一种信号交叉口照度设置方法与流程

本发明涉及交通管理控制，尤其涉及一种信号交叉口照度设置方法。

背景技术：

1、随着我国经济的增长，城市交通得到了快速发展，城市道路趋于复杂化。城市道路是由许多信号交叉口连接而成的道路网，信号交叉口是城市交通的关键，也是交通事故多发的地带。因此研究在信号交叉口影响驾驶员驾驶行为的关键因素，并优化相关因素，能大大减少交通事故，具有非常重要的意义。

2、为了提高驾驶员夜间行车的安全性，城市道路通过设置一定间距的路灯来提高驾驶员视野的可达性。目前，路灯的照度是按照国家标准设置的固定值，不能满足驾驶员在不同信号交叉口以及不同交通环境下的驾驶需求，导致驾驶员在进出信号交叉口时车速变化较大，影响行车安全。

技术实现思路

1、鉴于上述的分析，本发明旨在提供一种信号交叉口照度设置方法，用以解决现有路灯照度按照固定值设置，不能满足驾驶员在不同信号交叉口以及不同交通环境下的驾驶需求，导致驾驶员在进出信号交叉口时车速变化较大，影响行车安全的问题。

2、本发明提供了一种信号交叉口照度设置方法，所述方法包括以下步骤：

3、采集驾驶员基本信息、驾驶员驾驶情况信息，以及信号交叉口处的交通环境数据、车辆行驶速度和照度；

4、基于采集到的车辆行驶速度得到驾驶员驾驶行为，将各驾驶行为对应的驾驶员基本信息、驾驶员驾驶情况信息、交通环境数据和照度作为驾驶行为影响因素，对驾驶员驾驶行为、驾驶行为影响因素进行logit回归，得到影响驾驶行为的关键因素；

5、基于每个驾驶行为的车辆行驶速度得到车速变化，将车速变化及其驾驶行为对应的关键因素作为一个样本，从而形成训练样本集；

6、构建车速变化与照度关联预测模型，利用训练样本集对所述预测模型进行训练得到训练好的预测模型；

7、采集信号交叉口除照度外的其它关键因素数据，选取若干照度值和其它关键因素数据输入到所述预测模型中获得车速变化，得到车速变化与照度的关系函数，选取车速变化最小时的照度作为信号交叉口的最优照度。

8、进一步的，将所述样本集按天气条件进行划分，形成训练样本子集；所述车速变化与照度关联预测模型包括多种不同天气条件下的预测子模型；训练时，利用相应天气条件下的训练样本子集分别对所述预测子模型进行训练，得到训练好的各预测子模型。

9、进一步的，对于每个预测子模型，将所述样本子集划分为训练子集与测试子集，利用训练子集对相应天气条件下的所述预测子模型训练完之后，将测试子集样本数据输入到训练完的相应天气条件下的预测子模型中得到预测值，计算真实值与所述预测值的均方误差mse，当mse小于误差阈值时得到该天气条件下训练好的预测子模型。

10、进一步的，对驾驶员驾驶行为、驾驶行为影响因素进行logit回归，得到影响驾驶行为的关键因素包括：

11、获取驾驶行为的效用函数，所述效用函数包括确定项和随机项；

12、假设确定项与各驾驶行为影响因素呈线性关系，得到确定项与各影响因素之间的函数关系式，即确定项为影响因素加权之和；

13、根据效用最大理论，得到驾驶员选择某种驾驶行为的概率；

14、基于所述概率，得到logit模型的对数似然函数；求该对数似然函数极大时的各影响因素的权重值，选取权重值大于参数阈值的影响因素作为关键因素。

15、进一步的，所述采集驾驶员基本信息、驾驶员驾驶情况信息、信号交叉口范围、交通环境、车辆行驶状态和信号交叉口处照度的数据包括：

16、采用调查问卷的方法，获取驾驶员基本信息、驾驶员驾驶情况信息；

17、基于视频监控获取交通环境数据、车辆行驶速度；

18、基于照度仪采集路灯开启期间信号交叉口处的照度数据。

19、进一步的，所述交通环境数据包括天气条件、车流量、路灯间距及路灯距离信号交叉口的距离数据；所述车辆行驶速度包括车辆经过信号交叉口前、信号交叉口处和信号交叉口后的车速数据。

20、进一步的，所述关键因素为信号交叉口处的照度数据、天气条件、车流量、路灯间距和路灯距离信号交叉口的距离。

21、进一步的，所述基于照度仪采集路灯开启期间信号交叉口处的照度数据包括：

22、将信号交叉口范围划分成若干个相连的5*5米的正方形区域，采集每个区域中心的照度值，获得该信号交叉口范围内所有照度值的算术平均值，作为该信号交叉口处的照度数据。

