道路线形透视特征沿程变化的安全风险预测方法

1.本技术涉及道路线形安全风险预测技术领域，尤其涉及一种道路线形透视特征沿程变化的安全风险预测方法。


背景技术：

2.道路是车辆运动的承载体，更是诱导驾驶行为的主体。驾驶人在道路空间中行驶，需要不断观察道路线形的变化，并操控车辆进行加减速和转弯以适应道路线形的变化，从而达到安全、舒适的行车效果。
3.事故预测是保障道路交通安全的重要环节，当前对公路进行事故预测的方法大致包括线形特征提取和事故建模两个方面，评价流程一般包括：提取公路平曲线半径、坡度等二维特征以及曲率、挠率等三维特征；通过提取的二维、三维特征对公路路段事故数据建立回归模型，并构建事故预测模型。
4.此类公路事故预测方法仍具有以下不足：
5.1、当前公路事故预测方法所构建的预测模型迁移性差。用当前评价方法对一条公路建立事故预测模型后，套用在其他同等级公路上会产生严重的线形特征与事故数不匹配。
6.2、当前二维、三维特征都只能描述道路断面的特征，不具备连续性，从而忽略了道路线形对驾驶员引导的影响。


技术实现要素：

7.为解决背景技术中的其中至少一个技术问题，本技术提出一种道路线形透视特征沿程变化的安全风险预测方法。
8.本技术实施例提供一种道路线形透视特征沿程变化的安全风险预测方法，包括如下：
9.获取公路的几何设计参数和事故数据。
10.确定公路桩号，并将公路按几何设计参数分类为：平直线平坡路段tt、平直线斜坡路段tv、平曲线平坡路段ct、平曲线斜坡路段cv、缓和曲线平坡路段st、缓和曲线斜坡路段sv六种路段；第j个路段的起点桩号为ksj、终点桩号为kej、路段长度为lj、实际路段事故频次为aj。
11.标记公路每个路段中符合con的桩号，车辆在超车道行驶经过符合con的桩号时，行车记录仪所提取的公路透视图记为o
jk
；符合con的桩号的条件为：桩号大于该路段起点桩号、桩号小于该路段终点桩号、桩号除以指定提取步长α的余数为0；o
jk
为在第j个路段中第k张公路透视图。
12.透视图中心距离计算公式如下：
[0013][0014]
其中，t为一张计算机提取透视图道路边缘像素集合的第t个像素点；z(t)为t点的
中心距离，x
t
为透视图上t点的横坐标，y
t
为透视图上t点的纵坐标，xc为透视图中封闭道路形状重心的横坐标；yc为透视图中封闭道路形状重心的纵坐标。
[0015]
提取各路段线形透视图特征，计算公式如下：
[0016][0017][0018][0019][0020][0021][0022][0023][0024]
式中，n
jk
为公路透视图o
jk
中道路边缘线所包含的像素块总数；z
jk
(t)为公路透视图o
jk
中道路边缘线上第t个像素块的中心距离；p
jk
为公路透视图o
jk
中道路边缘线的线形偏度；f
jk
为公路透视图o
jk
中道路边缘线的线形峰度；为建立模型回归时第j个路段的第i个自变量，其中i＝1，2，...，6；为第j个路段的线形偏度平均值；为第j个路段的线形偏度标准差；为第j个路段的线形峰度平均值；为第j个路段的线形峰度标准差；nj为第j个路段所提取公路透视图o
jk
的总数；为第j个路段的后延伸线形偏度均值偏差；为第j个路段的后延伸线形峰度均值偏差。
[0025]
构建负二项预测模型，计算公式如下：
[0026]
[0027][0028][0029]
式中，μj为第j个路段的事故发生次数均值；∈j为第j个误差项；为建立模型回归时第j个路段所用的第i个自变量；为的回归系数；lj为第j个路段的长度；α为过度离散随机变量；n为事故频次；aj为j路段的实际事故频次；aj′
为第j个路段的预测事故频次；t为误差项。
[0030]
有益效果：本事故预测方法基于道路真实场景提取线形透视图特征，该指标相比设计规范指标能够更加直观描述道路的特征，即使是同一设计规范下的不同道路，也能区分出因施工、地理环境等因素产生的线性误差。因此，本事故预测方法能够解决预测模型迁移性差的缺点。
[0031]
