本發(fā)明涉及交通安全替代指標選取領域，尤其涉及一種適用于復雜道路節(jié)點的最優(yōu)交通安全替代指標選取方法及系統(tǒng)。

背景技術：

1、長期以來，交通風險評估普遍采用交通事故統(tǒng)計指標來評價道路交通安全情況，但是傳統(tǒng)的交通事故評價方法開展難度大，而隨著交通沖突理論的逐漸成熟，交通安全替代指標憑借大樣本、小周期、小區(qū)域、高可靠性等優(yōu)點，逐漸代替?zhèn)鹘y(tǒng)事故統(tǒng)計，被廣泛應用于安全評價和預測?，F階段針對單一交通沖突替代指標的適用場景的局限性，許多自造指標以及復合指標已經逐漸用于交通安全評估。

2、目前對于安全替代指標的選取沒有一個確定的標準，特別是針對復雜的道路節(jié)點例如收費站分流區(qū)等，選取不同的安全替代指標會對安全評估結果精度有很大的影響，因此需要在安全評價前進行合理的選取，此外，傳統(tǒng)的安全評價指標存在各自的局限性和不一致性，實際應用中難以獲得精確的預測結果，因此用復合的改進度量指標比單一指標具有更好的普適性，但缺少將復合指標與傳統(tǒng)單一指標進行橫向對比的評價體系。鑒于此，提出一個更加系統(tǒng)的交通安全替代評價方案，以期提高交通安全評價結果精準度至關重要。

技術實現思路

1、針對復雜的道路節(jié)點對于安全替代指標的選取沒有標準的選取方法以及現有研究多采用單一指標進行交通安全評價的問題，本發(fā)明提供了一種適用于復雜道路節(jié)點的最優(yōu)交通安全替代指標選取方法及系統(tǒng)，所述方法在特定危險場景下橫向對比交通沖突替代指標，能夠突破傳統(tǒng)交通事故評價方法中對樣本和數據難以處理的問題，實現了提高交通安全評價結果精準度的目標。

2、第一方面，本發(fā)明提供了一種適用于復雜道路節(jié)點的最優(yōu)交通安全替代指標選取方法，包括：

3、s1：劃定復雜道路節(jié)點道路區(qū)域邊界，并以坐標的方式存儲在數據庫；

4、s2：周期性獲取復雜道路節(jié)點內所有車輛的微觀軌跡數據，并進行數據預處理得到車輛軌跡數據樣本，進一步提取參數；

5、s3：基于車輛軌跡數據樣本及提取的參數，進行復雜道路節(jié)點危險行駛場景的判定和驗證，得到危險場景數據；

6、s4：構建候選交通安全替代指標集合，面向危險場景，計算獲取各候選交通安全替代指標數值，并進行低危和高危狀態(tài)劃分；

7、s5：構建交通安全替代指標的評價指標集合，面向各候選交通安全替代指標，計算獲取各評價指標數值，其中，評價指標包括準確性、快速性、嚴重性；

8、s06：根據各評價指標數值，計算各候選交通安全替代指標與對應最優(yōu)方案和最劣方案間的距離，選取與最優(yōu)方案的相對接近度最高的交通安全替代指標作為最優(yōu)交通安全替代指標。

9、進一步地，s1的具體過程為：

10、s11.復雜道路節(jié)點道路區(qū)域邊界的劃定：通過高精度地圖數據和衛(wèi)星影像識別復雜道路節(jié)點，如交叉路口、多層立交橋、環(huán)形交叉口等；在識別出的區(qū)域內，選取多個代表性點，這些代表性點包括道路中心線、路緣線、交通島邊緣等關鍵位置；基于選取的代表性點，應用邊界擬合算法，如凸包算法或多邊形擬合算法，生成道路區(qū)域的邊界多邊形，精確描述復雜道路節(jié)點的幾何形狀和范圍。

