原文传递
多车道高速合流区车辆换道识别及轨迹分析
| 题名： | 多车道高速合流区车辆换道识别及轨迹分析 |
| 作者： | 齐龙 1 郝艳军 2 徐婷 3 陈亦新 3 王孝冬 4 |
| 作者单位： | 1. 山东交通学院汽车工程学院2. 山西省智慧交通研究院有限公司3. 长安大学运输工程学院4. 广州越路交通科技有限公司 |
| 关键词： | 交通工程;交通系统安全;聚类分析;换道行为;合流区; |
| 摘要： | 为了提高多车道高速公路合流交织区交通安全，研究车辆换道轨迹特征并识别换道意图。首先，利用无人机采集目标区域为单向两条车道以上的高速公路合流区域车辆自然状态下运行轨迹视频，经Tracker运动学轨迹软件提取每条轨迹的时间和位置等信息，获取车辆行驶轨迹，累计获得自然驾驶轨迹数，并且根据车头时距、车速、加速度数据得到跟驰和换道片段，并对两类驾驶行为的时长和距离分布进行了分析，得到车辆换道轨迹片段数据。其次，结合车辆速度、加速度和变加速度，通过K-means++聚类将驾驶风格分为“常规型”、“激进型”和“保守型”3种，确定了用随机森林模型对不同风格的驾驶人轨迹进行了识别，进而选取基于XGBoost, LightGBM两者的Stacking融合模型对车辆换道意图进行了识别。最后，构建机器学习CNN-LSTM模型进行轨迹的预测模型。结果表明：采用K-means++将驾驶风格聚类为3类模型的综合效果最优，选定其聚类结果为轨迹片段驾驶风格标签值，随机森林的准确率较好，选用Stacking融合模型的准确率适用于驾驶轨迹识别，从换道轨迹的预测准确角度判定R2处于0.62水平，并且当时间窗为2 s时，模型对预测换道轨迹能做出较为准确的预测；研究实现了通过驾驶行为识别预测轨迹，为实现车辆的实时碰撞风险识别应用提供理论基础，同时可以优化自动驾驶车辆的行驶轨迹，提高高速公路入口复杂交通流状态下的安全性。 |
| 期刊名称： | 公路交通科技 |
| 出版日期： | 202402 |
| 出版年： | 2024 |
| 期： | 9 |
检索历史
应用推荐