本事故预测方法将驾驶员视觉中的道路作为预测手段，对道路中的每一个点都能对驾驶员的行为导向进行分析。例如，在一条较长的直线路段，驾驶员在前端的道路场景是一条直线路段，而末端的道路场景包含了过弯路段，驾驶员采取的驾驶行为并不是一致的，本预测方法能够通过道路对驾驶员行为的连续作用进行分析，从而克服当前二维、三维特征具备连续性的缺点。
[0032]
本事故预测方法将线形对驾驶员的行为导向纳入了事故分析因素，能够通过研究驾驶员视角下的线形来预测公路事故。以此方法进行公路事故预测能够更准确地揭示驾驶员视角下的公路线形对事故的影响。
附图说明
[0033]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0034]
图1为道路线形透视特征沿程变化的安全风险预测方法的流程示意图
具体实施方式
[0035]
相关技术中，受“平-纵”拆分-拼凑式的道路线形设计模式影响，现有的道路线形安全性评估方法的评价对象主要集中在道路的平纵线形，这类方法由道路的平纵线形提取道路的线形几何特征，重点关注道路平纵线形中的某个点上线形几何特征的安全阈值，通过建立线形几何特征与车辆行驶轨迹、运行速度等的关系模型来对道路线形的安全性进行评估。
[0036]
例如，申请公布号为cn106469238a的中发明专利申请公开了一种公路三维线形的一致性评价方法，该方法以曲率、挠率为几何特征参数，通过对道路线形二维平面、纵断面
的组合形式进行分类，根据空间几何数学原理，建立起各类平纵组合段的三维几何特征参数(曲率和挠率)的求解模型。在此基础上，计算道路线形中各点的曲率和挠率，获取各组合段起点、终点的曲率和挠率，从而得到各组合段曲率、挠率的变化情况，据此建立曲率、挠率变化与交通事故的关系模型，进而以事故的分级情况作为判别曲率变化、挠率变化是否安全的标准，也称为曲率一致性、挠率一致性评价，具体通过如下公式计算：
[0037][0038]
式中，l为空间组合段中的桩号，k(l)为空间组合段中桩号为l处的曲率，i(l)为空间组合段中桩号为l处的纵坡，i(l)
′
为空间组合段中桩号为处的纵坡的变化率，k
p
(l)为空间组合段中桩号为处的平面曲率。
[0039][0040]
式中，l为空间组合段中的桩号，t(l)为空间组合段中桩号为l处的挠率，i(l)为空间组合段中桩号为l处的纵坡，i(l)
′
为空间组合段中桩号为l处的纵坡的变化率，k
p
(l)为空间组合段中桩号为处的平面曲率，k
p
(l)
′
为空间组合段中桩号为l处的平面曲率的变化率。
[0041]ck，j
＝|k
j+1，s-k
j，e
|+|k
j，s-k
j-1，e
|
[0042]
式中，c
k，j
为第j个空间组合段的曲率一致性，k
j+1，s
为第j+1个空间组合段的起点处的曲率，k
j，e
为第j个空间组合段的终点处的曲率，k
j，s
为第j个空间组合段的起点处的曲率，k
j-1，e
为第j一1个空间组合段的终点处的曲率，j为1～n之间的正整数，n为空间组合段的个数，在j＝1时，k
j-1，e
＝0，在j为n时，k
j+1，s
＝0。
[0043]ct，j
＝|t
j+1，s-t
j，e
|+|t
j，s-t
j-1，e
|
[0044]
式中，c
t，j
为第j个空间组合段的曲率一致性，t
j+1，s
为第j+1个空间组合段的起点处的曲率，t
j，e
为第j个空间组合段的终点处的曲率，t
j，s
为第j个空间组合段的起点处的曲率，t
j-1，e
为第j-1个空间组合段的终点处的曲率，j为1～n之间的正整数，n为空间组合段的个数，在j＝1时，t
j-1，e
＝0，在j为n时，t
j+1，s
＝0。
[0045]
事故率acr与曲率一致性ck之间的关系模型为：
[0046][0047]
事故率acr与挠率一致性c
t
之间的关系模型为：
[0048][0049]
以上方法通过曲率、挠率等道路线形特征尽管能够客观地描述道路几何特征，但仍具有以下不足：
[0050]
1、当前公路事故预测方法所构建的预测模型迁移性差。用当前评价方法对一条公路建立事故预测模型后，套用在其他同等级公路上会产生严重的线形特征与事故数不匹配。
