【技術實現步驟摘要】
本專利技術涉及智能網聯汽車，更具體地，涉及一種針對固定路線行駛的智能網聯汽車運行安全風險預警方法。
技術介紹
1、智能網聯汽車是全球汽車行業的發展方向，我國以及世界主要發達國家都在積極推動智能網聯汽車的技術和產業發展。
2、目前，產業規模方面，各地開展的智能網聯汽車示范應用已逐步趨于常態化，無人小巴、無人物流車等固定路線運營車輛率先規模化落地部署。技術方案方面，主流的車輛運行風險預警基于軌跡預測、占據柵格網絡等方法，僅聚焦于車輛碰撞風險、通行效率等方面，尚無從安全文明駕駛意識出發的觀測角度，對于直行車道長時間停車、站臺停靠位置精度低、路口停止線前未減速行駛等運行安全事件缺乏高效挖掘手段。平臺工具方面，各地部署的智能網聯汽車監管平臺絕大部分僅支持實時數據查看與歷史數據統計功能，尚缺乏對運潛在行安全事件的有效挖掘與預警功能，導致平臺監管能力不足，無法充分支撐相關單位在風險防范、應急處置等方面的工作開展、發揮平臺工具所能帶來的社會效益。
技術實現思路
1、為了解決現有技術中存在的不足，本專利技術提供了一種針對固定路線行駛的智能網聯汽車運行安全風險預警方法，以充分利用監管平臺接收的海量實時車輛運行數據，挖掘運行安全事件并進行預警。
2、作為本專利技術的第一個方面，提供一種針對固定路線行駛的智能網聯汽車運行安全風險預警方法，包括以下步驟：
3、步驟s1：在智能網聯汽車沿固定路線循環行駛過程中，獲取所述智能網聯汽車單日的多幀歷史運行數據；其中，每幀歷史運行數
4、步驟s2：通過二維均值偏移聚類算法將所述智能網聯汽車單日的多幀歷史運行數據劃分為智能網聯汽車單日的多趟班次歷史運行數據；其中，智能網聯汽車單日的多趟班次歷史運行數據中同一個累積行駛里程對應固定路線上同一個位置點；
5、步驟s3：通過三維高斯混合模型聚類算法確定出智能網聯汽車單日的單趟班次歷史運行數據中每幀歷史運行數據對應的車輛行駛狀態，其中，車輛行駛狀態分為“直行、轉彎、停車”；
6、步驟s4：根據智能網聯汽車單日的多趟班次歷史運行數據中同一個累積行駛里程對應的車輛行駛狀態確定出該同一個累積行駛里程對應的路線場景類別，即確定出固定路線上同一個位置點的場景類別；其中，路線場景類別分為“起點、直道、彎道、路口、站臺”；
7、步驟s5：采用投票機制對固定路線上每一個位置點的場景類別進行更新，以得到固定路線上每一個位置點的最終場景類別；
8、步驟s6：當所述智能網聯汽車行駛到固定路線上的每一個位置點時，根據所述固定路線上每一個位置點的最終場景類別對所述智能網聯汽車的運行安全風險進行預警。
9、進一步地，所述在智能網聯汽車沿固定路線循環行駛過程中，獲取所述智能網聯汽車單日的多幀歷史運行數據中，還包括：
10、對所述智能網聯汽車單日的多幀歷史運行數據進行降采樣處理，以得到智能網聯汽車單日降采樣后的多幀歷史運行數據；其中，通過設置間隔采樣將所述智能網聯汽車單日的歷史運行數據的幀數降至1hz；
11、根據所述智能網聯汽車單日降采樣后的多幀歷史運行數據中“時間戳-行駛速度”的對應關系，剔除所述智能網聯汽車單日降采樣后的多幀歷史運行數據中行駛速度低于當日最大行駛速度80％的歷史運行數據。
12、進一步地，所述通過二維均值偏移聚類算法將所述智能網聯汽車單日的多幀歷史運行數據劃分為智能網聯汽車單日的多趟班次歷史運行數據，還包括：
13、將所述智能網聯汽車單日的相鄰幀歷史運行數據的時間戳依次進行比較，若智能網聯汽車單日的當前幀歷史運行數據與下一幀歷史運行數據的時間戳差值第一次大于300s，則認為該當前幀歷史運行數據為所述智能網聯汽車單日首趟班次歷史運行數據中的尾幀歷史運行數據，然后根據首趟班次歷史運行數據中尾幀歷史運行數據的時間戳與其首幀歷史運行數據的時間戳計算出所述智能網聯汽車單日的首趟班次運行耗時，并將首趟班次運行耗時的二分之一作為所述二維均值偏移聚類算法的半徑參數；
14、采用所述二維均值偏移聚類算法確定出智能網聯汽車單日的后續各班次歷史運行數據的幾何中心，基于各幾何中心對應的時間戳，向前、向后延展通過上述時間戳比較方法確定出后續各班次歷史運行數據中的首幀歷史運行數據、尾幀歷史運行數據，從而劃分出智能網聯汽車單日的多趟班次歷史運行數據。
15、進一步地，所述二維均值偏移聚類算法包括以下步驟：
16、(1)將所有幀歷史運行數據初始化為類中心點；
17、(2)遍歷每個類中心點，計算所述半徑參數范圍內所有點的時間維度均值，并替代原類中心點的時間戳；
18、(3)對類中心點進行去重操作；
19、(4)重復步驟(2)和(3)直至類中心點數量不再變化。
20、進一步地，所述通過三維高斯混合模型聚類算法確定出智能網聯汽車單日的單趟班次歷史運行數據中每幀歷史運行數據對應的車輛行駛狀態中，還包括：
21、通過所述三維高斯混合模型聚類算法，根據智能網聯汽車單日的單趟班次歷史運行數據中每幀歷史運行數據的“行駛速度-行駛加速度-角速度”對應關系，確定出智能網聯汽車單日的單趟班次歷史運行數據中每幀歷史運行數據對應的車輛行駛狀態；
