基于高精度軌跡數據的車輛換道行為識別研究

徐文潔 趙 欣 酆 磊 陳 曦

(武漢理工大學交通與物流工程學院 武漢 430063)

0 引 言

換道與跟馳是駕駛人在道路交通環境中最基本的駕駛行為,隨著大數據技術應用的興起,基于車輛出行微觀軌跡點數據的換道行為識別研究逐漸成為交通領域研究熱點之一.

微觀軌跡數據的采集方法有很多,如車載設備定時記錄車輛GPS軌跡坐標.康軍等[1]通過大規模的西安市出租車GPS軌跡數據挖掘城市出租車司機換道行為特征,設計了換道行為識別支持向量機模型.孫超等[2]提出了基于海量秒級GPS軌跡數據的駕駛行為評價方法,給出了超速、急變速、頻繁換道等行為的判定方法和閾值.

也有部分研究通過模擬駕駛器進行模擬駕駛試驗獲得車輛軌跡數據,黑凱先等[3]基于車輛多自由度駕駛仿真平臺,采集車輛運行狀態參數的相關數據,在不同維度的特征集和多個樣本時窗狀況下,運用隨機森林決策樹方法連續識別駕駛員的換道行為.Dogan等[4]基于駕駛模擬試驗數據,分別構建了前饋神經網絡、遞歸神經網絡和支持向量機三種換道識別模型,通過對比分析發現支持向量機識別效果更理想.

以上軌跡數據提取方法,基于GPS車輛定位的軌跡數據精度不足,記載時間間隔相對較長造成數據離散,調用數據量大,計算和渲染軌跡時間長;基于模擬仿真平臺的駕駛試驗始終處于虛擬的駕駛環境中,駕駛數據的真實性、可靠性程度無法與實車試驗比擬.這些缺點導致得到的車輛行駛軌跡不準確,無法用于精準分析駕駛人換道行為.文中依托高精度定位技術的BDS北斗衛星導航系統,其定位精度可分為dm、cm級別,測速精度0.2 m/s,授時精度10 ns,為名副其實的車道級定位,能有效的輔助道路交通領域的科學研究.本次研究的數據采樣頻率選定為10 Hz.

1 換道行為識別模型

1.1 基本參數定義與計算

圖1為車輛行駛微觀軌跡點任意兩點之間的方位角α示意圖,以正北為起點,順時針為正,0°≤α≤360°.

圖1 方位角示意圖

地球上任何區域任意兩點的普適的求方位角的方法如下[5].

已知地球球面上兩點A,B的經緯度,A為當前位置,B為目標位置,求B點相對于A點的方位角,引入任意一點C:

cos (C)=cos(90°-Bw)×cos (90°-Aw)+

sin (90°-Bw)×sin (90°-Aw)×cos (Bj-Aj)

(1)

(2)

(3)

式中:Aw,Aj,Bw,Bj分別為A點的緯度,A點的經度,B點的緯度,B點的經度.北緯為正,南緯為負;東經為正,西經為負.

假設A點固定為原點,B點相對于A點的位置在四個象限上進行討論(本文不討論B相對于A的位置在兩個坐標軸上),B相對A的方位角α計算公式見表1.

表1 方位角計算方法

每個時間粒度點均有角速度,這里將相鄰時間粒度點的方位角變化率作為其角速度,軌跡點j的角速度公式為

(4)

由圖1可知:ΔT為數據采集的時間粒度,即0.1 s.

地球上任意兩點A,B的距離為

dA,B=2arcsin[sin((Bw-Aw)/2)2+cosAw×

(5)

式中:Aw,Aj,Bw,Bj分別為A點的緯度,A點的經度,B點的緯度,B點的經度;R為地球半徑,6 371 km.

1.2 初始坐標系建立

車輛在某直線路段上行駛,從路段最左截面開始進行軌跡點數據記錄,以時間為X軸,橫向位置為Y軸,以最左截面與最下車道的交點為原點,建立平面坐標系.車輛進入路段最左截面的點記為截面入口點,車輛離開路段最右截面的點記為截面出口點.圖2中α0為截面入口點相對于原點的方位角,α為任意軌跡點相對于原點的方位角.車輛行進方向相對于大地坐標系的正北方向可能存在圖2中的四種情形.本文主要以第一種情形為研究對象,其余情形只需改變任意軌跡點與原點連線相對于Y軸的夾角的表達式再帶入橫向偏移距離計算公式即可.

