一种平面道路车辆通行空间识别方法与流程

1.本发明涉及道路交通空间识别技术领域，具体为一种平面道路车辆通行空间识别方法。


背景技术：

2.随着我国道路上前端感知设备的不断增加和完善，城市范围内基本实现了全天候全场景的交通状态监测和交通数据收集。利用交通大数据赋能前端感知设备，实现交通的智能化精细化治理，成为我国交通缓堵技术研究的一个新方向。现有实践中基于道路交通空间识别技术已实现了城市路网中交叉口的自动识别与提取，但是这些技术的颗粒度相对较大，对交叉口拥堵的判别只停留在定性的宏观层面，无法从微观层面描述交叉口内车辆对道路空间的利用情况，阻碍了对拥堵问题的进一步研判。造成这一问题的主要原因是前端感知设备既无法获得和处理道路的地图空间信息，又无法自动识别道路上车辆可以通行的空间。为解决这一问题，研究者们尝试基于机器学习等新方法对道路上车辆的通行空间进行识别，然而虽然在示范道路上取得了较为理想的效果，但是所提出的方法或模型通常需要事先对道路的形状、空间范围、判别标准等关键要素进行人工标定或假设，且需要后台计算机对大量历史数据进行较长时间的计算训练。人工数据标定和大量的训练时间都会导致车辆通行空间识别的成本过高，且无法做到实时对道路车辆通行空间进行识别，进而阻碍了识别方法在实际应用中的推广和普及。


技术实现要素：

3.为了解决现有技术中基于机器学习等方法对平面道路车辆通行空间识别成本高、费时长的问题，本发明提供一种平面道路车辆通行空间识别方法，其对基础数据需求量小、不需要人工标定和机器训练、不依赖地图，结果准确，计算速度快，且可以实时地监测平面道路上车辆利用通行空间的情况。
4.本发明的技术方案是这样的：一种平面道路车辆通行空间识别方法，其包括以下步骤：
5.s1：根据预设的数据采集时间段和指定范围的道路前端感知设备，获取待分析车辆轨迹数据；
6.其特征在于，其还包括以下步骤：
7.s2：基于所述待分析车辆轨迹数据中的所有车辆轨迹点的覆盖区域，确认待识别道路空间的空间范围，将所述待识别道路空间均匀地划分为栅格，记作：空间栅格；
8.s3：基于判别用特征阈值、所述车辆轨迹点和所述空间栅格的坐标关系，判断每个所述空间栅格的占用状态；
9.所述空间栅格的占用状态包括：被占用和非占用；
10.s4：基于所述待识别道路空间内所有的所述空间栅格的占用状态，识别所述待识别道路空间内的道路空间拓扑结构；所述道路空间拓扑结构基于[道路空间特征值，道路空
间特征间距]表示；
[0011]
所述道路空间拓扑结构的识别方法，包括以下步骤：
[0012]
a1：以所述待识别道路空间的最外侧的所述空间栅格组成特征框，从所述特征框中的任意处于非占用状态的所述空间栅格出发，顺时针遍历所述特征框中的所述空间栅格，记录处于被占用状态的所述空间栅格出现的总次数作为特征框的特征值，记作：基础特征框特征值；
[0013]
处于被占用状态的所述空间栅格连续出现时只记录1次；
[0014]
若所述特征框中不存在处于非占用状态的所述空间栅格，则所述基础特征框特征值记为1；
[0015]
a2：取所述特征框所围道路空间内与组成特征框的所述空间栅格直接相连的所述空间栅格，组成新的所述特征框并重复步骤a1，直到所述特征框所围道路空间内不包含任意的所述空间栅格，即，所有的所述空间栅格都参与计算后，得到一组由所述基础特征框特征值组成的序列，记作：基础特征框特征值序列；
[0016]
a3：在所述基础特征框特征值序列中，找到出现频次最高的所述基础特征框特征值记作：道路空间特征值，计算所述道路空间特征值连续出现的最大次数，记作：道路空间特征间距；
[0017]
s5：在所述基础特征框特征值序列中，找到所有由所述道路空间特征值组成的基础特征框特征值子序列，其中长度最长的子序列的第一个所述基础特征框特征值对应的所述特征框，即为所述待识别道路空间内的车辆通行空间边界；
[0018]
如果所述车辆通行空间边界由所述待识别道路空间的最外侧的所述空间栅格组成，则选择所述长度最长的子序列的第二个所述基础特征框特征值对应的所述特征框作为所述车辆通行空间边界；
[0019]
将所述车辆通行空间边界及边界内的处于被占用状态的所述空间栅格记为：通行栅格；将所述待识别道路空间内除所述通行栅格以外的所述空间栅格都记为：非通行栅格；
[0020]
s6：对所述通行栅格和所述非通行栅格进行筛选和重新标记；根据连通域计算方法，得到的所述通行栅格组成的连通域，为所述待识别道路空间内的车辆可通行空间；
[0021]
所述车辆可通行空间内的所述空间栅格的占用状态为：被占用；
[0022]
所述待识别道路空间内不属于所述车辆可通行空间的所述空间栅格的占用状态为：非占用；
[0023]
s7：基于所述通行栅格和所述非通行栅格，在所述车辆通行空间内提取渠化栅格，所述渠化栅格组成的连通域记作：渠化空间；
[0024]
将所述渠化空间内的所述空间栅格的占用状态重新标记为：被占用；
[0025]
s8：再次基于所述待识别道路空间内所有的所述空间栅格的最新的占用状态，识别所述待识别道路空间内的所述道路空间拓扑结构；
[0026]
s9：根据所述道路空间特征值判断车辆通行空间类别，具体方法包括：
[0027]
所述道路空间特征值不大于2时，所述车辆通行空间类别为路段；
[0028]
所述道路空间特征值等于3时，所述车辆通行空间类别为t形或y形路口；
[0029]