22、其中，每幀歷史運行數據中角速度ω的計算公式為：
23、
24、其中，ω表示角速度，v表示車輛后軸中心速度，l表示車輛軸距，δ表示前輪偏角。
25、進一步地，所述三維高斯混合模型聚類算法包括以下步驟：
26、(1)初始化算法參數：類別設置為3、協方差矩陣類型設置為共享同一通用協方差矩陣、最大迭代步數為500、收斂閾值為0.001；
27、(2)對每個數據點，根據當前參數估計值，計算其屬于“直行、轉彎、停車”三種車輛行駛狀態的后驗概率；
28、(3)根據后驗概率更新各種車輛行駛狀態的中心點、協方差矩陣和權重系數；
29、(4)重復步驟(2)和(3)直至對數似然函數達到收斂閾值或算法達到最大迭代步數。
30、進一步地，所述根據智能網聯汽車單日的多趟班次歷史運行數據中同一個累積行駛里程對應的車輛行駛狀態確定出該同一個累積行駛里程對應的路線場景類別，即確定出固定路線上同一個位置點的場景類別中，還包括：
31、當同一個累積行駛里程對應的所有車輛行駛狀態均為“停車”時，確定出該同一個累積行駛里程對應的路線場景類別為“站臺”，即確定出固定路線上同一個位置點的場景類別為“站臺”；其中，將所述固定路線上的第一個“站臺”劃分為“起點”；
32、當同一個累積行駛里程對應的所有車輛行駛狀態均為“直行”時，確定出該同一個累積行駛里程對應的路線場景類別為“直道”，即確定出固定路線上同一個位置點的場景類別為“直道”；
33、當同一個累積行駛里程對應的所有本文檔來自技高網...
【技術保護點】
1.一種針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述在智能網聯汽車沿固定路線循環行駛過程中，獲取所述智能網聯汽車單日的多幀歷史運行數據中，還包括：
3.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述通過二維均值偏移聚類算法將所述智能網聯汽車單日的多幀歷史運行數據劃分為智能網聯汽車單日的多趟班次歷史運行數據，還包括：
4.根據權利要求3所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述二維均值偏移聚類算法包括以下步驟：
5.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述通過三維高斯混合模型聚類算法確定出智能網聯汽車單日的單趟班次歷史運行數據中每幀歷史運行數據對應的車輛行駛狀態中，還包括：
6.根據權利要求5所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述三維高斯混合
7.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述根據智能網聯汽車單日的多趟班次歷史運行數據中同一個累積行駛里程對應的車輛行駛狀態確定出該同一個累積行駛里程對應的路線場景類別，即確定出固定路線上同一個位置點的場景類別中，還包括：
8.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述采用投票機制對固定路線上每一個位置點的場景類別進行更新，以得到固定路線上每一個位置點的最終場景類別中，還包括：
9.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述當所述智能網聯汽車行駛到固定路線上的每一個位置點時，根據所述固定路線上每一個位置點的最終場景類別對所述智能網聯汽車的運行安全風險進行預警中，還包括：
...【技術特征摘要】
1.一種針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述在智能網聯汽車沿固定路線循環行駛過程中，獲取所述智能網聯汽車單日的多幀歷史運行數據中，還包括：
3.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述通過二維均值偏移聚類算法將所述智能網聯汽車單日的多幀歷史運行數據劃分為智能網聯汽車單日的多趟班次歷史運行數據，還包括：
4.根據權利要求3所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述二維均值偏移聚類算法包括以下步驟：
5.根據權利要求1所述的針對固定路線行駛的智能網聯汽車運行安全風險預警方法，其特征在于，所述通過三維高斯混合模型聚類算法確定出智能網聯汽車單日的單趟班次歷史運行數據中每幀歷史運行數據對應的車輛行駛狀態中，還包括：
【專利技術屬性】
技術研發人員：薛棟吉，王敏，俞春俊，韓偉，孫巍，張昊，楊煜垚，
申請(專利權)人：公安部交通管理科學研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。