基于信息熵的非机动车超越轨迹分段方法

通过自行车轨迹识别超越行为是评价非机动车交通服务水平的重要工作之一。针对基于阈值分段方法中需对不同轨迹确定不同的阈值问题,引入信息熵对非机动车超越轨迹进行分段。根据实测视频提取了780条非机动车超越轨迹数据,包括了在视频中可能存在的11种超越轨迹情形,并通过对超越过程中各阶段的特征参数分析,最终选取横向加速度、横向偏移距离、偏移角度作为基于信息熵分段的特征参数,通过引入信息熵理论,提出基于信息熵的非机动车超越轨迹分段方法和分段判断条件。根据信息熵理论中,分段后的2段子轨迹中的特征参数概率密度相较分割前更接近时熵增的定律,同时考虑非机动车超越轨迹的特征参数特征,提出适用于非机动车超越轨迹的信息熵分段标准。以实测路段非机动车超越轨迹数据为实验样本,将基于各特征参数的信息熵分段结果与基于时间、速度阈值的分段结果分别带入K最近邻(K-nearest neighbor,KNN)分类算法中进行超越轨迹识别,并利用轨迹覆盖度指标评价不同分段方法的超越轨迹分段效果。实验结果表明:基于信息熵超越轨迹分段方法的超越轨迹覆盖度平均为83.0%,优于基于阈值分段方法的轨迹覆盖度平均值79.7%,且基于横向加速度信息熵分段法的平均轨迹覆盖度为85.1%,分段效果相较于其他特征参数信息熵分段方法效果最优。