所述道路空间特征值等于4时，所述车辆通行空间类别为十字形或x形路口；
[0030]
所述道路空间特征值大于4时，所述车辆通行空间类别为多进口道路口；
[0031]
s10：计算所述车辆通行空间的面积，计算方法如下：
[0032]sveh
＝s
cell
(n
veh
+n
cana
)
[0033]
其中，s
veh
为所述车辆通行空间的面积，s
cell
为所述空间栅格的面积，n
veh
为所述车辆可通行空间所包含的所述空间栅格的数量，n
cana
为所述渠化空间包含的所述空间栅格的数量。
[0034]
其进一步特征在于：
[0035]
所述待识别道路空间的范围的计算方法为：
[0036]
待识别道路空间的范围的左边界为
[0037]
待识别道路空间的范围的右边界为
[0038]
待识别道路空间的范围的上边界为
[0039]
待识别道路空间的范围的下边界为
[0040]
其中，x
max
为车辆位置坐标中的横坐标最大值，x
min
为车辆位置坐标中的横坐标最小值，y
max
为车辆位置坐标中的纵坐标最大值，y
min
为车辆位置坐标中的纵坐标最小值，l为所述空间栅格的边长；
[0041]
所述空间栅格的占用状态的判断方法，包括以下步骤：
[0042]
b1：获取待判断空间栅格坐标；
[0043]
设所述待判断空间栅格的坐标为：左边界x
left
、右边界为x
right
、上边界为y
up
、下边界为y
down
；
[0044]
为每个所述待判断栅格初始化一个计数器：cg＝0；
[0045]
b2：逐一获取所述待分析车辆轨迹数据中所述车辆轨迹点，记作：待计算车辆轨迹点(x
veh
，y
veh
)；
[0046]
对每个所述待计算车辆轨迹点实施步骤b3，直至所有的所述车辆轨迹点都与所述待判断空间栅格比较后，执行步骤b4；
[0047]
b3：将所述待计算车辆轨迹点坐标与所述待判断空间栅格的坐标进行比较；
[0048]
若x
left
≤x
veh
《x
right
且y
left
≤y
veh
《y
right
，则所述待计算车辆轨迹点属于所述待判断空间栅格，cg＝cg+1；
[0049]
b4：将得到的cg与所述判别用特征阈值进行比较；
[0050]
当cg大于等于所述判别用特征阈值时，所述待判断栅格的占用状态设置为：被占用；
[0051]
否则，设置为非占用；
[0052]
步骤s6中，对所述通行栅格和所述非通行栅格进行筛选和重新标记的具体步骤包括：
[0053]
c1：提取所述通行栅格组成的连通域，记作：通行栅格连通域；
[0054]
将不属于最大的所述通行栅格连通域的通行栅格重新标记为非通行栅格；
[0055]
c2：提取所述非通行栅格组成的连通域，记作：非通行栅格连通域；
[0056]
将不属于最大的所述非通行栅格连通域的非通行栅格重新标记为通行栅格；
[0057]
c3：逐行且逐列检查通行栅格与非通行栅格的排列情况，若两个通行栅格被一个非通行栅格隔开，则将该非通行栅格重新标记为通行栅格；
[0058]
c4：将所述通行栅格的占用状态重新标记为：被占用；
[0059]
将所述非通行栅格的占用状态重新标记为：非占用；
[0060]
所述连通域提取方法，包括：
[0061]
基于四连通标记算法或者八连通标记算法，将每一个种类的栅格都归属到一类连通域中；
[0062]
在所述车辆通行空间内提取所述渠化栅格的方法，包括以下步骤：
[0063]
d1：从组成所述车辆通行空间边界的栅格中任意一个通行栅格出发，按同一方向依次遍历所述车辆通行空间边界中的栅格，记录所述非通行栅格连续出现时的数量，构成：非通行栅格数量集合；
[0064]
d2：在所述非通行栅格数量集合中添加元素：1；
[0065]
d3：通过聚类算法将步骤d2中的数量集合分为两类；
[0066]
如果1单独分为一类，则渠化栅格不存在，算法结束；
[0067]
否则，实施步骤d4；
[0068]
d4：将与1属于同一类的数量所对应的连续出现的非通行栅格重新标记为：渠化栅格；
[0069]
d5：提取所述待识别道路空间中的所述非通行栅格组成的连通域，将不属于最大的非通行栅格连通域的非通行栅格重新标记为渠化栅格；
[0070]
步骤s3中，所述判别用特征阈值的计算方法包括以下步骤：
[0071]
e1：预设自然数n为最大的栅格占用次数阈值；
[0072]
构建变量：栅格占用次数阈值；
[0073]
从1开始遍历n以内的自然数，逐一赋值给所述栅格占用次数阈值；
[0074]
基于赋值后的所述栅格占用次数阈值，判断每个所述栅格占用次数阈值对应的所述空间栅格的占用状态，得到每个所述栅格占用次数阈值对应的所述道路空间拓扑结构，记作：计算用拓扑结构；
[0075]
e2：将所有的所述计算用拓扑结构中对应的所述道路空间特征值和所述道路空间特征间距分别作为应变量，将所述栅格占用次数阈值作为自变量，构建对应关系曲线，分别记作：道路空间特征值曲线和道路空间特征间距曲线；
[0076]
e3：找到所述道路空间特征值曲线上最长的水平段，在所述最长的水平段对应的所述栅格占用次数阈值的阈值变化区间上，找到所述道路空间特征间距曲线上最高的水平段，记作：计算用特征间距区间；
[0077]
e4：获取所有的所述计算用特征间距区间对应的所述栅格占用次数阈值的阈值变化区间，找到其中值最小的所述栅格占用次数阈值作为所述判别用特征阈值。
[0078]
