CN109087534A

CN109087534A - 一种基于车辆行驶轨迹的交通冲突检测方法

Info

Publication number: CN109087534A
Application number: CN201811174002.7A
Authority: CN
Inventors: 王业宝
Original assignee: Individual
Current assignee: Individual
Priority date: 2018-10-09
Filing date: 2018-10-09
Publication date: 2018-12-25

Abstract

一种基于车辆行驶轨迹的交通冲突检测方法，包含以下步骤：第一步，对交通冲突进行分类；基于现有的交通冲突分类的相似性，对原有分类进行了相似度的合并，使其分类简便合理。第二步，通过对所研究道路交叉口的交通冲突调查进行采集数据，包含有冲突距离、冲突时间、冲突速度数据，整理数据做实质性研究分析。第三步，利用SPSS统计分析软件，对现有的交通冲突分类进行初始聚类，经过整理最终将道路四路平面交叉口的冲突进行划分为三类：进口道冲突、交叉口内冲突、出口道冲突；再利用SPSS软件对独立的三类冲突的数据，包含有冲突时间、冲突速度、冲突距离，两两做相关性分析。

Description

一种基于车辆行驶轨迹的交通冲突检测方法

技术领域

本发明涉及智能交通技术领域，更具体地说，特别涉及一种基于车辆行驶轨迹的交通冲突检测方法。

背景技术

随着城镇化的建设，城镇中机动交通出行的需求增多，道路中行驶的机动车交通在各个交叉口中，在处于信号控制与非信号控制之下的交通秩序，部分机动车因驾驶原因、交通违法等情况多导致的交通车辆相撞、追尾事故发生。同时，道路交叉口作为道路的重要组成部分，与其他道路地点相比更容易受到车流、人流、交通环境的影响，交叉口是道路交通网的重要枢纽点，也是交通事故的多发点，交叉口的安全状况对整个道路交通的安全运行有着十分重要的影响。

据统计，在道路发生的交通事故中，在交叉口发生的交通事故占有很大的比例。美国交叉口及其附近的交通事故约占总交通事故的40.1％；日本发生在交叉口的交通事故占总交通事故的33.3％；英国大约占有33％；法国约占24％；中国城市交通交叉口发生事故大约占总的交通事故的30％。长期以来国内外在交通安全评价领域大多是采用事故统计的方法，目前尚未建立满足微观层次分析需要的事故统计资料，采用事故数据统计的方法分析道路的交通安全性能存在一定的局限性。因此，如何克服数据采集时间过长，同时采集到的数据又能和事故数据存在一定的相关性和可替换性，达到很好的表征道路交通的真实安全水平，一直是交通工程技术领域研究的热点，交通冲突技术(trafficconflict technique，TCT)就是在这样的背景下发展起来。但是由于事故的发生特性以及事故统计方法与管理上的部分缺陷，影响了交通安全的可信度水平。于是交通冲突技术作为一种可行且适用的方法作为非事故统计的评价方法被广泛应用于研究。

美国自20世纪50年代开始，率先开展了交通冲突技术的应用研究。加拿大的CharlesV.Zegeer等在1976年应用交通冲突技术评价信号交叉口绿灯信号延时系统的有效性；美国W.D.Glouz等对大墩萨斯城地区46个信号交叉口与非信号交叉口的事故与冲突进行调查研究，将事故和冲突分为12种类型，并建立模型；BrianL.Allen等通过对交叉口冲突和碰撞发生过程的分析，对交通冲突技术进行了修改补充，得出交通冲突技术能够可靠地预测和评价交通事故的结论；EzraHauer等在1984年论述了交通冲突技术的有效性，分析了点估计法和极大似然估计法的差别，认为极大似然估计法的效果较好，与实际值较为接近。