11、s12.基于獲取的復雜道路節(jié)點道路區(qū)域邊界坐標建立數據庫：將生成的邊界多邊形的各頂點坐標進行坐標轉換，即從地圖坐標系轉換為全球定位系統(tǒng)(gps)坐標系或其他適用的地理坐標系，以確保不同數據源之間的坐標一致性；將轉換后的邊界坐標數據以結構化的形式存儲在數據庫中，其中數據庫設計采用關系型數據庫或空間數據庫，具體表結構包括節(jié)點id、邊界頂點坐標(經度和緯度)、時間戳等字段；存儲過程涵蓋數據的插入、更新和備份，確保數據的完整性和安全性。

12、s13.面向建成的數據庫，為了確保數據庫內邊界數據的準確性和完整性，對存儲在數據庫中的邊界數據進行驗證，包括與實地測量數據進行比對或通過實地調查驗證。根據驗證結果，對不準確或不完整的邊界數據進行調整和修正，確保其真實反映復雜道路節(jié)點的實際情況。

13、進一步地，s2步驟包括：

14、s21.復雜道路節(jié)點的車輛微觀軌跡數據的獲取是通過使用路側感知設備(如毫米波雷達和激光雷達)或航拍對復雜道路節(jié)點的全部區(qū)域進行車輛運動軌跡數據采集，并進行數據預處理，其中數據預處理包含：

15、數據清洗：去除數據中的無效值、錯誤值和重復值；

16、數據同步：將不同傳感器獲取的數據進行時間同步，確保數據的一致性；

17、時間對齊：將不同時間點收集的數據進行時間序列的對齊，確保數據在時間軸上的一致性；

18、空間校正：對于航拍或路側感知設備獲取的數據，需要進行空間校正，將圖像數據轉換為實際地面坐標，確保數據的準確性；

19、s22.通過路側邊緣計算設備處理車輛軌跡數據樣本，進行參數提取，得到車輛特征參數、環(huán)境特征參數；其中，車輛特征參數包括：車輛編號、位置坐標、航向角、速度、加速度、車輛類型、所在車道、距離、時間，環(huán)境特征參數包括與前車距離、前車速度。

20、優(yōu)選地，復雜道路節(jié)點的車輛微觀軌跡數據的獲取還通過對調查地點進行視頻拍攝，利用視頻自動識別技術從視頻背景中分離出背景，并追蹤車輛獲取連續(xù)的車輛微觀軌跡數據。

21、進一步地，所述s3步驟包括：

22、所述危險行駛場景的判定是基于預處理后采集的車輛軌跡數據樣本所提取的車輛特征參數(如車速、距離、時間、位置坐標)，判別樣本內各車輛cf的車頭中心點在每一時刻t時與前車cl車尾中心點之間的瞬時監(jiān)測距離d與本車制動距離s之間的大小關系，當d<s時，則判定此時為cf車的危險行駛場景開始時刻當d小于等于0.5米，則判別為發(fā)生碰撞且危險場景結束時刻共獲取n個危險行駛場景數據，該危險場景數據為交通安全替代指標的參考集a。

23、其中，d為瞬時監(jiān)測距離，即車輛cf車頭中心點與前車cl車尾中心點之間的空間距離；s為車輛cf的制動距離，其計算公式如下：

24、

25、式中，t1為駕駛員開始踩下制動踏板到制動開始生效的時間；t2為制動力增加的時間；v0為汽車制動初速度；jmax為最大制動減速度。

26、并根據各車輛cf的車頭中心點在每一時刻t時與前車cl車尾中心點之間的瞬時監(jiān)測距離d的大小，將所有危險場景劃分為兩個狀態(tài)：低危狀態(tài)和高危狀態(tài)：

27、低危狀態(tài)，即各車輛cf處于x≤d<s的狀態(tài)，其中x為前車cl正常行駛時，后車cf的安全制動距離，其計算公式如下：

28、

29、v1為前車cl的速度。

30、高危狀態(tài)，即各車輛cf處于0≤d<x的狀態(tài)。

31、進一步地，s4步驟包括：

32、s41.構建候選交通安全替代指標集合，其中，候選交通安全替代指標包括：距離碰撞時間(ttc)、改進距離碰撞時間(mttc)、拓展距離碰撞時間(ettc)、干擾碰撞時間(ttcd)、避免碰撞減速率(drac)、復合指標comettc；

