CN112562329A - 一种基于毫米波雷达数据的交通事件感知方法 - Google Patents
一种基于毫米波雷达数据的交通事件感知方法 Download PDFInfo
- Publication number
- CN112562329A CN112562329A CN202011362499.2A CN202011362499A CN112562329A CN 112562329 A CN112562329 A CN 112562329A CN 202011362499 A CN202011362499 A CN 202011362499A CN 112562329 A CN112562329 A CN 112562329A
- Authority
- CN
- China
- Prior art keywords
- data
- millimeter wave
- wave radar
- track
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于毫米波雷达数据的交通事件感知方法,包括以下步骤:获取毫米波雷达所采集的轨迹数据后,利用时间数据清洗器,速度数据清洗器和坐标数据清洗器进行清洗,剔除错误和异常数据后得到车辆的轨迹数据字段包括:时间戳,位置坐标,速度、加速度坐标分量和车辆类别,并将不同类别车辆的轨迹数据存储不同的轨迹器中;进行交通事件的判别并且记录当前检测区域各类事件的发生的类别、数目和起终时间。本发明通过毫米波雷达来进行交通事件的感知,更为稳定,适应性强,并且提高了采集数据的性能,成本也相对较低,且检测事件均是基于前面所得到的清洗后的数据进行,感知方法具有高效,且采集范围广的特点。
Description
技术领域
本发明属于智能交通数据处理技术领域,特别涉及一种基于毫米波雷达数据的交通事件感知方法。
背景技术
毫米波雷达作为一种交通数据的采集手段在交通领域的应用日渐广泛,逐渐用于车辆防撞检测,无人驾驶,交通数据采集等领域。车辆的交通事件采集是检测车辆运行状况的重要数据之一,是评价道路安全的重要的量化指标,也是提高车辆安全行驶的重要的依据。以往出现的视频全路域感知***,由于其采用视频数据进行分析,会存在受环境的影响较大,从而难以有效的提取一些特定的交通数据,比如能见度较低情况下的车辆运行情况,同时设备运行的稳定性也有待提高。以往的其他的一些交通事件感知还没有实现成型的成套技术,通常仅仅能够采集到一些采集点位交通事件的片段,无法对整体的道路安全状况进行合理的评判,从而难以更有效的提升道路车辆运行的安全以及效率。因此,研究一种高效的,检测范围广的感知方法是必要的。
发明内容
本发明的目的在于克服上述现有技术的不足,提供一种基于毫米波雷达数据的交通事件感知方法,利用毫米波雷达数据对检测道路的交通事件进行实时的分析采集。
技术方案如下:
一种基于毫米波雷达数据的交通事件感知方法,包括以下步骤:
获取毫米波雷达所采集的轨迹数据后,利用时间数据清洗器,速度数据清洗器和坐标数据清洗器进行清洗,剔除错误和异常数据后得到车辆的轨迹数据字段包括:时间戳,位置坐标,速度、加速度坐标分量和车辆类别,并将不同类别车辆的轨迹数据存储不同的轨迹器中;
基于速度数据判别器、轨迹数据判别器和综合信息数据判别器进行交通事件的判别;
记录当前检测区域各类事件的发生的类别、数目和起终时间。
进一步的,所述剔除错误和异常数据包括:
1)雷达反射面积宽度超过5m且长度超过25m的错误车辆外形数据;
2)大于200km/h的异常速度数据;
3)三类异常坐标数据:
a)当轨迹点的坐标超出同一时间戳相邻轨迹点的位置范围数据;
b)当轨迹点的坐标超出相邻时间戳轨迹点的位置范围;
c)当轨迹点的平均速度与同一时间戳相邻轨迹点速度差超过5m/s。
通过毫米波雷达来进行交通事件的感知,更为稳定,适应性强,并且提高了采集数据的性能,成本也相对较低,且检测事件均是基于前面所得到的清洗后的数据进行,感知方法具有高效,且采集范围广的特点。
