[发明专利]一种基于多层面多维度指标体系的行车风险预测方法

说明书

本发明提供了一种基于多层面多维度指标体系的行车风险预测方法，首先从宏观交通流、中观车群和微观车辆三个层面，结合道路环境、车辆时空分布、车辆运动状态和车辆性能四个维度，构建包含区间车流风险指标、周边车群风险指标和相邻车辆风险指标的行车风险指标体系；再基于指标体系，构建行车风险预测物元可拓模型；最后将行车风险指标体系内的各个指标代入物元可拓模型，确定目标车辆不同行驶风险等级的综合关联度，得到行车风险预测等级。本发明能更全面、系统、准确地刻画高速公路车辆的行驶风险水平。

技术领域

本发明涉及交通安全评价和智能交通技术领域，特别是一种基于多层面多维度指标体系的行车风险预测方法。

背景技术

随着当前智能网联汽车技术的发展，如何利用车联网技术进一步提高车辆驾驶安全成为智能汽车行业发展的重点和难点之一。目前广泛使用的行车风险评价方法主要基于交通冲突技术，相较于传统以历史事故数据研究交通安全问题的方法，交通冲突技术具有数据样本量大、数据获取周期短、数据精度高等优点。冲突度量指标能够通过预设的阈值识别交通冲突，量化交通冲突发生可能性或严重程度，主要类型包括避险行为度量指标、时间/空间接近程度度量指标、车辆运动特征指标及冲突能量指标。这些冲突度量指标大部分都是面向单一场景的微观冲突指标，有其特定的使用原则和局限性，如碰撞时间TTC只能反映纵向冲突事故的可能性，变道风险指数LCRI只能反映横向冲突的可能性和严重程度。

近年来，有部分研究开始聚焦于通过社会网络分析、模糊逻辑、逼近理想解TOPSIS、离散选择Logit模型等方法来探索微观冲突指标之间的关系，以求使用更好的指标组合来达到更准确地预测行车风险的目的；但目前的研究中尚未系统考虑自车与周边车辆、局部车群、以及路段车流之间车辆运行特征的关联性和差异性。在车联网环境下，这些特征数据都可以实时获取，为建立多层面多维度行车风险指标体系提供了可能。

发明内容

有鉴于此，本发明提供了一种基于多层面多维度指标体系的行车风险预测方法，有利于提高风险预测的准确性，从而达到预防交通事故发生的目的。

本发明是通过以下技术手段实现上述技术目的的。

一种基于多层面多维度指标体系的行车风险预测方法，具体为：

从宏观交通流、中观车群和微观车辆三个层面，结合道路环境、车辆时空分布、车辆运动状态和车辆性能，构建包含区间车流风险指标、周边车群风险指标和相邻车辆风险指标的行车风险指标体系；

以高速公路车辆行驶风险为待评事物，以行车风险指标体系内的各个指标为事物特征，基于高速公路路段车辆历史轨迹数据确定经典域和节域，基于博弈论组合赋权法确定权重，构建基于指标体系的行车风险预测物元可拓模型；

车联网环境下实时采集目标车辆行驶路段的道路环境、车辆的空间分布和运动状态以及车辆性能，实时计算所述行车风险指标体系内的各个指标，并代入所述物元可拓模型，确定目标车辆不同行驶风险等级的综合关联度，得到行车风险预测等级。

进一步的技术方案，从宏观交通流层面，结合道路环境和车辆时空分布，构建区间车流风险指标，所述区间车流风险指标包括区间车道复杂度、区间车流不平稳度和区间交通综合风险。

更进一步的技术方案，所述区间车道复杂度是根据构建区间车道网络图计算得到的；

所述区间车道网络图的构建过程为：以研究区间各路段内的每一条车道为区间车道网络图的一个节点，由行驶方向确定区间车道网络图中的有向边，根据车道节点之间交互过程的复杂程度确定边权，得到区间车道网络图；

所述区间车道复杂度定义为区间车道网络图中所有节点的点权之和与节点个数2倍的比值；