[0051]
2、当前二维、三维特征都只能描述道路断面的特征，不具备连续性，从而忽略了道路线形对驾驶员引导的影响。例如一条直线路段的二维、三维特征都是一致的，但驾驶员对
于平直的直线路段与即将进入曲线的直线路段，所采取的行为明显是不一致的。当前事故预测的方法无法用二维、三维线形特征分析此类问题。
[0052]
道路线形能从视觉方面引导驾驶员的行为，从而影响事故的发生。当前事故预测方法存在局限性的主要原因在于此类评价方法侧重于分析道路各点线形特征与事故的联系，没有考虑道路连续线形对驾驶员行为的影响。
[0053]
克服当前事故预测方法的局限性，需要一种考虑道路连续性与驾驶员行为导向的事故预测方法。透视图在驾驶员视觉中是连续的道路空间曲面，且驾驶员通过视觉中的道路线形进行驾驶操作，因此，用通过透视图提取的道路线形特征进行事故预测能够有效的克服当前方法的局限性。
[0054]
申请公布号为cn202310058271.1的中国发明专利申请公开了一种驾驶员视角下道路固有几何特征的提取方法，能提取驾驶员视角下具有相似不变性的道路固有几何特征。所提取的固有几何特征包括：线形偏度、线形峰度、线形曲率，分别包含了道路形状对称性、道路形状离散性、道路弯曲性的信息。这些道路固有几何特征能够将驾驶员视角下空间曲面的特点描述出来，从而描述驾驶员视角下的道路线形。
[0055]
基于此，本技术实施例通过提取一条公路的透视图形态特征(即上述发明专利申请中的“驾驶员视角下道路固有几何特征：线形偏度、线形峰度”)，通过透视图形态特征对该公路进行事故预测，并进行预测模型精度检测。对发生事故的直接因素——驾驶员展开研究，分析道路线形对驾驶员行为影响，提供一种道路线形透视特征沿程变化的安全风险预测方法。
[0056]
为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术的优选实施例中的附图，对本技术实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。所描述的实施例是本技术一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0057]
参见图1所示，本技术实施例提供一种道路线形透视特征沿程变化的安全风险预测方法，包括如下步骤：
[0058]
步骤一：获取目标公路的几何设计参数和事故数据。
[0059]
步骤二：确定公路桩号，并将公路按几何设计参数分类为：平直线平坡路段tt、平直线斜坡路段tv、平曲线平坡路段ct、平曲线斜坡路段cv、缓和曲线平坡路段st、缓和曲线斜坡路段sv六种路段；第j个路段的起点桩号为ksj、终点桩号为kej、路段长度为lj、实际路段事故频次为aj。
[0060]
步骤三、标记公路每个路段中符合con的桩号，车辆在超车道行驶经过符合con的桩号时，行车记录仪所提取的公路透视图记为o
jk
。
[0061]
其中，符合con的桩号的条件为：桩号大于该路段起点桩号、桩号小于该路段终点桩号、桩号除以指定提取步长α的余数为0；o
jk
为在第j个路段中第k张公路透视图。
[0062]
透视图中心距离计算公式如下：
[0063]
[0064]
其中，t为一张计算机提取透视图道路边缘像素集合的第t个像素点；z(t)为t点的中心距离，x
t
为透视图上t点的横坐标，y
t
为透视图上t点的纵坐标，xc为透视图中封闭道路形状重心的横坐标；yc为透视图中封闭道路形状重心的纵坐标。
[0065]
步骤四、提取各路段线形透视图特征，计算公式如下：
[0066][0067][0068][0069][0070][0071][0072][0073][0074]
式中，n
jk
为公路透视图o
jk
中道路边缘线所包含的像素块总数；z
jk
(t)为公路透视图o
jk
中道路边缘线上第t个像素块的中心距离；p
jk
为公路透视图o
jk
中道路边缘线的线形偏度；f
jk
为公路透视图o
jk