33、s42.面向危險場景參考集a，計算獲取每一幀各候選交通安全替代指標的具體數值；

34、s43.將各候選交通安全替代指標進行狀態(tài)劃分，狀態(tài)包括低危狀態(tài)及高危狀態(tài)：當各指標的數值處于預設低危狀態(tài)的閾值范圍內時，則劃分為低危狀態(tài)；當各指標的數值處于預設高危狀態(tài)的閾值范圍內時，則劃分為高危狀態(tài)；

35、其中，復合指標comettc是基于某一車輛在場景中某一時段t＝[t0-t*，t0+t*]內的均值ettcmean、極值ettcmin和t0時刻的瞬時ettc值構建得到；其中，t0為危險場景參考集a中任意時刻，t*為人工設定的時段區(qū)間長度，comettc的值每一幀計算一次；

36、計算每一幀t的瞬時ettct值，t為任意時刻，并對瞬時ettct值進行預處理：當ettct<0s或ettct>10s時，則設定ettct＝10s，ettcmean為時段t內車輛cf每一時刻t的ettct的均值；ettcmin為時段t內車輛cf的ettct的最小值，為t0時刻的瞬時ettc值；ettcmean、ettcmin計算公式如下：

37、

38、進一步地，基于三項基本指標ettcmean和ettcmin構建復合指標comettc的具體過程為：

39、s421：對危險場景參考集a劃分的所有時段t＝[t0-t*，t0+t*]的三項基本指標做標準化處理

40、

41、式中，yij為第i個時段在第j個基本指標下標準化后的值；xij為第i個時段在第j個基本指標下的值，i＝1，2，…，n；j＝1，2，3，分別對應三個基本指標ettcmean和ettcmin；

42、s422.基于標準化后的值yij，計算三項基本指標ettcmean和ettcmin的信息熵，計算公式如下：

43、

44、

45、式中，ej為第j個基本指標的信息熵；fij為第j個基本指標下第i個時段占該指標所有樣本值之和的比重；yij為第i個時段在第j個基本指標下標準化后的值，i＝1，2，…，n；j＝1，2，3，分別對應三個基本指標ettcmean和ettcmin；

46、s423.基于三項基本指標ettcmean和ettcmin的信息熵ej，計算三項基本指標的差異度系數和熵權值：

47、gj＝1-ej

48、

49、w＝{w1,w2,w3}

50、式中，wj為第j個基本指標下的熵權；gj為第j個基本指標的差異度系數，j＝1，2，3，分別對應三個基本指標ettcmean和ettcmin；w為三個基本指標的熵權矩陣；

51、s424.基于標準化后的值yij和熵權值wj，構建加權決策矩陣：

52、zij＝y(tǒng)ij×wj

53、

54、其中，z為加權決策矩陣；yij為第i個時段在第j個基本指標下標準化后的值，zij為第i個時段在第j個基本指標下加權后的標準化值；wj為第j個基本指標下的熵權；i＝1，2，…，n；j＝1，2，3，分別對應三個基本指標ettcmean和ettcmin；

55、s425.面向計算出的加權決策矩陣z，獲取所有時段中的沖突最小的時段和沖突最大的時段；其中，沖突最小的時段指加權決策矩陣中每一個基本指標下的最大值；沖突最大的時段指加權決策矩陣中每一個評價指標下的最小值：

56、

57、其中，z+為沖突最小的時段；z-為沖突最大的時段；

58、s426.計算各時段在第j個基本指標下分別與沖突最小的時段、沖突最大的時段的距離：

59、

60、其中，為第i個時段與沖突最小的時段的距離；為第i個時段與沖突最大的時段的距離；為第j個基本指標下的沖突最小的時段；zij為第i個時段在第j個基本指標下加權后的標準化值；為第j個基本指標下的沖突最大的時段；i＝1，2，…，n；j＝1，2，3，分別對應三個基本指標ettcmean和ettcmin；