圖2 車輛四種行進方向

1.3 車輛換道分階段

文獻[6]將車輛換道分為換道決策階段和換道執行階段.將換道執行階段定義為車輛發生單向連續橫向偏移的持續時間段.其研究中統計了537輛車的換道執行階段持續時間的分布狀況,見表2.

表2 換道執行階段持續時間分布狀況

將換道執行階段劃分為兩個子階段:換道開始階段、換道結束階段.取置信水平為95%,換道執行階段持續時間的置信區間取整為[2,12].

車輛換道執行階段兩子階段的橫向位移軌跡近似S形,定義換道開始階段軌跡點角速度開始連續為正(或連續為負)的第一點為換道開始時刻點St,定義換道結束階段軌跡點角速度開始連續為負(或連續為正)的最后一點為換道結束時刻Ft,定義車輛微觀軌跡點角速度為0,其左右鄰域內軌跡點的角速度正負相反的時間粒度點為換道時刻點Mt,見圖3,換道開始階段、換道結束階段具體表現為:

圖3 車輛換道各階段示意圖

1) 換道開始階段 在具備換道條件后,車輛開始執行換道,從車輛向左(或向右)打轉向盤到微觀軌跡點連續橫向移動到換道時刻點.在這一階段,理想狀態下,車輛微觀軌跡點應具有相同方向的角速度.

2) 換道結束階段 即為車輛開始向右(或向左)回轉向盤至安全完成換道,開始進入跟馳前車狀態.在這一階段,車輛微觀軌跡點繼續橫向移動到換道結束時刻點,車輛微觀軌跡點應具有相同方向的角速度并與前一階段的角速度方向相反.

設備采集數據受駕駛員操作特性、設備本身的穩定性等諸多因素影響,實際換道微觀軌跡點的數據不可避免地存在異常值和測量誤差,兩階段的角速度不可能全部為正值或全部為負值.對多次換道試驗數據進行統計對比分析得出,換道開始階段或換道結束階段有50%以上的軌跡點的角速度方向一致,為正或為負,且分布較為均勻.

1.4 臨界點標定

1) 換道時刻點Mt的標定 換道時刻點Mt理論上應為角速度為0的時刻點[7].由于本研究是基于工作頻率為10 Hz的定位系統下所得到的軌跡數據,其獲取到的軌跡數據并不是連續的而是時間粒度為0.1 s的離散數據,在搜索過程中可能無法找到角速度為0的點,考慮到該點左右相鄰點角速度方向必定一正一負,以其左右相鄰點中角速度最接近0的軌跡點替代該點.利用式(4)計算每個軌跡點j的角速度ω(tj) ,定義:

(6)

計算各軌跡點的G(tj),搜索G(tj-0.1)×G(tj+0.1)=-1且|ω(tj)|≤min{|ω(tj-0.1)|,|ω(tj+0.1)|}的點,即為換道時刻點的替代點,記為jd1,jd2,…,jdN,各點對應的時刻記為tjd1,tjd2,…,tjdN,將一次出行的軌跡數據分為[tjd1-6,tjd1+6],[tjd2-6,tjd2+6],…,[tjdN-6,tjdN+6]N段,作為后續研究的搜索區間.

2) 換道開始時刻點St及換道結束時刻點Ft的標定 換道開始階段必須有50%以上的軌跡點的角速度方向一致,為正(或為負),且分布較為均勻.在本研究中,定義了換道開始階段最長持續時間為6 s,最短持續時間為1 s.數據采集頻率為10 Hz,1 s為一個判斷時段,每秒10個微觀軌跡點中至少存在六個角速度為正(或為負)的軌跡點,至多有4個角速度為負(或為正)的軌跡點,故1 s內∑G(t)≥2(或∑G(t)≤-2),換道結束階段同理.按照前文確定的換道時刻點jd1,jd2,…,jdN及搜索區間[tjd1-6,tjd1+6],[tjd2-6,tjd2+6],…,[tjdN-6,tjdN+6],依次對各個搜索區間進行搜索,尋找每個搜索區間的換道開始時刻點St及換道結束時刻點Ft.