本发明提供的一种平面道路车辆通行空间识别方法，基于道路前端感知设备采集的车辆轨迹数据得到待识别道路空间的范围，并将待识别道路空间划分为若干个符合条件的栅格；然后通过确定栅格的占用状态，识别道路空间拓扑结构、车辆通行空间边界、车辆可通行空间和渠化空间，进而根据道路空间拓扑结构判断出道路空间的类别，以及计算出
车辆通行空间的面积。整个识别、分类和量化过程不需要事先对道路空间进行人工调查和参数设定，不需要地图等其他额外信息，全部由车辆轨迹数据驱动，确保了车辆通行空间识别结果的客观性和一致性；同时，整个方法对数据量和运算能力的需求较小，不需要人工标定和机器训练、不依赖地图，结果准确，计算速度快，且可以实时地监测平面道路上的车辆通行空间的利用状态和变化情况。
附图说明
[0079]
图1为本发明的平面道路车辆通行空间识别方法的流程图；
[0080]
图2为实施例中待识别道路空间的卫星图；
[0081]
图3为实施例中根据车辆轨迹点分布栅格化的待识别道路空间示例；
[0082]
图4为判别用特征阈值取1时待识别道路空间中栅格的占用状态示例；
[0083]
图5为道路空间拓扑结构和栅格占用次数阈值对应关系图的实施例；
[0084]
图6为判别用特征阈值取10时待识别道路空间中栅格的占用状态示例；
[0085]
图7为待识别道路空间的车辆通行空间边界与通行栅格示例；
[0086]
图8为待识别道路空间的车辆可通行空间示例；
[0087]
图9为假设待识别道路空间的交叉口南进口道存在中央绿化带时的车辆可通行空间示例；
[0088]
图10为假设待识别道路空间的交叉口南进口道存在中央绿化带时的渠化空间示例；
[0089]
图11为基于本方法计算后得到的车辆通行空间示例。
具体实施方式
[0090]
如图1所示，本技术包括一种平面道路车辆通行空间识别方法，其包括以下步骤。
[0091]
s1：根据预设的数据采集时间段和指定范围的道路前端感知设备，获取待分析车辆轨迹数据；
[0092]
如图2所示，实施例中待识别的道路空间为x形路口，所使用的车辆轨迹数据由设置在路口四个方向的信号机杆件上的毫米波雷达采集，采集时间段为2022年8月9日16时56分至17时27分，共采集了30mb的车辆轨迹数据。具体采集时间段根据道路上的车流量大小或其他道路特征进行确定。如果待识别道路空间车流量较小，则采集时间段可以延长，反之则可以缩短。
[0093]
s2：基于待分析车辆轨迹数据中的所有车辆轨迹点的覆盖区域，确认待识别道路空间的范围，将待识别道路空间均匀地划分为栅格，记作：空间栅格。
[0094]
本实施例中基于车辆轨迹数据采集到的车辆轨迹点的原始车辆位置坐标为wgs-84坐标系下的经纬度坐标，利用phtyon中的坐标转化函数transformer.from_crs可将经纬度坐标转化为平面投影坐标。通过确定待识别道路空间的边界可以确定待识别道路空间的范围，为了保证待识别道路空间可以被分割为若干个大小相等的正方形栅格，根据如下公式确定待识别道路空间的边界：
[0095]
待识别道路空间的范围的左边界为
[0096]
待识别道路空间的范围的右边界为
[0097]
待识别道路空间的范围的上边界为
[0098]
待识别道路空间的范围的下边界为
[0099]
其中，x
max
为车辆位置坐标中的横坐标最大值，x
min
为车辆位置坐标中的横坐标最小值，y
max
为车辆位置坐标中的纵坐标最大值，y
min
为车辆位置坐标中的纵坐标最小值，l为空间栅格的边长。如图3所示，根据实施例中车辆轨迹点的分布情况，将待识别道路空间分为由113*116个栅格组成的空间。由于车辆轨迹点取的是车辆在道路上的投影中心点，空间栅格的边长l取值过小会导致无法准确识别车辆物理尺寸对道路空间的占用，取值过大会降低识别转弯、变道等驾驶行为的灵敏度。本实施例中，参照国内标准小汽车宽度与标准城市道路车道宽度取栅格边长为3米。
[0100]
s3：基于判别用特征阈值、车辆轨迹点和空间栅格的坐标关系，判断每个空间栅格的占用状态；
[0101]
空间栅格的占用状态包括：被占用和非占用。
[0102]
正常情况下，由于车辆通过空间栅格时会留下车辆轨迹点，如果某一空间栅格中存在车辆轨迹点，就可以认为该空间栅格能够供车辆通行，因此，可以通过判断空间栅格中是否存在车辆轨迹点来识别车辆通行空间，对于存在车辆轨迹点的空间栅格，将其占用状态记为被占用，反之记为非占用。然而，由于现有车辆轨迹跟踪技术精度有限，且车辆的行驶行为具有不确定性，仅凭空间栅格中是否存在车辆轨迹点无法准确地判断该空间栅格是否能够供车辆通行，因此，本方法通过检验一定时间内空间栅格中车辆轨迹点的累计数量来进行判断，从而降低误识别的可能性。所以，具体计算时，会根据道路空间的具体特点，为空间上各种车辆轨迹点的累计数量设置一个阈值：栅格占用次数阈值，即当空间栅格中车辆轨迹点的累计数量超过栅格占用次数阈值时，将其占用状态记为被占用，反之记为非占用。
[0103]
而在实际应用中，同一个平面道路车辆通行空间可能存在多个栅格占用次数阈值都能用来准确判断出空间栅格的占用状态，本方法中为了同时确保计算精度和保留车辆轨迹信息，会使用值最小的栅格占用次数阈值进行后续计算，该值最小的栅格占用次数阈值记做：判别用特征阈值。
[0104]
