基于监控视频的隧道交通冲突预测方法

基于宏观交通特征进一步理解交通冲突机制,提出一种基于监控视频的隧道交通冲突预测方法,以实现对隧道交通安全的风险预警.通过在车辆轨迹数据中检测出交通冲突事件及对应的宏观交通特征,使用二分类模型验证支持向量机、决策树、多层感知机和随机森林等模型预测交通冲突的可行性,建立交通状态与交通冲突的关联关系.研究结果表明:该预测方法使用的交通状态变量对交通冲突的发生概率均有显著性贡献.随机森林模型能够根据20 s时间单元采集的交通状态参数有效预测交通冲突的发生风险,预测准确率可达到97%.

基于Poisson过程的交通冲突预测模型研究

交通冲突预测是利用交通流运行特征,预测出可能发生交通冲突的次数,从而为道路交叉口等交通交汇处的交通安全评价提供一种较为可靠和可行的方法。影响车辆发生冲突的因素包括车辆在冲突点的暴露时间、车辆到达潜在冲突点的特性以及车辆间的车头时距等。在对交通冲突点的冲突过程分析的基础上,给出了交通冲突次数的定义,包括大于2辆车连续通过冲突点的交通状况.应用Poisson随机过程理论,建立潜在冲突点机动车间交通冲突次数的预测模型。预测结果的对比分析研究表明,基于随机过程的交通冲突预测模型的预测值与实际观测值最接近。

互通立交分流区交通冲突预测模型

互通立交分流区存在频繁的变换车道现象,导致交通流运行紊乱、交通冲突频发。为分析互通分流区交通安全状况,首先分析车头时距及车辆变道位置等交通流特性与交通冲突的关系,然后采用间隙接受理论判别交通冲突区间,构建基于间隙接受理论的分流区交通冲突预测模型。结果表明：车辆变道位置与交通冲突地点存在显著相关性,均位于距基准点600 m以内和减速车道的前60 m路段;交通冲突临界间隙为2.21 s,基于间隙接受理论的交通冲突区间为（2.06 s,2.31 s）;分流区交通冲突预测模型预测结果与实际统计结果的相对误差在10%以下。减速车道长度以及分流比是影响交通冲突数的主要因素,可作为分流区交通安全改善方案的依据。

基于图神经网络轨迹预测的合流区交通冲突预测方法

为保证高速公路合流区路段的交通安全,减少交通冲突,提出一种基于图神经网络轨迹预测的合流区交通冲突预测方法。该方法包括基于时空图卷积神经网络的轨迹预测方法以及基于预测轨迹的交通冲突预测方法。利用Mirror-Traffic数据集进行交通冲突指标阈值计算,并通过一定的轨迹数据处理方法得到适用的数据,进行网络模型训练和验证。结果表明,严重冲突的后侵入时间(post-encroachment time, PET)阈值为2.0 s,轻微冲突的PET阈值为5.36 s。该轨迹预测方法的平均位移误差为1.5 m,最终位移误差为2.1 m,时间成本为0.59 s,与其他4种方法相比,本研究方法的轨迹预测整体效果最好。在交通冲突预测方面,采用准确率、精确率、召回率和F_(1)评价交通冲突预测模型,结果表明交通冲突预测效果较好。本研究提出的方法保证了预测的正确性,增强了预警系统下行车的安全性,提高了预警系统下的合流区通行效率。

无信号环形交叉口机非冲突机器学习预测方法

为高效精确地预测无信号环形交叉口机动车与非机动车的交通冲突,提出了基于遗传算法优化的BP神经网络(genetic algorithm and back propagation,GA-BP)和支持向量回归(support vector regression,SVR)的组合预测模型(SVR-GA-BP)。通过无人机采集混合交通流高清视频,利用视频识别软件Tracker提取机非交通冲突轨迹数据,以距离碰撞时间(time to collision,TTC)为判别指标,确定机非冲突严重程度。基于偏相关性分析确定交通量、平均速度、大车比例等为机非交通冲突的显著影响因素,选取均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)等五种评价指标对SVR模型、BP神经网络、SVR-GA-BP模型的预测值进行精度分析。结果表明,组合模型在一般冲突预测中精度为97.1%,相比SVR和BP神经网络分别提高6.9%和2.5%,在严重冲突预测中精度为96.1%,相比SVR和BP神经网络分别提高7.3%和5.1%。可见SVR-GA-BP组合模型能够有效预测无信号环形交叉口的机非冲突且精度最高,可为同类型交叉口的安全评价提供借鉴。

机动车交通冲突技术研究综述

对机动车-机动车交通冲突定义、交通冲突度量指标、冲突严重性判定以及交通冲突评价与预测等的国内外研究进展做了归纳和综述。分析表明,目前交通冲突研究存在以下主要问题:传统的冲突度量指标存在各自的局限性和不一致性,冲突潜在碰撞的后果严重性研究处于初始阶段,交通事件分级模型和相关性需要进一步研究和确认,冲突严重性判定存在一致性问题,交通冲突产生和发展的微观机理研究不足,缺乏真实环境下整个区域相互作用车辆精确连续轨迹追踪的数据获取手段。建议未来从以下方向进行优化:复合的改进度量指标比单一指标更为科学合理,并要考虑冲突潜在碰撞的后果严重性;统一和规范交通冲突度量指标的使用也有一定意义;需要针对多个参与者的"区域连锁冲突"进行更深入的研究;可通过采集区域多车辆连续时空轨迹大数据,得到区域多车辆冲突时空演变模型,并进行交通冲突实时预警和干预研究;另外可通过大量精确数据量化和统一区分各级交通冲突的阈值,并验证交通冲突技术的有效性;在不同设施对象及冲突的空间特征等方面的探索等也会丰富交通冲突研究体系;最后,以上所有的改进方向离不开高精度大范围的采集方法和高效精确的处理手段,故急需真实环境下、长时间的整个区域相互作用车辆精确连续轨迹追踪的大数据获取手段。