我国的交通冲突技术始于20世纪80年代后期，目前尚处于起步阶段，目前的研究重点主要集中在交通冲突技术的有效性、调查技术、严重冲突的判别标准和分级标准等方面，系统性较差。1988年湖南大学通过国际学术交流，正式邀请了TCTCT主席 C.Hyden博士来华讲学，第一次正式将TCT介绍到我国交通工程界；1994年西南交通大学出版社出版了由张苏翻译的专著《交通冲突技术》，系统阐述了交通冲突技术； 1997年，北京工业大学建立了平面交叉口交通冲突概率分布模型及安全评价标准； 1998年西南交通大学将城市交通安全进行了分级，分为特别安全、安全、边缘安全和不安全四个等级，分级标准采用时均冲突与混合当量交通量的比值来确定；2000年，西安公路交通大学周伟、罗石贵发表了《路段交通事故多发点的冲突判定方法》一文，在总结现有方法的基础上，通过分析比较，建立了一种基于交通冲突技术的路段交通事故多发点判定方法，并应用于郑州黄河公路大桥的冲突观测数据，验证了该模型的有效性；2001年罗石贵、周伟发表了《路段交通冲突技术研究》，利用交通冲突技术，对路段交通冲突进行了定义和分类，着重研究了严重冲突的判别标准和分级标准，进一步完善和改进了现有交通冲突技术理论，为路段交通安全评价提供了一种新的研究方法；2003年，王海星、肖贵平将交通冲突技术与平面信号控制交叉口的入口交通量相结合，引入了TC/MPCU(交通冲突数量/交叉口进口混合当量交通量)的概念，通过研究交通流量与交通冲突的关系，尝试利用模型，由交通量分析推算出交通冲突数量，然后进行交通流量对安全评价的影响分析。

目前国内的大部分研究还集中在验证交通冲突是否可靠、确定哪种冲突类型与事故次数存在着强相关性以及建立冲突与事故的换算模型上，关于交通冲突检测的研究较少，谭铁牛等提出了一种基于三维模型车辆跟踪的交通事故概率预测方法，但是基于摄像头的交通冲突检测目前在国内尚属少见。目前一些专利应用了摄像头对车辆进行扫描从而获取其运动参数，如专利申请号为200810156777，名称为基于线阵CCD的测量高速公路上车辆位置与速度的方法，运用光学拍照手段可同时检测多个车道；专利申请号为200910209481，名称为一种通过多摄像头联动判断目标空间位置的方法和系统，可精确定位出监控目标在监控环境中的三维立体位置，从而实现精确监控。专利申请号为200910119341，名称为基于线阵CCD摄像机的车辆速度测量装置，可高可靠度和高精确度地测量车辆的速度，由线阵CCD摄像机的成像和车速计算出车长，以确定车型，为实现按相应的限速标准分别处罚超速车辆和实时超速处罚提供前提条件。上述技术只是利用道路视频进行车辆速度和位置的检测，并没有涉及到对交叉口的视频进行融合从而检测交通冲突的方法。

发明内容

(1)技术问题

为了提高道路交通安全性，提高运输能力，减少交通事故的发生，现有技术中也没有对交叉口采用视频技术检测建通冲突的方法，因此亟需客观的对道路的交叉路口的交通安全进行评价，采用合适的综合交通冲突管理方法，提高交叉口的运行性能和安全能力。

(2)技术方案

针对上述问题，本发明的内容是提供一种基于车辆行驶轨迹的交通冲突检测方法。

一种基于车辆行驶轨迹的交通冲突检测方法，包含以下步骤：

第一步，对交通冲突进行分类。基于现有的交通冲突分类的相似性，对原有分类进行了相似度的合并，使其分类简便合理。

第二步，通过对所研究道路交叉口的交通冲突调查进行采集数据，包含有冲突距离、冲突时间、冲突速度数据，整理数据做实质性研究分析。

第三步，利用SPSS统计分析软件，以冲突距离，冲突角度作为聚类指标进行聚类分析，然后对现有的交通冲突分类进行初始聚类，经过整理最终将道路四路平面交叉口的冲突进行划分为三类：进口道冲突、交叉口内冲突、出口道冲突。再利用SPSS软件对独立的三类冲突的数据，包含有冲突时间、冲突速度、冲突距离，两两做相关性分析，数据结果显示冲突速度与冲突时间的相关性。