61、s427.基于各時段與沖突最小的時段和沖突最大的時段的距離計算第i個持續(xù)性沖突時段與沖突最小的時段的相對接近度si，即第i個時段中心時刻t0的復合指標值，其中相對接近度si的計算公式如下：

62、

63、其中，為第i個時段與沖突最大的時段的距離；為第i個時段與沖突最小的時段的距離；i＝1，2，…，n；si為第i個時段與沖突最小的時段的相對接近度。若0.4≤si<1則該場景為低危狀態(tài)，若0<si<0.4則該場景為高危狀態(tài)。

64、進一步地，交通安全替代指標的評價指標集合是指評價所有交通安全替代指標性能的評價指標的集合，其中評價指標包括準確性、快速性、嚴重性：

65、準確性指各交通沖突替代指標對危險場景識別的準確率，準確率越高越優(yōu)。其計算是指在所選的參考集a中的n個危險場景中，當前交通沖突替代指標對各個場景的判斷結果為低危狀態(tài)或高危狀態(tài)的場景數量占所有危險場景數量的比例，以ttc為例，對參考集a內的任意一個危險場景，ttc在各個時刻對場景的判別結果為低危或高危的次數的時刻占場景持續(xù)時間的50％以上，即算為對該場景危險判別準確。對參考集a內n個場景，以ttc為判別指標存在yi次判別準確，則該指標的準確性為

66、快速性指各交通沖突替代指標對危險或高危場景識別的快速性，越早識別越優(yōu)。其計算是指對參考集a內的任意一個危險場景，以第i個場景內開始時刻為判別標準時刻，采用各交通沖突指標x對同一場景進行危險狀態(tài)判斷，各指標對第i個場景第一次判別為危險或高危狀態(tài)的時刻為獲取各指標的時刻與第i個場景的時刻之間的時間差當δti,x為正值時，表示指標對場景危險狀態(tài)的判別早于參考集a內人工判別，此時各指標判別的快速性可表示為且為正值，取值范圍為[0,1]，其中為各指標內最快判別準確的指標的時刻與第i個場景的時刻之間的時間差。當δti,x為負值時，表示指標對場景危險狀態(tài)的判別晚于參考集a內人工判別，此時各指標判別的快速性可表示為其中為第i個場景的結束時刻,且為負值，取值范圍為(0，-∞)，以ttc為例，在n個場景下，其快速性為

67、嚴重性指各交通沖突替代指標對危險/高危場景的各種危險狀態(tài)識別的準確性，準確率越高越優(yōu)。其計算是指在所選的參考集a中的n個危險場景中，當前交通沖突替代指標對各個場景的判斷結果為危險狀態(tài)的場景數量占所有危險狀態(tài)場景數量的比例p1，和對各個場景的判斷結果為高危狀態(tài)的場景數量占所有高危狀態(tài)場景數量的比例p2，選取p1和p2的平均值為嚴重性評價指標。以ttc為例，

68、進一步地，s6的具體過程為：

69、s61：對所有候選交通安全替代指標的準確性、快速性、嚴重性值進行標準化：

70、

71、其中，yij為第i個安全替代指標在第j個評價指標下標準化后的值；xij為第i個安全替代指標在第j個評價指標下的值；i為安全替代指標，i＝1，2，…，n；j為評價指標，當j＝1時為準確性，當j＝2時為快速性，當j＝3時為嚴重性；

72、s62：基于各安全替代指標在各個評價指標下標準化后的值yij，計算各評價指標的信息熵ej和差異度系數gj，公式如下：

73、

74、gj＝1-ej

75、式中，ej為第j個評價指標的信息熵，當j＝1時為準確性，當j＝2時為快速性，當j＝3時為嚴重性；fij為第j個評價指標下第i個安全替代指標占該指標所有樣本值的比重，i＝1，2，…，n；yij為第i個安全替代指標在第j個評價指標下標準化后的值；gj為第j個評價指標的差異度系數；