中道路边缘线的线形峰度；为建立模型回归时第j个路段的第i个自变量，其中i＝1，2，...，6；为第j个路段的线形偏度平均值；为第j个路段的线形偏度标准差；为第j个路段的线形峰度平均值；为第j个路段的线形峰度标准差；nj为第j个路段所提取公路透视图o
jk
的总数；为第j个路段的后延伸线形偏度均值偏差；为第j个路段的后延伸线形峰度均值偏差。
[0075]
需要说明的是，在步骤三中公路透视图o
jk
中的线形偏度、线形峰度等线形透视图特征的获取方式，采用的是申请公布号为cn202310058271.1的中国发明专利申请中的方法，该方法包括对公路透视图o
jk
进行灰度处理、转换二值化图片、提取道路边缘线、引入平面直角坐标系并得到各边缘像素块和中心像素块的坐标，结合各边缘像素块的中心距离以及各边缘像素块的曲率，计算道路边缘线的线形偏度、线形峰度等步骤和相应的计算公式。
[0076]
例如，道路边缘线上第t个像素块的中心距离z
jk
(t)的计算公式为：
[0077][0078]
式中，编号为t的边缘像素块的坐标为(x
t
,y
t
),中心像素块的坐标为(xc,yc)。
[0079]
步骤五、构建负二项预测模型，计算公式如下：
[0080][0081][0082][0083]
式中，μj为第j个路段的事故发生次数均值；∈j为第j个误差项；为建立模型回归时第j个路段所用的第i个自变量；为的回归系数；lj为第j个路段的长度；α为过度离散随机变量；n为事故频次；aj为j路段的实际事故频次；aj′
为第j个路段的预测事故频次；t为误差项。
[0084]
本事故预测方法基于道路真实场景提取线形透视图特征，该特征相比设计规范指标能够更加直观描述道路的特征，即使是同一设计规范下的不同道路，也能区分出因施工、地理环境等因素产生的线性误差。因此，本事故预测方法能够解决预测模型迁移性差的缺点。
[0085]
本事故预测方法将驾驶员视觉中的道路作为预测手段，对道路中的每一个点都能对驾驶员的行为导向进行分析。例如，在一条较长的直线路段，驾驶员在前端的道路场景是一条直线路段，而末端的道路场景包含了过弯路段，驾驶员采取的驾驶行为并不是一致的，本预测方法能够通过道路对驾驶员行为的连续作用进行分析，从而克服当前二维、三维特征具备连续性的缺点。
[0086]
本事故预测方法将线形对驾驶员的行为导向纳入了事故分析因素，能够通过研究驾驶员视角下的线形来预测公路事故。以此方法进行公路事故预测能够更准确地揭示驾驶员视角下的公路线形对事故的影响。
[0087]
上述道路线形透视特征沿程变化的安全风险预测方法的实施例如下：
[0088]
以广贺高速公路的三水-怀集段，上行与下行道路分别长80km为预测公路，获取该公路的几何设计参数和事故数据。确定公路桩号，并将公路按几何设计参数分类为平直线平坡路段tt、平直线斜坡路段tv、平曲线平坡路段ct、平曲线斜坡路段cv、缓和曲线平坡路段st、缓和曲线斜坡路段sv六种路段，路段的起点桩号为ksj、终点桩号为kej、路段长度为lj，实际事故频次总数为1032起。
[0089]
其中tt代表平直线平坡路段；tv代表平直线斜坡路段；ct代表平曲线平坡路段；cv代表平曲线斜坡路段；st代表缓和曲线平坡路段；sv代表缓和曲线斜坡路段；ksj代表第j个
路段的起点桩号；kej代表第j个路段的终点桩号；j代表从道路起点依次计数，每个路段的序号；lj为第j个路段的长度；aj为第j个路段发生事故的频次。
[0090]
安排一辆长度为5m，宽度为1.9m的实验车，安装了帧率为24帧/秒、分辨率为960
×
720的行车记录仪，实验员驾驶实验车以80km/h的速度在实验道路的超车道上行驶，通过行车记录仪拍摄车辆前方的道路场景，从起点起按5米为步长提取道路透视图直至终点。标记公路每个路段中符合con的桩号，车辆在超车道行驶经过符合con的桩号时，行车记录仪所提取的公路透视图记为o
jk
。
[0091]
通过上述道路线形透视特征沿程变化的安全风险预测方法中的步骤四提取各路段线形透视图特征，得到各路段线形透视图的特征值，如表1所示。
[0092]
表1各路段线形透视图特征部分数据表
[0093]