现有技术中对交通冲突的分类方法是驾驶员在道路交通行驶时候遇到突发状况或者是别的原因时候所采取的制动方式，以此进行的避险行为，体现了人在冲突研究中的重要性因素，然而人的因素与驾驶员的年龄、性别、性格、身体原因等等状况都有关联。因此该方法的分类不确定性较大，随机因素过多，不能很好地被应用于交通冲突研究中。

有鉴于此，在第一步中，对每个进口道三个流向的车辆进行排列组合。

表1为道路平面交叉口转向-冲突种类关系表。

表1道路平面交叉口转向-冲突种类关系表

分别用矩阵R1、R2、R3、R4来表示南进口道与东、西、南、北进口道不同转向的冲突种类关系。

其中，R₁＝R₂ ^T，R1＝R₄ ^T，这都对应了四路平面交叉口的对称性。

在第二步中，采用录像摄像法为主，人工实际调查为辅的方法有效获取样本，读取冲突数据和冲突时间。选取交通量足够大的交叉口，以保证数据获取的充分性，摄像机安放于两个交叉口附近的居民楼上，位置不受干扰，视角好，数据获取便利。

采用摄像法进行高位拍摄，得到的不同角度的视图。冲突距离的获取采取的是路面的参照物，采取交叉口的停车带作为参照，区间距离是采用在停车带往车道外一定距离为单位的距离，以秒表计时获取了区间时间，区间距离与区间时间的比值得到冲突速度。冲突时间的获取是在视频软件上分多人读取，利用软件的时间显示器进行人为的主观判断冲突的开始至结束，读取这一过程的时间。冲突速度的获取是利用秒表从是视频上进行判断。

在实际道路平面交叉口交通冲突调查时，必须保证调查的样本量数量，收集调查数量必须达到一定的量才能保证调查结果的可信度和精度，如果样本量达不到要求，对冲突数的分析则可能出现得到的结果不可信。根据概率论的相关统计理论，严重冲突最小观测样本量可由式(1)确定。

其中：N是所需观测的最小样本量；p是设计某种特定冲突的一定行驶方向的车辆占所观测交通流的比例；q＝1-p；k是对应于一定置信度的常数，如置信度为95％时， k＝1.96；E是交通冲突比率估计值的允许误差。

如果需要对不同类型的调查数据进行分析，则每一种类型的冲突数量都要达到最小样本量。在实际的交通冲突调查的过程当中应尽量满足样本量的要求，对于实在难以满足样本量需要的交通冲突类别应当单独考虑、单独分析。

在第三步中，利用统计软件SPSS进行数据统计分析，通过研究分析调查数据，利用SPSS软件进行对独立的三组冲突数据，冲突时间、冲突速度、冲突距离、两两做相关性分析，最终将道路四路平面交叉口的冲突进行划分为三类：进口道冲突、交叉口内冲突、出口道冲突，并对这三类冲突的数据两两做相关性分析，数据结果显示冲突速度与冲突时间的相关性。

(3)有益效果

本发明科学的交通冲突严重性的划分为进口道冲突、交叉口内冲突、出口道冲突三种类型，为科学的理论研究提供了很高的可信度水平。本发明的研究表明，严重冲突与事故之间具有良好的相关性，能够很好的表征道路交通安全状况。本发明选择冲突时间最为标准来以此进行交通冲突严重性判别临界值的确定，以而更近一步确定了严重冲突的判别标准。一种基于车辆行驶轨迹的交通冲突检测方法对交通安全评价具有很重要的意义，只有对冲突技术有了深入的透彻研究才能更好的将交通冲突技术应用到安全评价中去。

