基于路侧毫米波雷达的车辆碰撞概率计算方法

为定量化得出高速公路同一车道中前后相邻车辆的碰撞概率,从制动减速度的角度出发,提出一种新的前后相邻车辆碰撞概率计算方法。分别考虑前后车发生碰撞的3种不同情况,推导出如果发生碰撞前车需要的最小制动减速度。基于路侧毫米波雷达获取海量车辆运行状态真实数据,包括轨迹、速度以及制动减速度的变化规律,采用广义帕累托分布(Generalized Pareto Distribution,GPD)建立制动减速度分布模型,进一步基于GPD模型计算出在不同场景下如果发生碰撞所需最小制动减速度的发生概率,将该概率值确定为碰撞概率。研究结果表明,在本研究路段,约99.10%的加速度在[-1,1]m·s^(-2)的区间范围内波动,车辆制动减速度的分布具有"长尾"特征,较大的制动减速度占比非常小。内侧1车道、2车道加速分布比3车道的分布更为集中,大型货车的加速度分布比小客车的加速度分布更集中。最后,基于真实的危险场景数据以及模拟的典型危险场景数据进行验证,将该方法的计算结果与传统方法的计算结果相比较,表明该方法的计算结果连续,且可迅速、准确地识别各类危险场景。

路侧感知车辆轨迹数据的质量评估方法

路侧传感器已大量部署在高速公路上,用来实时采集路段全样本车辆轨迹数据,为交通流全时空管控、微观驾驶行为分析等提供数据支持,但数据质量的快速评估一直是困扰行业管理部门的难题。现有的车辆轨迹数据评估方法大多存在操作复杂、维度单一等问题,难以满足对动态交通流中实时产生的车辆轨迹数据的评价需求。为快速判别路侧毫米波雷达车辆轨迹数据的质量,文中通过挖掘数据自身信息提出了一种数据质量评价方法。首先,在分析实测轨迹数据典型问题的基础上,从轨迹完整性、一致性、准确性及有效性4个维度建立了9个二级评价指标;然后,基于CRITIC赋权法计算综合指标;最后,针对4种不同场景的3549条毫米波雷达实测轨迹进行了实证分析。结果表明,毫米波雷达的安装方式、型号等会显著影响车辆轨迹数据的质量,所提出的数据质量评价方法能够量化不同车辆轨迹数据的质量差异。文中研究结果可为路侧传感器采集数据性能衰变的短时监测及数据采集设备的选型提供支持,也可为车辆轨迹数据质量的提升提供方法参考。