高速公路跟车场景的碰撞时间改进方法及应用案例研究

碰撞时间(TTC)是跟车冲突研究领域中广泛应用的指标之一,但该指标的假设条件忽略了车辆在驾驶过程中的速度及行驶状态变化,因此其不能准确反应车-车交互过程中的实际风险演化特征,以往针对碰撞时间的改进研究较少从更改轨迹预测方式展开。利用TJRD TS平台上的高速公路车辆轨迹数据,综合考虑车-车交互过程中的不确定性,采用LSTM模型对碰撞时间进行改进,以此弥补跟车场景下碰撞时间(TTC)的恒速假设局限性。结果表明,改进后LSTM模型预测精度提高,改进碰撞时间(iTTC)与传统碰撞时间(TTC)相比更符合实际。

考虑风险等级的车车通信MTTC混合分布模型

为研究车车通信环境下改进碰撞时间(modified time⁃to⁃collision,MTTC)的分布规律,建立能够描述不同车辆运行风险等级的MTTC混合分布模型,并利用实测数据进行模型验证,开展基于LTE⁃V技术的车车通信环境实验,获取实际车辆行驶实验数据,并利用k⁃means聚类方法将车辆运行风险划分为4种等级,利用Weibull、Gamma、对数正态3种概率分布模型,分别针对4种风险等级下的MTTC进行拟合检验,结果表明不同风险等级下的MTTC均可用对数正态分布模型描述。在此基础上,建立针对4种风险等级的MTTC对数正态混合概率分布模型,并利用EM算法对模型参数进行标定。选取Weibull、Gamma、对数正态概率分布模型作为对比,通过拟合优度分析验证所提出混合分布模型的有效性,并将该混合分布模型应用于一般环境下MTTC实验数据分析。结果表明:对数正态混合概率分布模型能够更好地拟合车车通信环境下的MTTC分布规律,并对一般环境具有良好的普适性,可为车辆运行安全相关研究提供理论支持。