1.5 橫向偏移距離

1) 換道橫向偏移距離范圍 車輛完成一次變道產生的橫向偏移距離與車輛橫向安全距離相關,車輛橫向安全距離表示兩車并行時的最小橫向安全間距,由車輛實時速度確定,為

dsafe(v)=a+b×vc

(7)

式中:a取0.6;b取0.06;c取0.5.

假定在交通量飽和的道路上,車輛正常行駛在車道中心位置,車道寬度為H0,車輛寬度為D,車輛到車道線的安全距離為h0,那么

2h0=dsafe(v)

(8)

可以推算得到車輛到車道線的安全距離隨車輛速度變化函數:

h0(v)=0.5a+0.5b×(v)c

(9)

見圖4.

圖4 車輛換道橫向偏移范圍

車輛安全換道最大的橫向偏移距離為

xmax(v)=2H0-2h0(v)-D

(10)

車輛安全換道最小的橫向偏移距離為

xmin(v)=2h0(v)+D

(11)

2) 車輛實際橫向偏移距離 車輛截面入口點與原點連線相對于正北方向的方位角α0,換道開始時刻最早點tjdn-i與原點連線相對于正北方向的方位角αSt及距離d0,St,換道結束時刻最晚點tjdn+i與原點連線相對于正北方向的方位角αFt及距離d0,Ft.則該段換道軌跡最大橫向偏移距離為

Xmax=|d0,Ft×cos(αFt+360°-α0)-

d0,St×cos(αSt+360°-α0)|=

|d0,Ft×cos(αFt-α0)-d0,St×cos(αSt-α0)|

(12)

(13)

見圖5.

圖5 車輛換道橫向偏移距離

3) 車輛換道安全橫向偏移距離X∈(xmin(v),xmax(v))與車輛實際橫向偏移距離比較,若滿足:

Xmin≥xmin(v)

Xmax≤xmax(v)

(14)

則表示該段軌跡為一次安全換道行為.

1.6 算法流程圖

在進行臨界點的搜索后,可初步標定出換道時刻點Mt、換道開始時刻點St、換道結束時刻點Ft,此時仍然無法有效區分換道行為與車輛在一條車道上S形波動,因此添加1.5換道橫向偏移距離這一約束條件,最終可得到每次出行車輛發生換道行為的次數、車輛的行駛速度、每次換道持續時間范圍、每次換道橫向偏移距離范圍.算法流程圖見圖6.

圖6 車輛換道識別算法流程圖

2 案例分析

2.1 試驗說明

實車試驗地點為武漢市臨江大道某路段,全線為直線段,共4.8 km.選取40名駕齡各異(取整)的駕駛員,依據駕齡從小到大的順序將其編號為1～40,駕駛時車載平板自動采集高精度定位數據并實時傳送到服務器后臺.

2.2 數據獲取及預處理

基礎數據為實測的出行軌跡點經緯度坐標數據,算法運行前,首先將原始經緯度數據轉化為標準格式,還須對標準格式數據進行以下幾個方面處理:①錯誤數據處理,將超出武漢市經緯度范圍(東經113°41′～115°05′、北緯29°58′～31°22′)的數據判定為錯誤數據,予以剔除;②缺失數據處理,對于連續時間點中存在部分坐標數據缺失的情況,利用插值法結合上下坐標數據進行補齊,當存在大段坐標數據缺失的情況,棄用該條出行軌跡數據[8].

2.3 試驗結果及分析

1) 試驗結果 將清洗后的數據輸入至換道識別模型中,模型可輸出每位駕駛員一次出行的換道次數、行駛速度、每次換道的持續時間范圍、每次換道的橫向偏移距離范圍.對模型的輸出結果進行二次處理,統計出每位駕駛員在同一直線路段上一次出行的換道次數、行駛速度、平均換道持續時間、平均換道橫向偏移距離,并附上每位駕駛員的編號和駕齡,見表4.

表4 換道行為識別結果統計表

2) 試驗結論分析 為觀察試驗數據分布特征規律,利用spss統計分析軟件進行層次聚類分析,將駕駛員換道次數、行駛速度作為變量,將駕駛員編號作為聚類樣本,按照變量對不同編號的駕駛員進行Q型聚類,見表5,將40名駕駛員分為兩組.