76、s63：基于得到的第j個評價指標的差異度系數，計算獲取第j個評價指標對應的熵權wj并建立熵權矩陣w：

77、

78、w＝{w1,w2,w3}

79、其中，wj為第j個評價指標下的熵權，當j＝1時為準確性，當j＝2時為快速性，當j＝3時為嚴重性；gj為第j個評價指標的差異度系數；w為熵權矩陣。

80、s64：基于標準化值yij和熵權值wj，構建加權決策矩陣：

81、zij＝y(tǒng)ij×wj

82、

83、其中，z為加權決策矩陣；yij為第i個安全替代指標在第j個評價指標下標準化后的值，i＝1，2，…，n，當j＝1時為準確性，當j＝2時為快速性，當j＝3時為嚴重性；wj為第j個評價指標下的熵權；

84、s65：將加權決策矩陣z中每一個評價指標下的最大值定義為最優(yōu)方案；將加權決策矩陣中每一個評價指標下的最小值定義為最劣方案：

85、

86、其中，z+為最優(yōu)方案；z-為最劣方案；

87、s66：基于每一個評價指標下的最優(yōu)方案z+和最劣方案z-，計算各候選交通安全替代指標在第j個評價指標下分別與最優(yōu)方案、最劣方案間的距離：

88、

89、其中，為第i個交通安全替代指標與最優(yōu)方案的距離；為第i個交通安全替代指標與最優(yōu)方案的距離；為第j個評價指標下的最優(yōu)方案；zij為第j個評價指標下第i個安全替代指標的加權值；為第j個評價指標下的最劣方案，i＝1，2，…，n，當j＝1時為準確性，當j＝2時為快速性，當j＝3時為嚴重性；

90、s67：基于各交通安全替代指標與最優(yōu)方案和最劣方案的距離計算第i個安全替代指標與最優(yōu)方案的相對接近度si，其中相對接近度si的計算公式如下：

91、

92、其中，si為第i個交通安全替代指標與最優(yōu)方案的相對接近度；為第i個交通安全替代指標與最劣方案的距離；為第i個交通安全替代指標與最優(yōu)方案的距離，i＝1，2，…，n，

93、s68：選取相對接近度si最高的安全替代指標最為最優(yōu)交通安全替代指標。

94、第二方面，本發(fā)明提供了一種適用于復雜道路節(jié)點的最優(yōu)交通安全替代指標選取系統(tǒng)，包括：

95、數據獲取及預處理模塊；用于劃定復雜道路節(jié)點道路區(qū)域邊界，并以坐標的方式存儲在數據庫；依托路側感知設備，周期性獲取復雜道路節(jié)點內所有車輛完整的微觀軌跡數據，并進行數據預處理和參數提?。?/p>

96、危險場景數據計算獲取模塊：用于基于車輛軌跡數據樣本及提取的參數，進行復雜道路節(jié)點危險行駛場景的判定和驗證，得到危險場景數據；

97、候選交通安全替代指標數值獲取模塊：用于構建候選交通安全替代指標集合，面向危險場景，計算獲取各候選交通安全替代指標數值；

98、最優(yōu)交通安全替代指標獲取模塊：用于構建交通安全替代指標的評價指標集合，面向各候選交通安全替代指標，計算獲取各評價指標數值，其中，評價指標包括準確性、快速性、嚴重性；根據各評價指標數值，計算各候選交通安全替代指標與對應最優(yōu)方案和最劣方案間的距離，選取與最優(yōu)方案的相對接近度最高的交通安全替代指標作為最優(yōu)交通安全替代指標。

99、有益效果

100、本發(fā)明提出了一種適用于復雜道路節(jié)點的最優(yōu)交通安全替代指標選取方法及系統(tǒng)，所述方法針對復雜道路節(jié)點中橫向對比交通沖突替代指標，能夠突破傳統(tǒng)交通事故評價方法中對樣本和數據難以處理的問題，充分考慮了各指標的特點，避免了單一指標的局限性，提高交通安全評價結果精準度。