一种智能网联环境下交叉口行人过街风险预警方法及系统

本发明属于交通安全预测，具体涉及一种智能网联环境下交叉口行人过街风险预警方法及系统。

背景技术：

1、交叉口面临着人流与车流交会集散的巨大压力，是交通事故发生的高危地点。行人作为道路使用者中的弱势群体，在事故发生时更易受到伤害。无信号控制交叉口缺少硬性通行管制，行人穿行随机性大，增加了人车冲突发生的可能性。信号控制交叉口虽然实现了交通流的分离，但右转车辆与行人之间的冲突仍然存在。

2、目前已有部分研究聚焦于分析交叉口人车冲突致因，但事后分析手段对于安全性的改善和提升具有滞后性。在方法层面，经典的统计学回归分析模型在精度有限、类别分布存在偏差的小样本实测数据上效果不佳，自变量显著性和内生性之间的矛盾难以调和。基于此，结合当前智能网联的发展，提出一种交叉口行人过街风险预警方法及系统具有实际意义。

技术实现思路

1、本发明提供了一种智能网联环境下交叉口行人过街风险预警方法及系统，通过采集提取进入交叉口的人车轨迹信息，构建预测模型对行人过街风险进行预判并下发安全预警，降低了行人过街风险。

2、为解决上述技术问题，本发明采用以下技术方案：

3、一种智能网联环境下交叉口行人过街风险预警方法，基于目标道路交叉口，执行以下步骤，对目标道路交叉口的过街行人进行过街风险预警：

4、步骤1：基于目标道路交叉口，针对过街行人，实时获得目标道路交叉口中各过街行人分别对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据；

5、步骤2：基于各过街行人分别对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据，利用预训练的以过街行人对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据为输入，以该过街行人对应的过街风险标定结果为输出的行人过街风险预测模型，获得各过街行人分别对应的过街风险标定结果；

6、步骤3：基于各过街行人分别对应的过街风险标定结果，当过街风险标定结果为安全，则不对过街风险标定结果为安全的过街行人进行过街风险预警；当过街风险标定结果为危险，则对过街风险标定结果为安全的过街行人进行过街风险预警。

7、作为本发明的一种优选技术方案，所述步骤2中的行人过街风险预测模型，通过以下步骤构建获得：

8、步骤2.1：针对目标道路交叉口，获得历史时间段内目标道路交叉口中各过街行人分别对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据，并获得各过街行人分别对应的过街风险标定结果；

9、步骤2.2：基于各过街行人分别对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据，以及各过街行人分别对应的过街风险标定结果，训练获得以过街行人对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据为输入，以该过街行人对应的过街风险标定结果为输出的行人过街风险预测模型。

10、作为本发明的一种优选技术方案，所述行人过街风险预测模型采用随机森林分类器。

11、作为本发明的一种优选技术方案，所述步骤2.1中，过街行人对应的过街风险标定结果，通过以下步骤获得：

12、步骤2.1.1：针对过街行人，通过以下公式获得该过街行人对应的替代性安全指标pet：

13、pet＝min{|ticar-tiped|i}，pi∈lboth，lboth＝lcar∩lped

14、其中，lped为过街行人轨迹，lcar为与过街行人轨迹空间位置上存在交叉的单个车辆轨迹区域，lboth为人车轨迹覆盖区域的交叉区域为空间维度上的潜在冲突区域，pi为潜在冲突区域内的任意一点，ticar为车辆到达潜在冲突点pi的时刻，tiped为行人到达潜在冲突点pi的时刻；

15、步骤2.1.2：基于该过街行人对应的替代性安全指标pet，结合预设阈值，当替代性安全指标pet大于预设阈值，则过街风险标定结果为安全；当替代性安全指标pet不大于预设阈值，则过街风险标定结果为危险。

16、作为本发明的一种优选技术方案，所述表征交叉口交通状况的变量集包括预设时长内过街行人过街起始点对应的断面车流量、以过街行人过街起始点起预设路长范围内的上游平均车头时距、以过街行人过街起始点起预设路长范围内的上游平均车头间距、上游车辆与过街行人之间的最近距离；

17、所述表征行人自身运动特性的变量集包括过街行人过街前第一预设时间段内行走的平均速度、过街行人过街前第二预设时间段内行走的平均加速度、过街行人过街前第三预设时间段内路径突变的帧幅数占比、过街行人过街前第四预设时间段内行走于人行道外区域的帧幅数占比、过街行人在当前交叉口是否存在二次过街行为、过街行人过街前第五预设时间段内内同方向过街的行人数目；

18、所述表征环境状态的变量集包括当天的天气状况、过街行人在当前过街起始点对应的过街距离。

19、作为本发明的一种优选技术方案，所述过街行人为当行人距离路缘或斑马线区域达到预设距离范围内，则判定该行人为过街行人；且判定该行人为过街行人时，该过街行人所在位置该过街行人对应的过街起始点。

20、作为本发明的一种优选技术方案，针对所述车辆轨迹区域，基于车辆构建车辆对应的外接矩形，计算公式如下，将车辆对应外接矩形下覆盖的轨迹作为车辆轨迹区域：

21、

22、

23、

24、trajectorycar＝rt{fl，fr，rl，rr}_1∪rt{fl，fr，rl，rr}_2∪…∪rt{fl，fr，rl，rr}_j

25、式中，widthcar为车辆对应的外接矩形的宽，lengthcar为车辆对应的外接矩形的长，α为车头朝向与交叉口坐标轴水平右向轴的夹角，{fl，fr，rl，rr}表示车辆外接矩形四个顶点，x{fl，fr，rl，rr}为四个顶点{fl，fr，rl，rr}在交叉口坐标轴下所对应的x坐标，t{fl，fr，rl，rr}为四个顶点{fl，fr，rl，rr}在交叉口坐标轴下所对应的y坐标，trajectorycar为车辆对应外接矩形覆盖的轨迹区域，rt{fl，fr，rl，rr}_j为j时刻下车辆四个顶点所围成的矩形区域。

26、一种基于所述一种智能网联环境下交叉口行人过街风险预警方法的系统，包括数据获取模块、过街风险预测模块、过街风险预警模块，

27、数据获取模块用于基于目标道路交叉口，针对过街行人，实时获得目标道路交叉口中各过街行人分别对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据；

28、过街风险预测模块用于基于各过街行人分别对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据，利用预训练的以过街行人对应的表征交叉口交通状况的变量集数据、表征行人自身运动特性的变量集数据、表征环境状态的变量集数据为输入，以该过街行人对应的过街风险标定结果为输出的行人过街风险预测模型，获得各过街行人分别对应的过街风险标定结果；

29、过街风险预警模块用于基于各过街行人分别对应的过街风险标定结果，当过街风险标定结果为安全，则不对过街风险标定结果为安全的过街行人进行过街风险预警；当过街风险标定结果为危险，则对过街风险标定结果为安全的过街行人进行过街风险预警。

30、本发明的有益效果是：本发明提供了一种智能网联环境下的交叉口行人过街风险预警方法及系统，实时采集进入交叉口检测范围内行人及车辆数据，基于不同交通个体轨迹数据，提取出表征交叉口交通状况、环境特征及行人自身运动特性的变量数据，基于替代性安全指标pet对人车冲突风险进行标定，构建交叉口的行人过街风险预测模型进行实时风险判别并对行人进行风险预警，降低过街风险。本发明依托智能网联技术，对交叉口行人过街风险进行实时判别并预警，降低了过街风险。