23、进一步的，所述天气条件包括晴天、阴天、雨天、雪天及雾天五类类型。

24、进一步的，所述驾驶行为集合为减速通过、匀速通过、加速通过和先减速后加速通过。

25、与现有技术相比，本发明至少可实现如下有益效果之一：

26、1、本发明改变了目前路灯照度设置为固定值的模式，以驾驶员穿越信号交叉口车速变化最小为目标，根据不同信号交叉口以及不同交通环境数据设置信号交叉口的最优照度，提高了行车的安全性。

27、2、基于采集到的车辆行驶状态得到驾驶员驾驶行为集合，基于采集到的驾驶员基本信息、驾驶员驾驶情况信息、交通环境和信号交叉口处照度的数据得到影响驾驶行为的因素，通过logit回归模型得到信号交叉口路灯开启期间影响驾驶行为的关键因素；通过采用logit回归模型，获取到影响驾驶行为的关键因素，采用关键因素以及与关键因素对应的车速变化作为样本训练预测模型，因而使得训练好的模型预测更加精确，同时通过获取到关键因素，而不是将所有因素都用来对模型进行训练，因此也提高了模型训练效率。

28、3、基于采集数据分析，得到驾驶员在绿灯情况下通过信号交叉口时选择的驾驶行为的集合为减速通过、匀速通过、加速通过和先减速后加速通过；通过采集数据分析，滤除驾驶员选择概率很小的驾驶行为，获取到驾驶行为的集合，采用与该集合对应的影响因素进行logit回归得到影响驾驶行为的关键因素，因而使获得的关键因素更加准确，同时只针对该集合里驾驶行为对应的影响因素进行logit回归，而不是将所有驾驶行为都进行logit回归，因此也提高了获取关键因素的效率。

29、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。

技术特征：

1.一种信号交叉口照度设置方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的信号交叉口照度设置方法，其特征在于，将所述样本集按天气条件进行划分，形成多个训练样本子集；所述车速变化与照度关联预测模型包括多种不同天气条件下的预测子模型；训练时，利用相应天气条件下的训练样本子集分别对所述预测子模型进行训练，得到训练好的各预测子模型。

3.根据权利要求2所述的信号交叉口照度设置方法，其特征在于，对于每个预测子模型，将所述样本子集划分为训练子集与测试子集，利用训练子集对相应天气条件下的所述预测子模型训练完之后，将测试子集样本数据输入到训练完的相应天气条件下的预测子模型中得到预测值，计算真实值与所述预测值的均方误差mse，当mse小于误差阈值时得到该天气条件下训练好的预测子模型。

4.根据权利要求1所述的信号交叉口照度设置方法，其特征在于，对驾驶员驾驶行为、驾驶行为影响因素进行logit回归，得到影响驾驶行为的关键因素包括：

5.根据权利要求1所述的信号交叉口照度设置方法，其特征在于，所述采集驾驶员基本信息、驾驶员驾驶情况信息、信号交叉口范围、交通环境、车辆行驶状态和信号交叉口处照度的数据包括：

6.根据权利要求5所述的信号交叉口照度设置方法，其特征在于，所述交通环境数据包括天气条件、车流量、路灯间距及路灯距离信号交叉口的距离数据；所述车辆行驶速度包括车辆经过信号交叉口前、信号交叉口处和信号交叉口后的车速数据。

7.根据权利要求4所述的信号交叉口照度设置方法，其特征在于，所述关键因素为信号交叉口处的照度数据、天气条件、车流量、路灯间距和路灯距离信号交叉口的距离。

8.根据权利要求5所述的信号交叉口照度设置方法，其特征在于，所述基于照度仪采集路灯开启期间信号交叉口处的照度数据包括：

9.根据权利要求6所述的信号交叉口照度设置方法，其特征在于，所述天气条件包括晴天、阴天、雨天、雪天及雾天五类类型。

10.根据权利要求1所述的信号交叉口照度设置方法，其特征在于，所述驾驶行为集合为减速通过、匀速通过、加速通过和先减速后加速通过。

技术总结
本发明涉及一种信号交叉口照度设置方法，属于交通管理控制技术领域，解决了现有路灯照度按照固定值设置，不能适应不同信号交叉口以及不同交通环境，导致驾驶员在进出信号交叉口时车速变化较大，影响行车安全的问题。该方法包括：采集驾驶员以及信号交叉口处的数据信息，基于采集到的数据得到影响驾驶行为的关键因素，基于车速变化及对应的关键因素形成训练样本集，构建车速变化与照度关联预测模型并利用训练样本集得到训练好的预测模型，采集信号交叉口除照度外的其它关键因素数据输入到关联模型中，选取车速变化最小时的照度作为信号交叉口的最优照度。该方法根据信号交叉口以及交通环境数据设置信号交叉口的最优照度，提高了行车的安全性。

技术研发人员：孙翠翠,陈为杰,杨海兵,胡里阳,周子一,巩健,赵冰心,陈义,谢常勇,冯烁,焦彦利,韩明敏
受保护的技术使用者：河北省交通规划设计研究院有限公司
技术研发日：
技术公布日：2024/1/16