基于车辆轨迹数据的换道风险评估模型研究

作     者：陈舒逸 

作者单位：广州大学 

学位级别：硕士

导师姓名：臧晓冬

授予年度：2024年

学科分类：08[工学] 0838[工学-公安技术] 

主      题：车辆换道 风险评估模型 轨迹数据重构 换道影响因素 遗传算法 

摘      要：随着我国城市化和机动化速度迅猛增加,交通拥堵和安全问题愈发严峻。其中,车辆换道行为作为道路网中多车交互的一种复杂驾驶行为,易对交通流的正常运行和交通安全带来不利影响。如果换道操作处理不当容易引发交通事故,带来严重的生命财产损失。对换道行为风险的准确评估和及时管理,能够及时发现潜在风险并提醒驾驶员调整驾驶行为,进而避免交通事故的发生。现有研究表明影响车辆换道行为的因素较多,如何选取换道行为的关键影响因素,准确评估换道风险是提高换道安全的重点。本文基于大量的车辆轨迹数据,全面分析和挖掘影响换道行为安全的关键因素,进而选定合适的评估指标并建立换道风险评估模型,对提高道路交通安全具有重要的意义。 首先,以CitySim轨迹数据集为基础数据,建立了考虑横纵异质性的多步轨迹重构法。该方法对原始轨迹数据进行了异常值识别与修正、轨迹数据降噪、排一致性检测等重构步骤,提高了原始轨迹数据的精度。采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法从重构的轨迹数据中提取了310条换道轨迹数据,为本文研究提供了数据支持。 其次,基于帧间隔与纵向位移变化量的组合,建立了换道起终点识别模型,从换道轨迹数据中准确识别出换道的起、终点,进而提取了完整的换道过程,并计算了车辆在换道过程中的换道时间和速度两个典型交通参数。通过差异显著性检验,分析了周围车辆分布情况、换道方向、换道位置和天气环境等不同情况下换道行为的差异性及差异显著程度。研究结果表明,初始车道前车的分布情况、目标车道的前车与后车分布情况、换道方向、换道位置和天气环境等是换道行为的主要影响因素。 然后,以停车视距与停车距离指数作为换道风险评估基础指标,基于遗传算法,修正基础指标中的最大制动减速度与驾驶员反应时间,将换道主要影响因素纳入换道风险评估,并选用风险暴露水平与风险严重水平分别评估车辆组发生风险的可能性与严重性。进一步,分析了各个车辆组之间车辆的交互关系,基于故障树分析综合考虑换道车辆所在各个车辆组的风险评估结果,以系统的角度建立了换道风险评估模型。同时,通过对换道风险评估结果进行聚类分析,将具有相近风险程度的换道车辆进行分类管理。 最后,利用CitySim数据集中的换道轨迹数据对换道风险评估模型中参数进行了标定,标定结果表明,考虑换道影响因素的换道风险评估模型比基础换道风险评估模型适应度值增强了42.38%。将标定后的换道风险评估模型应用于轨迹数据集,通过轮廓系数确定了换道风险评估聚类簇数,以最优聚类簇数实现了换道风险的聚类分析。基于Py Qt5建立了可视化平台,通过模拟车辆紧急制动过程,对换道风险评估结果进行了验证,验证结果表明,考虑换道影响因素的换道风险评估模型可以准确反映车辆真实换道风险情况。