本方法中，确定某一空间栅格占用状态的具体方法为基于该空间栅格的边界与车辆轨迹点坐标，筛选车辆轨迹数据中属于该空间栅格的车辆轨迹点，当该空间栅格中累计车辆轨迹点数量不小于判别用特征阈值时，则判断该空间栅格的占用状态为被占用；具体包括以下步骤：
[0105]
b1：获取待判断空间栅格坐标；
[0106]
设待判断空间栅格的坐标为：左边界x
left
、右边界为x
right
、上边界为y
up
、下边界为y
down
；
[0107]
为每个待判断栅格初始化一个计数器：cg＝0；
[0108]
b2：逐一获取待分析车辆轨迹数据中车辆轨迹点，记作：待计算车辆轨迹点(x
veh
，yveh
)；
[0109]
对每个待计算车辆轨迹点实施步骤b3，直至所有的车辆轨迹点都与待判断空间栅格比较后，执行步骤b4；
[0110]
b3：将待计算车辆轨迹点坐标与待判断空间栅格的坐标进行比较；
[0111]
若x
left
≤x
veh
《x
right
且y
left
≤y
veh
《y
right
，则待计算车辆轨迹点属于待判断空间栅格，cg＝cg+1；
[0112]
b4：将得到的cg与判别用特征阈值进行比较；
[0113]
当cg大于等于判别用特征阈值时，待判断栅格的占用状态设置为：被占用；
[0114]
否则，设置为非占用。
[0115]
图4展示了判别用特征阈值取1时，待识别道路空间中栅格的占用状态，灰色的栅格代表占用状态为被占用的栅格。
[0116]
s3：基于待识别道路空间内所有的空间栅格的占用状态，识别待识别道路空间内的道路空间拓扑结构；道路空间拓扑结构基于[道路空间特征值，道路空间特征间距]表示。
[0117]
道路空间拓扑结构的识别方法，包括以下步骤：
[0118]
a1：以待识别道路空间的最外侧的空间栅格组成特征框，从特征框中的任意处于非占用状态的空间栅格出发，顺时针遍历特征框中的空间栅格，记录处于被占用状态的空间栅格出现的总次数作为特征框的特征值，记作：基础特征框特征值；
[0119]
处于被占用状态的空间栅格连续出现时只记录1次；
[0120]
若特征框中不存在处于非占用状态的空间栅格，则基础特征框特征值记为1；
[0121]
a2：取特征框所围道路空间内与组成特征框的空间栅格直接相连的空间栅格，组成新的特征框并重复步骤a1，直到特征框所围道路空间内不包含任意的空间栅格，即，所有的空间栅格都参与计算后，得到一组由基础特征框特征值组成的序列，记作：基础特征框特征值序列；
[0122]
a3：在基础特征框特征值序列中，找到出现频次最高的基础特征框特征值记作：道路空间特征值，计算道路空间特征值连续出现的最大次数，记作：道路空间特征间距。
[0123]
本技术中通过判别用特征阈值来控制空间栅格的占用状态的识别精度；判别用特征阈值取值过小会无法区分因临时停车等非通行行为产生的车辆对空间栅格的异常占用，从而导致识别到的处于被占用状态的空间栅格的数量大于实际数量；判别用特征阈值取值过大会忽略车流量较小处车辆对空间栅格的占用，从而导致识别到的处于被占用状态的空间栅格的数量小于实际数量；因此通过对判别用特征阈值的调整，既可以确保不会将非占用状态的空间栅格识别为被占用状态，又可以确保覆盖到所有的被占用空间栅格，从而保证了最终车辆通行空间识别的准确性。
[0124]
本技术中，通过道路空间拓扑结构和栅格占用次数阈值对应关系图来找到判别用特征阈值，具体包括以下步骤：
[0125]
e1：预设自然数n为最大的栅格占用次数阈值；
[0126]
构建变量：栅格占用次数阈值；
[0127]
从1开始遍历n以内的自然数，逐一赋值给栅格占用次数阈值；
[0128]
基于赋值后的栅格占用次数阈值，以栅格占用次数阈值作为判别用特征阈值实施步骤b1～b4，与cg进行比较，判断每个栅格占用次数阈值对应的空间栅格的占用状态，进而
基于空间栅格的占用状态实施步骤a1～a3，计算得到每个栅格占用次数阈值对应的道路空间拓扑结构，记作：计算用拓扑结构；
[0129]
e2：将所有的计算用拓扑结构中对应的道路空间特征值和道路空间特征间距分别作为应变量(dependent variable)，将栅格占用次数阈值作为自变量(independent variable)，构建对应关系曲线，分别记作：道路空间特征值曲线和道路空间特征间距曲线；
[0130]
e3：找到道路空间特征值曲线上最长的水平段，在最长的水平段对应的栅格占用次数阈值的阈值变化区间上，找到道路空间特征间距曲线上最高的水平段，记作：计算用特征间距区间；
[0131]
e4：获取所有的计算用特征间距区间对应的栅格占用次数阈值的阈值变化区间，找到其中值最小的栅格占用次数阈值作为判别用特征阈值。
[0132]
道路空间拓扑结构和栅格占用次数阈值对应关系图可以直观而清晰地反应待识别道路空间的拓扑结构随着栅格占用次数阈值取值改变而变化的情况，具体如图5所示，为了使图像更加直观，易于使用，同时将道路空间特征值曲线和道路空间特征间距曲线绘于同一张图中，横坐标为栅格占用次数阈值，左侧的主纵坐标为道路空间特征值，右侧的次纵坐标为道路空间特征间距，虚线为道路空间特征值曲线，实线为道路空间特征间距曲线。
[0133]
图5的实施例中，道路空间特征值曲线中最长的水平段的纵坐标为4，即出现频次最高的道路空间特征值为4，其所对应的道路空间特征间距曲线上最高的水平段的纵坐标为20，即道路空间特征值为4的道路空间拓扑结构中连续出现的最大道路空间特征间距为20，连续出现的最大道路空间特征间距对应的阈值区间只有一个，为[10,13]，因此，判别用特征阈值取10。