附图说明

图1为本发明的步骤示意图，图2是直行与同向车流图，图3是左转与同向车流图，图4是右转与同向车流图，图5是同向变化车道图，图6是直行与左侧直行图，图 7是直行与右侧左转图，图8是左转与右侧左转图，图9是直行与右侧右转图，图10是左转与右侧左转图，图11是右转与对向左转图，图12是直行与对向左转图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

在本发明的描述中，术语“上”、“下”、“前”、“后”、“顶部”、“底部” 等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

一种基于车辆行驶轨迹的交通冲突检测方法，包含以下步骤：如图1所示，

第一步，对交通冲突进行分类。基于现有的交通冲突分类的相似性，对原有分类进行了相似度的合并闭使其分类简便合理。

对每个进口道三个流向的车辆进行排列组合，以南进口为例，分为11种冲突，分别为：直行与同向车流、左转与同向车流、右转与同向车流、同向变化车道、直行与左侧直行、直行与右侧左转、左转与右侧左转、直行与右侧右转、左转与右侧左转、右转与对向左转、直行与对向左转。图2是直行与同向车流，图3是左转与同向车流，图4是右转与同向车流，图5是同向变化车道，图6是直行与左侧直行，图7是直行与右侧左转，图8是左转与右侧左转，图9是直行与右侧右转，图10是左转与右侧左转，图11是右转与对向左转，图12是直行与对向左转。

按照充分利用现有分类、避免遗漏、避免重复的原则，将道路平面交叉口交通冲突初步整理成为上述的11类。

第二步，通过对所研究交叉口的交通冲突调查进行采集数据，包括冲突距离、冲突时间、冲突速度等数据，整理数据分析做实质性研究分析。

第三步，利用SPSS统计分析软件，以冲突距离，冲突角度作为聚类指标进行聚类分析。在这11类冲突虽然从形式上并没有重复、没有遗漏的覆盖了道理四路平面交叉口的所有冲突类型，但并没有从本质上揭示不同冲突种类之间的关系；同时这11类冲突对于点差、统计、分析而言任然过于繁杂，因此对这初步整理的冲突类型再次进行聚类，选取冲突角度和冲突距离作为交通冲突聚类分析的辅助性指标，利用标准化后的观测值，对现有的交通冲突现状进行聚类，经过整理最终将道路四路平面交叉口的冲突进行划分为三类：进口道冲突、交叉口内冲突、出口道冲突，并对这三类冲突的数据两两做相关性分析，数据结果显示冲突速度与冲突时间的相关性。

具体实施例：

选取只有两种流向无分隔带的路段，每一种冲突涉及两个方向的车流，共有4种冲突状态，故选定p、q分别为0.5，交通冲突比例估计值的容许误差取决于研究精度，一般为0.01～0.10之间，求得各种特定的冲突所需要的观测的最少冲突。由式(1)得到在各种情况下，样本的容量不得小于30。

由于道路十字平面交叉口不同进口道车辆交通冲突之间的相似性，因此某个进口车辆的冲突现象能够代表交叉口的普遍冲突；实施例选取佛山市新桂中路-太艮路四路两相位信号的交叉口的调查数据为例进行说明。表2列出部分冲突数据，其中冲突车种， 1为大货车，2为大客车，3为电动车，4为中巴车，5为小货车，6为小轿车，7为公交车。

表2部分冲突数据表

按照充分利用现有分类，避免遗漏、避免重复的原则，将道路平面交叉口交通冲突初步整理成为11类，在这11类冲突虽然从形式上并没有重复、没有遗漏的覆盖了道路四路平面交叉口的所有冲突类型，但并没有从本质上揭示不同冲突种类之间的关系因此对这初步整理的冲突类型再次进行聚类，选取冲突角度和冲突距离作为交通冲突聚类分析的辅助性指标，利用标准化后的观测值，对现有的交通冲突现状进行聚类。利用SPSS 统计分析软件的K-meansCluster执行快速聚类命令，对初始11类交通冲突进行分类初步分类整理后的11类冲突被合并为4类，达到了简化的目的、方便数据的采集调查。表3为初始聚类中心，表4为迭代历史记录，表5为最终聚类中心，表6为聚类分析输出结果，表7为每个聚类中的案例数，表8为类交通冲突聚类结果。

