信号控制交叉口行人专用相位设置条件

为准确分析机动车避让行人条件下行人专用相位设置的合理性,研究了行人专用相位对交叉口通行效率的影响,提出了一种考虑人车交互的行人专用相位的设置条件。首先,分析了行人流量、机动车流量与人车交互行为的关系,建立了考虑避让率的人车交互行为模型。其次,假设车辆到达服从泊松分布,分别建立交叉口机动车内乘客以及过街行人延误模型;以设置行人专用相位前后的交通参与者总延误为主要指标,提出行人专用相位设置条件。再次,基于信号控制交叉口的人车交互行为视频,标定了所提出模型的各项参数;通过数值仿真分析了不同行人与机动车流量条件下,设置行人专用相位后交通参与者总延误的变化,并据此确定了设置条件中调整系数在不同交叉口工况下的取值。最后,根据上海市实地调查数据建立了微观仿真模型,建立常规信号控制与行人专用相位两个场景对比总延误、排队长度、机动车通过量等指标。结果表明:人车交互行为对交叉口交通参与者总延误具有较大影响,应当将人车交互因素纳入行人专用相位设置条件;在机动车流量相同的条件下,行人流量越多设置行人专用相位后延误增量越小;车辆避让率越高,设置行人专用相位后延误增量越小。     

智能汽车对无信号交叉口行人的避撞控制

针对智能汽车在无信号交叉口对横穿行人的避撞问题,研究了主动转向避撞控制策略.基于多层模型预测控制方法,采用分层控制策略设计局部规划层控制器与全局跟踪层控制器,在此基础上根据交叉口处汽车与行人的轨迹特征计算人车碰撞剩余时间,改进传统人工势场法构造避撞函数,规划出既能规避交叉口内存在碰撞风险的行人又能使偏差最小的局部避撞路...     

基于多特征融合的行人意图以及行人轨迹预测方法研究

行人作为重要的交通参与者,其行走意图和轨迹预测对智能驾驶汽车的决策规划具有重要意义。基于注意力机制增强的长短时记忆(Long Short-term Memory, LSTM)网络,设计一种多特征融合的行人意图以及行人轨迹预测方法。该方法通过融合行人骨架和头部方向特征,以加强行人运动特征的表达,并将融合特征作为意图预测网络输入,继而得到行人意图;由于行人运动具有不确定性,将行人意图预测类别和历史轨迹坐标的联合向量作为行人轨迹预测网络的输入,以期生成更为精确的轨迹预测结果。此外,在轨迹预测网络中引入注意力机制,以加强LSTM对各个时刻编码向量的有效利用,从而提高网络的行人轨迹预测性能,并基于Daimler数据集进行训练及验证。研究结果表明：所提出的多特征意图预测方法准确率可达96.0%,优于基于骨架单特征的意图预测网络;在预测时域为1 s的情况下,预测轨迹的位置均方根误差为347 mm,相较于恒速度(Constant Velocity, CV)模型、交互多模型(Interacting Multiple Model, IMM)、常规LSTM等基线方法均有明显的提升;在实际场景分析中,提出的方...     

城市道路行人相位切换方式评价研究

城市道路上行人过街交通与机动车交通的矛盾是造成行人过街不安全和机动车延误的主要原因,设置行人相位切换方式对解决人车冲突问题有重要作用。针对现有的行人相位切换方式展开研究,提出评价方法,通过实际调查数据进行理论分析,最后得到最佳的行人相位切换方式。     

北京市信号交叉口行人过街忍耐时间研究

行人交通是信号交叉口交通的重要组成部分.目前信号交叉口的规划设计优先考虑机动车效率,为了保障机动车的通行效率,北京市多数行人过街环境遭到破坏,"中国式过马路"应运而生.结合当前北京市交通的特点,以红灯期间到达信号交叉口人行横道等待区的行人为研究对象,运用视频调查和人工调查相结合的方法获取北京市不同影响因素下行人过街忍耐时间的基础数据,采集了9554个行人过街忍耐时间样本.建立信号交叉口行人过街忍耐时间的 Cox 风险回归模型,结果表明信号交叉口行人过街的最大忍耐时间是52.88 s,信号交叉口行人过街忍耐时间与温度、性别、年龄、出行时间、红灯时长、单位机动车流量、人行横道长度等影响因素有关,用地性质对信号交叉口行人过街忍耐时间的影响不显著.