[0134]
图6展示了实施例中判别用特征阈值为10时，待识别道路空间中栅格的占用状态；灰色的栅格代表占用状态为被占用的栅格；当判别用特征阈值取10时，识别道路空间拓扑结构过程中得到的基础特征框特征值序列为[0,6,4,4,5,4,4,4,4,4,5,5,5,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,5,4,4,5,4,4,4,4,3,4,3,4,6,5,6,5,3,1,1,1,1,1,1]，其中出现频次最高的基础特征框特征值为4，即为道路空间特征值；由连续出现的道路空间特征值组成的基础特征框特征值子序列依次为[4,4]，[4,4,4,4,4]，[4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4]，[4,4]，[4,4,4,4]，因此，道路空间特征值连续出现的最大次数为20，即为道路空间特征间距。
[0135]
s5：在基础特征框特征值序列中，找到所有由道路空间特征值组成的基础特征框特征值子序列，其中长度最长的子序列的第一个基础特征框特征值对应的特征框，即为待识别道路空间内的车辆通行空间边界。
[0136]
如果车辆通行空间边界由待识别道路空间的最外侧的空间栅格组成，则选择长度最长的子序列的第二个基础特征框特征值对应的特征框作为车辆通行空间边界；
[0137]
将车辆通行空间边界及边界内的处于被占用状态的空间栅格记为：通行栅格；将待识别道路空间内除通行栅格以外的空间栅格都记为：非通行栅格。
[0138]
图6所示的实施例在识别道路空间拓扑结构的过程中，确定道路空间特征间距时，参照的由道路空间特征值组成的基础特征框特征值子序列中，长度最长的子序列的第一个特征值对应的特征框如图7所示，黑色的栅格代表本实施例中的待识别道路空间的车辆通行空间边界。同时，图7中，灰色的栅格代表通行栅格，白色的栅格代表非通行栅格。
[0139]
在实际应用中，可能存在某些空间栅格在占用状态识别过程中，被识别为与其期望占用状态相反的状态。如：在道路旁边的非车辆通行空间中，由于在某个空间栅格长时间停放着车辆，则该空间栅格的占用状态会被误识别为：被占用；同样，在通行道路空间中，由于道路维修等原因，某个空间栅格一直没有车辆经过，则该空间栅格的占用状态会被误识别为：非占用。空间栅格占用状态的误识别会导致通行栅格和非通行栅格的误识别，如：在一片非通行栅格中孤立地存在通行栅格，或者在一片通行栅格中孤立地存在非通行栅格。另外，由于待分析车辆轨迹数据的质量或数量的限制，在道路空间边缘的通行栅格可能出现排列不连续的情况。
[0140]
s6：对通行栅格和非通行栅格进行筛选和重新标记；根据连通域计算方法，得到的通行栅格组成的连通域，为待识别道路空间内的车辆可通行空间；
[0141]
车辆可通行空间内的空间栅格的占用状态为：被占用；
[0142]
待识别道路空间内不属于车辆可通行空间的空间栅格的占用状态为：非占用。
[0143]
对通行栅格和非通行栅格进行筛选和重新标记的具体步骤包括：
[0144]
c1：提取通行栅格组成的连通域，记作：通行栅格连通域；
[0145]
将不属于最大的通行栅格连通域的通行栅格重新标记为非通行栅格，即：找到在一片非通行栅格中孤立地存在的通行栅格，将其标记为非通行栅格；
[0146]
其中，最大的通行栅格连通域即包含通行栅格数量最多的那个连通域；
[0147]
c2：提取非通行栅格组成的连通域，记作：非通行栅格连通域；
[0148]
将不属于最大的非通行栅格连通域的非通行栅格重新标记为通行栅格，即：找到在一片通行栅格中孤立地存在非通行栅格，将其标记为通行栅格；
[0149]
其中，最大的非通行栅格连通域即包含非通行栅格数量最多的那个连通域；
[0150]
c3：逐行且逐列检查通行栅格与非通行栅格的排列情况，若两个通行栅格被一个非通行栅格隔开，则将该非通行栅格重新标记为通行栅格，即：找到在道路空间边缘的通行栅格可能出现排列不连续的情况，将其标记为通行栅格；
[0151]
c4：将通行栅格的占用状态重新标记为：被占用；
[0152]
将非通行栅格的占用状态重新标记为：非占用。
[0153]
其中，连通域提取方法，包括：
[0154]
基于四连通标记算法或者八连通标记算法，将每一个种类的空间栅格(如：通行栅格)都归属到一类连通域(如：通行栅格连通域)中。本方法中，通过连通域提取方法，将通行栅格、非通行栅格以及后续的渠化栅格归属到其对应种类的连通域中，以通行栅格为例，说明连通域提取方法。
[0155]
f1：任取一个通行栅格，记为当前连通域；
[0156]
f2：取不属于任意连通域，并且没有参与当前连通域提取的任意一个通行栅格，记做待判断栅格；
[0157]
f3：判断待判断栅格与当前连通域中的任何一个栅格是否有公共特征；
[0158]
当基于四连通标记算法提取时，公共特征为：公共边，当基于八连通标记算法提取时，公共特征为：公共顶点；
[0159]
如果有公共特征，则实施步骤f4；
[0160]
否则，实施步骤f5；
[0161]
f4：将待判断栅格加入当前连通域；
[0162]
f5：将待判断栅格记做再统计栅格；
[0163]
循环实施f2～f5，直至所有的通行栅格都参与过当前连通域提取后，即通行栅格或者属于当前连通域，或者被记做再统计栅格后，实施步骤f6；