表3初始聚类中心

表4迭代历史记录

表5最终聚类中心

表6聚类分析输出结果

序号	冲突类别	类	间距
				1	1	1	5.750
2	2	1	4.692
				3	3	1	5.210
4	5	4	4.723
				5	6	2	5.952
6	7	3	4.971
				7	8	3	4.118
8	9	4	4.167
				9	10	3	3.955
10	11	2	3.826

表7每个聚类中的案例数

表8类交通冲突聚类结果

第一类	1、2、3、4
		第二类	6、11
第三类	7、8、10
		第四类	5、9

以上聚类结果可以看出，初步分类整理后的11类冲突被合并为4类。为了达到简化的目的、方便数据的采集调查，此时还应该对样本量过小的第四类交通冲突进行分析。

对照以上结果，将十字形交叉口冲突的冲突角度、可能造成的危害结果、冲突产生的位置、平均冲突时间做出的如下总结，见表9不同类别相关指标的比较。

表9不同类别相关指标的比较

类别	第一类	第二类	第三类	第四类
					冲突角度	＜45°	＞90°	＞45°	90°左右
冲突后果	追尾、侧撞	车头、车身中部碰撞	追尾、侧撞	车头、车身中部碰撞
					产生位置	同进口道	交叉口内	同出口道	交叉口内
平均冲突时间	1.298375	1.22843	1.211394	1.218047

通过观察发现，初始分类当中的第四类冲突即变换车道冲突的冲突角度为0-45度，冲突可能造成事故的类型以追尾、侧撞为主。从聚类结果当中得知，第二类和第四类冲突均有产生在交叉口内部，冲突角度较大，冲突后果的危险性较大，产生的严重性后果也较大，平均冲突时间较少与其他两类，因此，在对数据的采集精度不做高要求的或者观测条件的限定时候，将第二类和第四类的冲突进行合并，合并后的最终聚类结果如表 10所示，最终聚类结果分析见表11所示。

表10类交通冲突聚类结果

第一类	1、2、3、4
		第二类	5、6、9、11
第三类	7、8、10

表11最终聚类结果分析

类别	第一类	第二类	第三类
				平均冲突时间	1.298375	1.2232385	1.211394
类名	同进口到冲突	交叉口内冲突	同出口到冲突

从表中可以看出，初始分为11类得冲突进行了几次合并后被归为3类，分别为进口道冲突、交叉口内冲突、出口道冲突。这也与交叉口的物理划分相对应，分类的过程中没有受限于某一个单一变量的，也没有对某一个冲突进行过于详细的描述，该方法较为简单的观测，不需要对交叉口内部的冲突进行过详细的划分以及分类，此外按照该方法对进口道、出口道、交叉口内部冲突数据的采集更为系统。

运用SPSS进行数据统计，对进口道冲突、交叉口内冲突、出口道冲突三类冲突数据中的冲突速度、冲突时间、冲突距离进行相关性分析，即两变量的相关性分析-Bivariate过程。统计结果得表12～表17。

表12基于冲突速度与冲突时间描述统计量

	均值	标准差	N
				冲突速度	8.44838798	3.851074972	303
冲突时间	1.23267	0.149288	303

表13相关性分析结果

		冲突速度	冲突时间
				冲突速度	Pearson相关性	1	0.135
	显著性(双侧)		0.019
					N	303	303
冲突时间	Pearson相关性	0.135	1
					显著性(双侧)	0.019
	N	303	303

