技术特征：
1.一种无信号灯控制下的行人过街预测方法，其特征在于：包括以下步骤：步骤1、使用数据采集子系统采集路口行人、机动车轨迹数据；步骤2、使用模型预测子系统构建gbdt预测模型，使用gbdt预测模型对数据采集子系统采集的数据进行初步预测；步骤3、使用模型调优子系统对gbdt预测模型进行优化并选取最优参数。2.根据权利要求1所述的无信号灯控制下的行人过街预测方法，其特征在于：所述步骤1的具体实现方法包括以下步骤：步骤1.1、将路口区域划分为交叉区域、等待区域以及行走区域，所述等待区域为机动车道边界线两侧2m宽度的区域；所述交叉区域为机动车道除去等待区域的部分；所述行走区域为等待区域外侧的区域；步骤1.2、数据采集子系统采集行人位置点所落在区域，判断行人过街行为，所述行人过街行为包括wait和go；步骤1.3、数据采集子系统按照如下三个模型预测变量存储数据：行人特性、车辆特性、环境特性。3.根据权利要求2所述的无信号灯控制下的行人过街预测方法，其特征在于：所述步骤1.2的具体实现方法为：对于一条行人轨迹及该条行人轨迹的一个特定位置点，执行以下步骤：步骤1.2.1、如果该位置点落在行走区域或交叉区域内，则转到下一个位置点；步骤1.2.2、如果该位置点落在等待区域内并且没有将要经过的车辆，则转到下一个位置点；步骤1.2.3：如果该位置点落在等待区域内并且有将要经过的车辆，则按下述步骤执行：步骤1.2.3.1：如果当前时刻t行人和将要通过的车辆的坐标满足：x
p,t
＞x
v,t
以及y
p,t
＞y
v,t
，并且在接下来的时刻t+i满足：x
p,t+i
＞x
v,t+i
以及y
p,t+i
＞y
v,t+i
，那么记录所有的候选因素，并生成一个
‘
go’标记的样本，其中x
p,t
表示时刻t行人位置的横坐标，x
v,t
表示时刻t车辆位置的横坐标，y
p,t
表示时刻t行人位置的纵坐标，y
v,t
表示时刻t车辆位置的纵坐标；步骤1.2.3.2、否则，数据采集子系统记录所有的候选因素，并生成一个
‘
wait’标记的样本；步骤1.2.4、移动至下一个位置点，重复上述步骤，待当前轨迹的位置点执行完毕后移动到下一条轨迹数据，对下一条轨迹数据的位置点重复上述步骤；步骤1.3、数据采集子系统按照行人特性、车辆特性、环境特性存储行人、机动车轨迹数据。4.根据权利要求3所述的无信号灯控制下的行人过街预测方法，其特征在于：所述行人特性包括如下变量：行人当前行走速度、行人从轨迹开始时间t0到当前时间t的平均速度、行人从轨迹开始时间t0到当前时间t的最大速度、行人行走轨迹的直线率、行人到达路边后的等待时间、同时等待过街的行人数量；所述车辆特性包括以下变量：机动车的当前速度、机动车从轨迹开始时间t0到当前时间t的最大速度、机动车从轨迹开始时间t0到当前时间t的速度方差和即将驶过的机动车数量；所述环境特性包括以下变量：即将驶过的机动车与行人在车道方向的距离和即将驶过的机动车与行人在人行横道方向的距离。
5.根据权利要求1所述的无信号灯控制下的行人过街预测方法，其特征在于：所述步骤2的具体实现方法包括以下步骤：步骤2.1、模型预测子系统接收步骤1采集的数据；步骤2.2、生成gbdt预测模型：首先，用数据学习一个初始行人过街行为预测模型，并得到行人过街行为的预测值以及预测之后的残差，然后，预测模型基于前面预测模型的残差来学习，下一个模型在残差减少的梯度方上建立模型，使得残差往梯度方向上减少，直到预测值和真实值的残差为零，最后，对于测试样本的预测值，就是前面许多个预测模型预测值的累加：步骤2.3、确定最小化损失函数：给定前一个集成行人过街行为预测模型f
m
‑1，每次新增的预测模型h
m
通过模型拟合使得损失函数值l
m
最小；步骤2.4、在gbdt预测模型中加入正则项。6.根据权利要求1所述的无信号灯控制下的行人过街预测方法，其特征在于：所述步骤3的具体实现方法包括以下步骤：步骤3.1、模型调优子系统选取数据集，生成训练集：以bootstrap的方式从数据采集子系统采集到的数据集中抽取n个样本用作gbdt预测模型的每一个基分类器训练集，生成基分类器；步骤3.2、选取特征，确定最佳分裂点：设m为输入数据的特征个数，对于基分类器的每个节点分裂时，先从这m个特征中选取m个特征，然后再在这m个特征中选择最佳分裂点进行分裂；步骤3.3、计算基本模型误差：对于基分类器，使用oob数据作为测试集计算其预测误差；步骤3.4、计算整体模型误差：重复步骤3.1至步骤3.3，计算所有基分类器的预测误差，取平均值后得到gbdt预测模型的预测误差；步骤3.5、选取不同的参数组合方式：按照步骤3.1至步骤3.4计算gbdt预测模型的预测误差，选取预测误差最小的模型作为最终的训练模型；步骤3.6、采用投票的方式得到模型分类结果：使用每一个基分类器对输入的样本进行分类，选择该样本被预测最多的那一类作为分类结果。
技术总结
本发明涉及一种无信号灯控制下的行人过街预测方法，其技术特点是：步骤1、使用数据采集子系统采集路口行人、机动车轨迹数据；步骤2、使用模型预测子系统构建GBDT预测模型，使用GBDT预测模型对数据采集子系统采集的数据进行初步预测；步骤3、使用模型调优子系统对GBDT预测模型进行优化并选取最优参数。本发明采用GBDT技术，能够根据实时采集到的轨迹数据实现对行人过街行为的预测功能，本发明可应用于自动驾驶中的车路协同场景，实现对无信号道路交叉口行人过街行为的实时预判功能，对车辆速度进行控制，有助于自动驾驶车辆在运行时根据道路状况更好地实时决策。路状况更好地实时决策。路状况更好地实时决策。
技术研发人员：葛淑娴 王巍 凌帅 伦小翔 多葭宁 刘丽 王小静 董得龙 吴俊峰 朱洪东 袁新润 仲宇璐 辛秀颖 贾宁 宋伟
受保护的技术使用者：国网天津市电力公司 国家电网有限公司
技术研发日：2021.09.15
技术公布日：2021/12/13