[0164]
f6：基于再统计栅格，循环实施步骤f1～f6，直至所有的通行栅格都属于某个连通域，算法结束。
[0165]
根据待分析车辆轨迹数据的实际数据质量和车辆通行空间识别的具体应用要求，合适地选择四连通标记算法或者八连通标记算法对连通域进行提取。
[0166]
图8展示了对图7中的通行栅格和非通行栅格进行筛选并重新标记后提取的车辆可通行空间，灰色栅格组成的空间代表实施例中待识别道路空间的车辆可通行空间。
[0167]
在实际的道路空间中经常会设置绿化带形式的隔离带，虽然车辆无法在隔离带中通行，但是在交通组织和管理中，绿化带形式的隔离带通常被作为车辆通行空间的储备空间，因此，本方法将这类隔离带所占用的空间视为车辆通行空间的一部分，记做渠化空间。由于渠化空间中的空间栅格显然是处于非占用状态的，在步骤s1～s5中会被识别为非通行栅格。因为道路前端感知设备的数据采集范围有限，渠化空间对应的非通行栅格并不会被通行栅格完全包围，所以在步骤s6中，渠化空间对应的非通行栅格并不会被重新标记为通行栅格。为了识别车辆通行空间中的渠化空间，本方法根据已经识别出来的车辆通行空间边界，以及筛选后的通行栅格和非通行栅格，提取车辆通行空间边界内的渠化栅格，以及渠化栅格组成的连通域作为渠化空间。
[0168]
s7：基于通行栅格和非通行栅格，在车辆通行空间内提取渠化栅格，渠化栅格组成的连通域记作：渠化空间；
[0169]
将渠化空间内的空间栅格的占用状态重新标记为：被占用。
[0170]
在车辆通行空间内提取渠化栅格的方法，包括以下步骤：
[0171]
d1：从组成车辆通行空间边界的栅格中任意一个通行栅格出发，按同一方向依次遍历车辆通行空间边界中的栅格，记录非通行栅格连续出现时的数量，构成：非通行栅格数量集合；
[0172]
d2：在非通行栅格数量集合中添加元素：1；
[0173]
d3：通过聚类算法将步骤d2中的数量集合分为两类；
[0174]
如果1单独分为一类，则渠化栅格不存在，算法结束；
[0175]
否则，实施步骤d4；
[0176]
d4：将与1属于同一类的数量所对应的连续出现的非通行栅格重新标记为：渠化栅格；
[0177]
d5：提取待识别道路空间中非通行栅格组成的连通域，将不属于最大的非通行栅格连通域的非通行栅格重新标记为渠化栅格。
[0178]
如图8所示的实施例中，从待识别道路空间的车辆通行空间边界的下边界上最靠左的通行栅格开始逆时针遍历车辆通行空间边界中的栅格，通行栅格记为1，非通行栅格记为0，得到栅格占用记录[1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]，因此，连续出现的非通行栅格的数量集合为{81,68,95,68}；采用k-means聚类算法对集合{81,68,95,68,1}中元素进行分类，集合中的元素会被分为{81,68,95,68}和{1}两类。因此，实施例中的待识别道路空间不存在渠化栅格和渠化空间。
[0179]
假设实施例中的待识别道路空间的交叉口南进口道存在中央绿化带，由于绿化带无法行驶车辆，在步骤s1～s6中被识别为非通行栅格，如图9所示。
[0180]
此时得到的车辆通行空间边界的栅格占用记录为[1,1,1,1,1,0,0,0,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]，连续出现的非通行栅格的数量集合为{3,81,68,95,68}，采用k-means聚类算法对集合{3,81,68,95,68,1}进行分类，集合中元素将会被分为{81,68,95,68}和{3,1}两类。将元素{3}所对应的栅格，即栅格占用记录中的第6至第8个栅格，重新标记为渠化栅格后提取的渠化空间如图10所示。黑色栅格组成的空间，代表实施例中待识别道路空间的交叉口南进口道存在中央绿化带时的渠化空间。
[0181]
本方法中，因为渠化空间在交通组织和管理中可以转化为车辆可通行空间，所以渠化栅格的占用状态记为被占用。
[0182]
s8：再次基于待识别道路空间内所有的空间栅格的最新的占用状态，识别待识别道路空间内的道路空间拓扑结构。
[0183]
在图8所示实施例中，待识别道路空间不存在渠化栅格和渠化空间，实施例中的车辆通行空间即为车辆可通行空间，如图11所示，灰色栅格代表了实施例中所识别的车辆通行空间；即使实施例中的待识别道路空间存在渠化栅格和渠化空间，车辆通行空间仍能如图11所示被正确识别；车辆通行空间的道路空间拓扑结构仍能被正确识别为[4,20]，即道路空间特征值为4，道路空间特征间距为20。
[0184]
s9：根据道路空间特征值判断车辆通行空间类别，具体方法包括：
[0185]
道路空间特征值不大于2时，车辆通行空间类别为路段；
[0186]
道路空间特征值等于3时，车辆通行空间类别为t形或y形路口；
[0187]
道路空间特征值等于4时，车辆通行空间类别为十字形或x形路口；
[0188]
道路空间特征值大于4时，车辆通行空间类别为多进口道路口。
[0189]
在图11所示实施例中，通过识别车辆通行空间的道路空间拓扑结构，因为车辆通行空间的道路空间特征值为4，判断实施例中车辆通行空间类别为十字或者x形路口。
[0190]
s10：计算车辆通行空间的面积，计算方法如下：
[0191]sveh
＝s
cell
