[发明专利]基于激光雷达和轨迹预测的信控交叉口清空方法和系统

权利要求书

1.一种基于激光雷达和轨迹预测的信控交叉口清空方法，其特征在于，包括以下步骤：

步骤1、利用在城市交叉口进口道处安装的3D激光雷达，感知即将进入交叉口的车辆，通过所述3D激光雷达检测获取车辆轨迹数据；

步骤2、将所述3D激光雷达检测获得的车辆轨迹数据映射进入进口道范围内的三维坐标系中，按车辆所在车道对车辆进行分类；

步骤3、在收到黄灯启动信号后，将黄灯时间的前1.5s内获取的车辆轨迹数据输入轨迹预测模型，通过所述轨迹预测模型对黄灯时间的前1.5s内车辆轨迹数据进行判断，根据判断结果预测黄灯时间后1.5s的车辆轨迹数据；

步骤4、根据黄灯时间后1.5s的车辆轨迹数据判断车辆是否在黄灯结束红灯亮起后闯入交叉口；若是，则继续对所有预测结果为闯入交叉口的车辆在交叉口内的行驶时间进行预测，进一步筛选获得闯入车辆驶离交叉口的最大时间；若否，返回步骤1继续检测；

其中，所述车辆在交叉口内的行驶时间指车辆在黄灯结束时刻闯入交叉口起至其驶离交叉口为止的时间；

步骤5、根据获得的闯入车辆驶离交叉口的最大时间，调整交叉口全红时间；

所述步骤3中的轨迹预测模型根据历史车辆轨迹数据建立，所述轨迹预测模型的建立包括以下步骤：

步骤3.1、收集3s黄灯时间内的历史车辆轨迹数据，构成车辆轨迹数据集A；

步骤3.2、对车辆轨迹数据集A进行聚类分析，得到聚类中心轨迹数据；根据聚类结果将车辆轨迹数据集A的数据分为i类，将此i个类别作为i个轨迹标签，每个类别对应一个轨迹标签；

步骤3.3、将所述车辆轨迹数据集A分为训练集B和测试集C，将训练集B的轨迹数据以及每条轨迹对应的轨迹标签作为输入，建立一个卷积神经网络学习模型对历史车辆轨迹数据及其对应的标签进行学习；

步骤3.4、训练模型直至使用测试集C对模型进行测试，测试值达到预期准确率，则所述轨迹预测模型建立完成。

2.根据权利要求1所述的基于激光雷达和轨迹预测的信控交叉口清空方法，其特征在于，所述三维坐标系在获取所述车辆轨迹数据之前建立，在所述三维坐标系中输入交叉口的停止线坐标、车道的坐标和范围、车道的信息。

3.根据权利要求1所述的基于激光雷达和轨迹预测的信控交叉口清空方法，其特征在于，所述车辆轨迹数据包括：车辆的ID、车辆的速度、车辆的加速度、车辆距离停止线的距离；所述黄灯启动信号具体包括交叉口实时的相位信息，即当前的相位和当前相位持续的时间。

4.根据权利要求1所述的基于激光雷达和轨迹预测的信控交叉口清空方法，其特征在于，所述车辆轨迹数据或历史车辆轨迹数据均分为直行车辆数据集、和/或左转车辆数据集、和/或右转车辆数据集。

5.根据权利要求4所述的基于激光雷达和轨迹预测的信控交叉口清空方法，其特征在于，所述步骤3具体包括以下步骤：

通过黄灯时间的前1.5s内获取的车辆轨迹数据，将其输入提前建立好的轨迹预测模型，所述轨迹预测模型预测获得该段轨迹数据所属的轨迹标签；根据预测所得的轨迹标签，选用该轨迹标签所对应类别的聚类中心轨迹数据的黄灯后1.5s轨迹数据，即为预测所得的车辆在黄灯后1.5s的轨迹数据，而后通过对该轨迹数据判断黄灯结束后车辆的通过趋势及预测车辆在停止线处的轨迹数据。