基于混合低频车辆轨迹的交叉口延误计算

针对道路交通运行监测评价中不同来源的网联车辆轨迹存在采样频率低和采样频率不一致等问题,提出了一种面向混合低频车辆轨迹的交叉口延误融合计算方法.首先,设计分段拟合函数重构网联车辆低频轨迹,再现车辆在交叉口区域的速度变化趋势与加减速临界点.然后,基于实测轨迹量化分析不同采样频率与通过速度条件下交叉口车辆延误的误差特征,并以此为基础构建面向多源轨迹的交叉口延误融合计算与修正方法,利用先验误差修正和加权混合低频轨迹的延误计算结果.最后,通过蒙特卡洛实验验证所提出方法的有效性.研究结果表明:车辆行驶速度和样本量大小均对交叉口低频轨迹车辆延误的误差有显著影响;在相同速度区间和样本量条件下,采样间隔时间越大,重构后低频轨迹车辆延误的平均误差越大;在混合低频轨迹样本量为10的条件下,利用所提出方法计算的交叉口车均延误的相对误差在8%范围内的概率为93.6%,所提出方法能够有效提升利用混合低频轨迹测算交叉口机动车延误的精度.

基于车辆轨迹数据的急减速驾驶行为判定方法

目前很多研究使用车辆轨迹数据来识别急减速驾驶行为,但目前使用的固定阈值方法无法对不同驾驶场景做出区分且缺乏建模分析。基于车辆跟驰模型,提出了一种包含多种驾驶场景的急减速驾驶行为判断方法,该方法考虑照明条件、天气、道路车速等参数,解决了现有方法中缺乏场景分类的问题。使用聚类算法区分历史数据中的急减速驾驶行为,提取实际阈值并与模型结果进行比较,对该方法的准确性进行验证。结果表明,与现有方法相比,所建立的模型对不同种类驾驶场景的适应性较好,识别准确率较高。由此证明利用该模型可以更好地实现基于轨迹数据的车辆急减速行为识别,从而为驾驶安全研究打下基础。