(n
veh
+n
cana
)
[0192]
其中，s
veh
为车辆通行空间的面积，s
cell
为空间栅格的面积，n
veh
为车辆可通行空间所包含的空间栅格的数量，n
cana
为渠化空间所包含的空间栅格的数量。
[0193]
图11所示实施例中，空间栅格的面积为9平方米，车辆可通行空间所包含的空间栅格的数量为1786个，渠化空间所包含的空间栅格的数量为0个，因此，车辆通行空间面积为16074平方米。
[0194]
本发明提供的一种平面道路车辆通行空间识别方法，能够准确地识别出道路空间的拓扑结构，道路空间的类型和面积，本方法具有数据需求量小、不需要人工标定和机器训练、不依赖地图等优点，可以应用于道路空间利用状态的实时监测、道路拥堵问题的研判分析、交通组织措施的辅助决策、信号配时方案的比选与优化等场景。本发明的技术方案可以赋能前端感知设备，通过采集少量数据快速更新得到平面道路车辆通行空间的拓扑结构、类别、面积等信息，并在此基础上继续通过实时连续的数据采集，实现对道路空间利用状态的实时监测；前端感知设备如果长时间运行本发明的技术方案，积累道路空间利用数据，有助于总结车辆对道路通行空间的利用规律，支撑道路拥堵问题的自动分析研判和交通组织措施的辅助决策；本发明的技术方案还能够在前端感知设备与路口信号机系统打通的情况下，通过模拟不同信号配时方案下路口道路空间的利用状态，支撑信号配时方案的比选与优化。综上，本发明的技术方案提供了一套成本低、性能高、推广易的平面道路车辆通行空间识别、分类、量化方法，在直接赋能现有的道路前端感知设备，推动交通精细化和智能化治理的发展上具有广阔的应用前景。

技术特征：
1.一种平面道路车辆通行空间识别方法，其包括以下步骤：s1：根据预设的数据采集时间段和指定范围的道路前端感知设备，获取待分析车辆轨迹数据；其特征在于，其还包括以下步骤：s2：基于所述待分析车辆轨迹数据中的所有车辆轨迹点的覆盖区域，确认待识别道路空间的空间范围，将所述待识别道路空间均匀地划分为栅格，记作：空间栅格；s3：基于判别用特征阈值、所述车辆轨迹点和所述空间栅格的坐标关系，判断每个所述空间栅格的占用状态；所述空间栅格的占用状态包括：被占用和非占用；s4：基于所述待识别道路空间内所有的所述空间栅格的占用状态，识别所述待识别道路空间内的道路空间拓扑结构；所述道路空间拓扑结构基于[道路空间特征值，道路空间特征间距]表示；所述道路空间拓扑结构的识别方法，包括以下步骤：a1：以所述待识别道路空间的最外侧的所述空间栅格组成特征框，从所述特征框中的任意处于非占用状态的所述空间栅格出发，顺时针遍历所述特征框中的所述空间栅格，记录处于被占用状态的所述空间栅格出现的总次数作为特征框的特征值，记作：基础特征框特征值；处于被占用状态的所述空间栅格连续出现时只记录1次；若所述特征框中不存在处于非占用状态的所述空间栅格，则所述基础特征框特征值记为1；a2：取所述特征框所围道路空间内与组成特征框的所述空间栅格直接相连的所述空间栅格，组成新的所述特征框并重复步骤a1，直到所述特征框所围道路空间内不包含任意的所述空间栅格，即，所有的所述空间栅格都参与计算后，得到一组由所述基础特征框特征值组成的序列，记作：基础特征框特征值序列；a3：在所述基础特征框特征值序列中，找到出现频次最高的所述基础特征框特征值记作：道路空间特征值，计算所述道路空间特征值连续出现的最大次数，记作：道路空间特征间距；s5：在所述基础特征框特征值序列中，找到所有由所述道路空间特征值组成的基础特征框特征值子序列，其中长度最长的子序列的第一个所述基础特征框特征值对应的所述特征框，即为所述待识别道路空间内的车辆通行空间边界；如果所述车辆通行空间边界由所述待识别道路空间的最外侧的所述空间栅格组成，则选择所述长度最长的子序列的第二个所述基础特征框特征值对应的所述特征框作为所述车辆通行空间边界；将所述车辆通行空间边界及边界内的处于被占用状态的所述空间栅格记为：通行栅格；将所述待识别道路空间内除所述通行栅格以外的所述空间栅格都记为：非通行栅格；s6：对所述通行栅格和所述非通行栅格进行筛选和重新标记；根据连通域计算方法，得到的所述通行栅格组成的连通域，为所述待识别道路空间内的车辆可通行空间；所述车辆可通行空间内的所述空间栅格的占用状态为：被占用；所述待识别道路空间内不属于所述车辆可通行空间的所述空间栅格的占用状态为：非
占用；s7：基于所述通行栅格和所述非通行栅格，在所述车辆通行空间内提取渠化栅格，所述渠化栅格组成的连通域记作：渠化空间；将所述渠化空间内的所述空间栅格的占用状态重新标记为：被占用；s8：再次基于所述待识别道路空间内所有的所述空间栅格的最新的占用状态，识别所述待识别道路空间内的所述道路空间拓扑结构；s9：根据所述道路空间特征值判断车辆通行空间类别，具体方法包括：所述道路空间特征值不大于2时，所述车辆通行空间类别为路段；所述道路空间特征值等于3时，所述车辆通行空间类别为t形或y形路口；所述道路空间特征值等于4时，所述车辆通行空间类别为十字形或x形路口；所述道路空间特征值大于4时，所述车辆通行空间类别为多进口道路口；s10：计算所述车辆通行空间的面积，计算方法如下：s
veh
＝s
cell
(n
veh
+n
cana
)其中，s
veh
为所述车辆通行空间的面积，s
cell
为所述空间栅格的面积，n
veh
为所述车辆可通行空间所包含的所述空间栅格的数量，n