[0094][0095]
将各路段线形透视图特征值代入步骤五中，得到以下预测模型公式：
[0096][0097]
通过上述预测模型公式对事故进行预测，得到公路预测事故频次总数为1058起，根据相关统计数据显示该公路实际事故频次总数为1032起。
[0098]
上述预测模型公式中，负二项回归模型似然比检验显著性值h＝0.001，h≤0.05，说明此预测模型显著性强，事故预测指标能够准确地预测公路事故发生数。
[0099]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。

技术特征：
1.一种道路线形透视特征沿程变化的安全风险预测方法，其特征在于，包括如下：获取公路的几何设计参数和事故数据；确定公路桩号，并将公路按几何设计参数分类为：平直线平坡路段tt、平直线斜坡路段tv、平曲线平坡路段ct、平曲线斜坡路段cv、缓和曲线平坡路段st、缓和曲线斜坡路段sv六种路段；第j个路段的起点桩号为ks
j
、终点桩号为ke
j
、路段长度为l
j
、实际路段事故频次为a
j
；标记公路每个路段中符合con的桩号，车辆在超车道行驶经过符合con的桩号时，行车记录仪所提取的公路透视图记为o
jk
；符合con的桩号的条件为：桩号大于该路段起点桩号、桩号小于该路段终点桩号、桩号除以指定提取步长α的余数为0；o
jk
为在第j个路段中第k张公路透视图；透视图中心距离计算公式如下：其中，t为一张计算机提取透视图道路边缘像素集合的第t个像素点；z(t) 为t点的中心距离，x
t
为透视图上t点的横坐标，y
t
为透视图上t点的纵坐标，x
c
为透视图中封闭道路形状重心的横坐标；y
c
为透视图中封闭道路形状重心的纵坐标。提取各路段线形透视图特征，计算公式如下：提取各路段线形透视图特征，计算公式如下：提取各路段线形透视图特征，计算公式如下：提取各路段线形透视图特征，计算公式如下：提取各路段线形透视图特征，计算公式如下：提取各路段线形透视图特征，计算公式如下：提取各路段线形透视图特征，计算公式如下：提取各路段线形透视图特征，计算公式如下：式中，n
jk
为公路透视图o
jk
中道路边缘线所包含的像素块总数；z
jk
(t)为公路透视图o
jk
中道路边缘线上第t个像素块的中心距离；p
jk
为公路透视图o
jk
中道路边缘线的线形偏度；f
jk
为公路透视图o
jk
中道路边缘线的线形峰度；为建立模型回归时第j个路段的第i个自变量，其中i＝1，2，...，6；为第j个路段的线形偏度平均值；为第j个路段的线形偏度标准差；为第j个路段的线形峰度平均值；为第j个路段的线形峰度标准差；n
j
为第j个路段所提取公路透视图o
jk
的总数；为第j个路段的后延伸线形偏度均值偏差；为第j个路段的后延伸线形峰度均值偏差；构建负二项预测模型，计算公式如下：构建负二项预测模型，计算公式如下：构建负二项预测模型，计算公式如下：式中，μ
j
为第j个路段的事故发生次数均值；∈
j
为第j个误差项；为建立模型回归时第j个路段所用的第i个自变量；为的回归系数；l
j
为第j个路段的长度；α为过度离散随机变量；n为事故频次；a
j
为j路段的实际事故频次；a
′
j
为第j个路段的预测事故频次；t为误差项。

技术总结
本申请涉及一种道路线形透视特征沿程变化的安全风险预测方法，包括获取公路的几何设计参数和事故数据；确定公路桩号，并将公路按几何设计参数分类；标记公路每个路段中符合Con的桩号，提取车辆行驶经过符合Con的桩号时的公路透视图；提取各路段线形透视图特征；构建负二项预测模型。本事故预测方法将线形对驾驶员的行为导向纳入了事故分析因素，能够通过研究驾驶员视角下的线形来预测公路事故。以此方法进行公路事故预测能够更准确地揭示驾驶员视角下的公路线形对事故的影响。员视角下的公路线形对事故的影响。员视角下的公路线形对事故的影响。


技术研发人员：何石坚 杨佳成 姚岩青 付红梅 王杰 谷健 邢璐 唐峰 龙科军
受保护的技术使用者：长沙理工大学
技术研发日：2023.07.20
技术公布日：2023/10/11