表5 層次聚類分布情況

圖7為1組、2組的駕駛員換道次數分布圖和駕駛員行駛速度分布圖.

由圖7可知:歸為1組的駕駛員的換道次數與行駛速度大部分高于平均值,歸為2組的駕駛員行駛速度與換道次數大部分低于平均值.從駕駛員編號分布上看,換道次數分布圖和行駛速度分布圖存在相似特征,即1組的分布較為居中,代表1組成員的駕齡屬于中間層,2組的分布兩側成員較集中,代表駕齡分布在低層級和高層級的成員較為集中.因此結合以上特征,進行如下定義:將1組的駕駛員的駕駛行為定義為活躍類型,這類駕駛員有一定的駕駛經驗,在路段上行駛時通過頻繁變換車道以提升行駛速度,因此換道次數及行駛速度都相對較高.將2組的駕駛員的駕駛行為定義為穩重類型,這類駕駛員在路段上行車穩重,多處于跟馳狀態,主動換道行為較少,行駛速度相對不高,多為駕駛經驗不足、行車謹慎和有多年駕駛經驗、操作平穩的人群.

圖7 駕駛員換道次數和行駛速度分布圖

對駕駛員的平均換道持續時間進行分析,圖8a)為40名駕駛員的平均換道持續時間分布頻率圖,由圖8a)可知:駕駛員平均換道持續時間基本處于2～12 s,其中42.5%的駕駛員平均換道持續時間為4～6 s,32.5%的駕駛員平均換道持續時間為6～8 s,該結論與參考文獻[6]的研究結論近似相符.圖8b)為1組和2組的駕駛員平均換道持續時間分布圖,由圖8b)可知:2組穩重類型的駕駛員平均換道持續時間主要為4～6 s和6～8 s,占2組總數的82.6%.1組活躍類型的駕駛員平均換道持續時間分布較為分散,沒有特定規律,2～4 s快速換道的駕駛員主要為1組成員.

圖8 平均換道持續時間頻率和分布圖

對駕駛員的平均換道橫向偏移距離進行分析,圖9為40名駕駛員的平均換道橫向偏移距離分布圖.

圖9 平均換道橫向偏移距離分布圖

由圖9可知:1組活躍型駕駛員平均換道橫向偏移距離區間跨度普遍較長,說明該類駕駛員橫向偏移距離沒有特定分布趨勢,換道時間與換道橫向位移表現出隨機性.2組穩重型駕駛員平均換道橫向偏移距離區間跨度普遍較短,表現出明顯的個人駕駛行為習慣,換道位移趨于區間中間值,其中低駕齡的成員平均換道橫向偏移距離普遍比高駕齡的成員大.

3 結 論

1) 基于北斗高精度定位技術獲得車輛出行的若干個軌跡點數據,構建了換道行為識別模型,最終輸出直線路段上車輛換道次數、行駛速度、換道持續時間、換道橫向偏移距離四類數據.

2) 利用spss軟件對輸出數據進行層次聚類分析,將駕駛員換道次數、行駛速度作為變量,將駕駛員編號作為聚類樣本,按照變量對不同編號的駕駛員進行Q型聚類,聚類算法將駕駛員分為穩重型和活躍型兩組類別.

3) 分類別對模型輸出數據進行分析,發現活躍型駕駛員換道次數較頻繁,行駛速度較快,換道時間和橫向偏移距離較為隨機,快速換道多為活躍型駕駛員,該類型駕駛員多處于中間層駕齡.穩重型駕駛員主動換道行為較少,行駛速度相對不高,換道時間與橫向偏移距離表現出明顯的駕駛習慣特征,這類駕駛員平均換道持續時間主要分布在4～6 s和>6～8 s,多為低駕齡、行車謹慎和高駕齡、操作平穩的人群.

4) 模型建立前期僅依據相關參考文獻和現有換道軌跡樣本數據對換道各階段的行為特征進行總結、歸納和分析.由于樣本量有限,所得到的換道持續時間范圍、角速度相同軌跡點數量等閾值僅基于參考文獻和有限樣本的結論,其普適性可能無法保障.未來研究需進一步擴大樣本數量,并通過變換道路等級、試驗車類型、終端定位精度等多重變量,開展換道行為閾值的有關研究.