cana
为所述渠化空间包含的所述空间栅格的数量。2.根据权利要求1所述一种平面道路车辆通行空间识别方法，其特征在于：所述待识别道路空间的范围的计算方法为：待识别道路空间的范围的左边界为待识别道路空间的范围的右边界为待识别道路空间的范围的上边界为待识别道路空间的范围的下边界为其中，x
max
为车辆位置坐标中的横坐标最大值，x
min
为车辆位置坐标中的横坐标最小值，y
max
为车辆位置坐标中的纵坐标最大值，y
min
为车辆位置坐标中的纵坐标最小值，l为所述空间栅格的边长。3.根据权利要求1所述一种平面道路车辆通行空间识别方法，其特征在于：所述空间栅格的占用状态的判断方法，包括以下步骤：b1：获取待判断空间栅格坐标；设所述待判断空间栅格的坐标为：左边界x
left
、右边界为x
right
、上边界为y
up
、下边界为y
down
；为每个所述待判断栅格初始化一个计数器：cg＝0；b2：逐一获取所述待分析车辆轨迹数据中所述车辆轨迹点，记作：待计算车辆轨迹点(x
veh
，y
veh
)；对每个所述待计算车辆轨迹点实施步骤b3，直至所有的所述车辆轨迹点都与所述待判
断空间栅格比较后，执行步骤b4；b3：将所述待计算车辆轨迹点坐标与所述待判断空间栅格的坐标进行比较；若x
left
≤x
veh
<x
right
且y
left
≤y
veh
<y
right
，则所述待计算车辆轨迹点属于所述待判断空间栅格，cg＝cg+1；b4：将得到的cg与所述判别用特征阈值进行比较；当cg大于等于所述判别用特征阈值时，所述待判断栅格的占用状态设置为：被占用；否则，设置为非占用。4.根据权利要求1所述一种平面道路车辆通行空间识别方法，其特征在于：步骤s6中，对所述通行栅格和所述非通行栅格进行筛选和重新标记的具体步骤包括：c1：提取所述通行栅格组成的连通域，记作：通行栅格连通域；将不属于最大的所述通行栅格连通域的通行栅格重新标记为非通行栅格；c2：提取所述非通行栅格组成的连通域，记作：非通行栅格连通域；将不属于最大的所述非通行栅格连通域的非通行栅格重新标记为通行栅格；c3：逐行且逐列检查通行栅格与非通行栅格的排列情况，若两个通行栅格被一个非通行栅格隔开，则将该非通行栅格重新标记为通行栅格；c4：将所述通行栅格的占用状态重新标记为：被占用；将所述非通行栅格的占用状态重新标记为：非占用。5.根据权利要求1所述一种平面道路车辆通行空间识别方法，其特征在于：所述连通域提取方法，包括：基于四连通标记算法或者八连通标记算法，将每一个种类的栅格都归属到一类连通域中。6.根据权利要求1所述一种平面道路车辆通行空间识别方法，其特征在于：在所述车辆通行空间内提取所述渠化栅格的方法，包括以下步骤：d1：从组成所述车辆通行空间边界的栅格中任意一个通行栅格出发，按同一方向依次遍历所述车辆通行空间边界中的栅格，记录所述非通行栅格连续出现时的数量，构成：非通行栅格数量集合；d2：在所述非通行栅格数量集合中添加元素：1；d3：通过聚类算法将步骤d2中的数量集合分为两类；如果1单独分为一类，则渠化栅格不存在，算法结束；否则，实施步骤d4；d4：将与1属于同一类的数量所对应的连续出现的非通行栅格重新标记为：渠化栅格；d5：提取所述待识别道路空间中的所述非通行栅格组成的连通域，将不属于最大的非通行栅格连通域的非通行栅格重新标记为渠化栅格。7.根据权利要求1所述一种平面道路车辆通行空间识别方法，其特征在于：步骤s3中，所述判别用特征阈值的计算方法包括以下步骤：e1：预设自然数n为最大的栅格占用次数阈值；构建变量：栅格占用次数阈值；从1开始遍历n以内的自然数，逐一赋值给所述栅格占用次数阈值；基于赋值后的所述栅格占用次数阈值，判断每个所述栅格占用次数阈值对应的所述空
间栅格的占用状态，得到每个所述栅格占用次数阈值对应的所述道路空间拓扑结构，记作：计算用拓扑结构；e2：将所有的所述计算用拓扑结构中对应的所述道路空间特征值和所述道路空间特征间距分别作为应变量，将所述栅格占用次数阈值作为自变量，构建对应关系曲线，分别记作：道路空间特征值曲线和道路空间特征间距曲线；e3：找到所述道路空间特征值曲线上最长的水平段，在所述最长的水平段对应的所述栅格占用次数阈值的阈值变化区间上，找到所述道路空间特征间距曲线上最高的水平段，记作：计算用特征间距区间；e4：获取所有的所述计算用特征间距区间对应的所述栅格占用次数阈值的阈值变化区间，找到其中值最小的所述栅格占用次数阈值作为所述判别用特征阈值。

技术总结
本发明提供的一种平面道路车辆通行空间识别方法，基于道路前端感知设备采集的车辆轨迹数据得到待识别道路空间的范围，并将待识别道路空间划分为若干个符合条件的栅格；然后通过确定栅格的占用状态，识别道路空间拓扑结构、车辆通行空间边界、车辆可通行空间和渠化空间，进而根据道路空间拓扑结构判断出道路空间的类别，以及计算出车辆通行空间的面积。整个识别、分类和量化过程不需要事先对道路空间进行人工调查和参数设定，不需要地图等其他额外信息，全部由车辆轨迹数据驱动，确保了车辆通行空间识别结果的客观性和一致性，且可以实时地监测平面道路上的车辆通行空间的利用状态和变化情况。态和变化情况。态和变化情况。


技术研发人员：汤若天 顾金刚 朱自博 付强
受保护的技术使用者：公安部交通管理科学研究所
技术研发日：2023.02.23
技术公布日：2023/5/26