[发明专利]一种基于车辆轨迹和长短记忆神经网络的交叉口转向溢出检测方法

说明书

本发明公开了一种基于车辆轨迹和长短记忆神经网络的交叉口转向溢出检测方法，该方法利用样本车辆的轨迹，根据红灯信号的起止时刻，对车辆的轨迹进行切割，提取红灯信号对应的轨迹。之后根据轨迹计算车辆在每一个轨迹点的速度。然后分别将速度映射至时间轴和空间轴，得到车辆在该红灯信号内的时间轴上的速度曲线，经采样后得到综合时空速度向量。另一方面，通过布设于展宽段入口处的检测器获得速度，并通过设置速度阈值的方法获得红灯信号起止时刻内的转向溢出时长。将综合时空速度向量和转向溢出时长作为参数对长短记忆神经网络进行训练。训练好的神经网络即可用于检测转向溢出。

技术领域

本发明涉及一种用于城市交通控制中的转向溢出检测方法。具体来说是涉及一种基于车辆轨迹和长短记忆神经网络的对交叉口进口道的转向溢出进行检测的方法。

背景技术

交通控制利用信号灯对交叉口进口道的不同方向的车流进行时间上的分配。然而，在高峰时期，常常发生转向溢出事件。转向溢出事件指的是在高峰时段，部分车辆排队过长，从展宽段蔓延至上游，堵塞其他转向车流的现象。转向溢出存在着诸多负面影响：降低了交叉口的通行能力，增加了转向的延误，降低了交通运行的可靠性。利用多种交通数据对转向溢出进行检测是有效的交叉口控制的前提条件。目前尚无实时检测转向溢出的方法。利用铺设于路面之下的线圈检测器检测的流量对转向溢出进行估计需要进行大规模的统计抽样，无法满足实时性的要求。本发明利用车辆的轨迹对转向溢出进行判别，能用于实时的交通信号参数的调整中。

发明内容

为了克服现有检测方法无法满足实时性的问题，本发明提出一种基于长短记忆神经网络、利用车辆轨迹进行转向溢出检测的方法。

本发明方法是通过如下步骤实现的：

步骤1获取车辆轨迹样本和左转、直行的信号参数信息；

步骤2利用红灯信号起止时刻对车辆轨迹进行时间上的切割；

步骤3对切割后的车辆轨迹进行如下处理

步骤3.1通过车辆轨迹计算车辆的速度；

步骤3.2将每辆车的速度映射至时间轴，得到车辆在时间上的速度向量，如果存在多辆车的轨迹，则对时间轴上的速度曲线求平均，得到时间尺度上的平均速度曲线；

步骤3.3将每辆车的速度映射至空间轴，获得车辆在空间上的速度曲线，如果存在多辆车的轨迹，则对映射之后的空间速度曲线求平均，得到空间尺度上的平均速度曲线；

步骤3.4对时间尺度和空间尺度上的速度曲线分别进行采样，典型的采样数量可以设置为100个速度值，抽样得到时间尺度上的平均速度向量和空间尺度上的平均速度向量；

步骤3.5将时间尺度上的平均速度向量和空间尺度上的平均速度向量连接在一起，形成综合时空速度向量；

步骤4通过铺设于展宽段入口处的检测器获得地点速度，并通过设置速度阈值来确定转向溢出时长。如果不存在溢出，设置其转向溢出时长为零；

步骤5使用所有红灯信号起止时刻的综合时空速度向量和转向溢出时长对长短记忆神经网络进行训练，其中，神经网路的输入为综合时空速度向量，输出为转向溢出时长(包括左转溢出时长和直行溢出时长)。

步骤6利用训练好的网络对转向溢出进行判断。轨迹数据的预处理过程和步骤1～3相同。

本发明的有益效果是：

1训练完毕之后，仅仅需要有限的车辆轨迹和信号参数就可以进行转向溢出判定，数据要求不高；同时对样本的需求也不高，即使只有一辆车的轨迹，方法仍然能够工作；

2采用本发明的方法可以同时对直行溢出和左转溢出进行判定。

附图说明

图1是现实中转向溢出情况示意图；