表14基于冲突速度与冲突距离描述性统计量

	均值	标准差	N
				冲突速度	8.44838798	3.851074972	303
冲突距离	4.54	2.560	303

表15基于冲突速度与冲突距离相关性分析结果

表16基于冲突距离与冲突时间描述性统计量

	均值	标准差	N
				冲突距离	4.54	2.560	303
冲突时间	1.23267	0.149288	303

表17基于冲突距离与冲突时间相关性分析结果

		冲突速度	冲突距离
				冲突距离	Pearson相关性	1	-0.025
	显著性(双侧)		0.663
					N	303	303
冲突时间	Pearson相关性	-0.025	1
					显著性(双侧)	0.663
	N	303	303

从上述三个变量之间两两互相进行相关分析，冲突速度-冲突时间、冲突速度-冲突距离、冲突距离-冲突时间，进行的关于Bivariate过程的相关性分析得到结果，从上述统计结果中可以发现，在冲突速度—冲突时间的相关分析中，所示的Pearson相关系数及显著性检验结果。由于其相关系数为0.135，相关系数的sig.为0.019，大于0.01小于 0.05。说明冲突速度与冲突时间的相关性是显著的，而关于冲突速度与冲突距离、冲突距离与冲突时间的相关系数分别为0.057、-0.025。sig.系数分别为0.325和0.663。都超出了0.01～0.05的值域范围，得知这两组变量不呈相关性。通过SPSS进行统计，结果表明冲突速度与冲突时间呈相关性。

通过研究分析佛山市新桂中路-太艮路交叉口的调查数据，利用SPSS统计分析软件，以冲突距离，冲突角度作为聚类指标进行聚类分析，把原有的分类在聚类合并，简化原有的分类，分类简化为进口道冲突、交叉口内冲突、出口道冲突这三种冲突。另外利用 SPSS软件进行聚类分析又用SPSS软件对独立的三组数据，冲突时间、冲突速度、冲突距离、两两做了相关性分析，数据结果显示冲突速度与冲突时间的相关性。

本发明不局限于上述实施方式，任何人在本发明的启示下都可以得出其他各种形式的产品。凡依本发明申请专利范围所做的均等变化与修饰，皆应属于本发明的涵盖范围。

Claims

1.一种基于车辆行驶轨迹的交通冲突检测方法，其特征在于：包含以下步骤：

第一步，对交通冲突进行分类；基于现有的交通冲突分类的相似性，对原有分类进行了相似度的合并，使其分类简便合理；

第二步，通过对所研究道路交叉口的交通冲突调查进行采集数据，包含有冲突距离、冲突时间、冲突速度数据，整理数据做实质性研究分析；

第三步，利用SPSS统计分析软件，对现有的交通冲突分类进行初始聚类，经过整理最终将道路四路平面交叉口的冲突进行划分为三类：进口道冲突、交叉口内冲突、出口道冲突；再利用SPSS软件对独立的三类冲突的数据，包含有冲突时间、冲突速度、冲突距离，两两做相关性分析。

2.根据权利要求1所述的一种基于车辆行驶轨迹的交通冲突检测方法，其特征在于：在第一步中，基于现有的交通冲突分类的相似性，对原有分类进行了相似度的合并使其分类简便合理；对每个进口道三个流向的车辆进行排列组合，分为11种冲突，分别为：直行与同向车流、左转与同向车流、右转与同向车流、同向变化车道、直行与左侧直行、直行与右侧左转、左转与右侧左转、直行与右侧右转、左转与右侧左转、右转与对向左转、直行与对向左转。

3.根据权利要求1所述的一种基于车辆行驶轨迹的交通冲突检测方法，其特征在于：在第二步中，采用录像摄像法为主，人工实际调查为辅的方法有效获取样本，读取冲突数据和冲突时间；选取交通量足够大的交叉口，以保证数据获取的充分性，摄像机安放于两个交叉口附近的居民楼上。

4.根据权利要求1所述的一种基于车辆行驶轨迹的交通冲突检测方法，其特征在于：在第三步中，以冲突距离，冲突角度作为聚类指标进行聚类分析。