附图说明
图1是基于毫米波雷达数据的交通事件感知方法的流程图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合实施例对本发明提供的一种基于毫米波雷达数据的交通事件感知方法进行详细描述。以下实施例仅用于说明本发明而非用于限制本发明的范围。
一种基于毫米波雷达数据的交通事件感知方法,其特征在于,包括下列步骤:
获取并清洗雷达的采集数据;
将该数据清洗,即剔除时间严重错误的数据,删除速度异常的数据,删除坐标异常的数据。清洗后数据字段为:Timestamp(时间戳),Position_x、Position_y、Position_z(分别为位置的坐标),Velocity_x、Velocity_y、Velocity_z(速度的坐标分量),AbnormalState(车辆类别),且不同车辆的轨迹数据保存在不同的Trajectory(轨迹)中;
进行交通事件的感知的判断,分为3类8项的事件,分别为基于速度的判别的交通事件如倒车事件,停车事件,慢行事件,超速事件,基于轨迹进行评判的交通事件如违章变道,蛇形驾驶,基于综合信息进行评判的交通事件如为路段冲突,路段风险态势;
记录当前检测检测区域各类事件的发生的类别、数目、起终时间等。
实施例1
获取雷达的采集数据。其采集的数据具体为检测路段60Hz的车辆的速度,加速度坐标分量,车辆的位置坐标,以及其他车辆信息,时间戳。雷达所获得的数据需要经过数据清洗剔除异常值才能进行之后步骤的事件的研判,否则错误的数据将带来错误的交通事件状况,从而后续影响道路的安全评价等。
数据清洗的具体的内容包含以下三项内容。将雷达反射面积宽度超过5m,长度超过25m的数据(不符合车辆几何外型),视为时间严重错误并剔除。将检测速度大于200km/h,视为速度异常并剔除。对于坐标异常的剔除,则一共有三类情况,1)当轨迹点的坐标超出同一时间戳相邻轨迹点的位置范围(包含车辆几何外型的考虑,后同);2)当轨迹点的坐标超出相邻时间戳轨迹点的位置范围;3)当轨迹点的平均速度与同一时间戳相邻轨迹点速度差超过5m/s。
对于事件检测过程,分为三类事件进行说明,分别是基于速度判断,基于轨迹判断,基于综合信息判断。
基于速度的判别的交通事件主要分为倒车事件,停车事件,慢行事件,超速事件。
倒车事件(也可以是逆行事件,即当车辆的行驶方向与道路规定的行驶方向相反)判断的指标为vVel<0,vVel<0出现时,即判断此车辆发生倒车事件,进一步的第一个vVel<0出现的时刻为倒车事件开始时间,最后一个vVel<0出现的时刻为倒车事件结束时间。
停车事件即车辆存在速度为零并且持续一定时间,车辆发生停车事件的指标为vVel=0,第一个vVel=0出现的时刻为停车事件开始时间,最后一个vVel=0出现的时刻为停车事件结束时间。
慢行事件即以低于最低限速行驶的行为定义为慢行事件,以高于最高限速行驶的行为定义为超速事件,车辆发生慢行事件的标准为vVel<v限速出现,即判断此车辆发生慢行事件,第一个vVel<v限速出现的时刻为慢行事件开始时间,最后一个vVel<v限速出现的时刻为慢行事件结束时间。超速事件则为vVel>v限速出现,即判断此车辆发生超速事件。同理第一个vVel>v限速出现的时刻为超速事件开始时间,最后一个vVel>v限速出现的时刻为超速事件结束时间。
基于轨迹进行评判的交通事件,可以分为违章变道和蛇形驾驶。
违章变道即车辆进行非法的变道,对于雷达的数据的评判指标则为对于有N个跟踪点的目标运动轨迹线,当其中有αN个跟踪点处的运动矢量与雷达跟踪车辆所在区域的固定车道线的标定方向矢量的夹角超过20°时,则认为该运动轨迹为违章变道轨迹,该跟踪车辆发生违章变道事件。取α=0.8,属于异常轨迹的一种。
蛇形驾驶即同一辆车经常频繁、突然并线,则发生了蛇形驾驶的交通事件。其判断的标准目前暂定位雷达跟踪的车辆在1分钟内连续3次变道即为蛇形驾驶,同样属于异常轨迹的一种。
基于综合信息进行评判的交通事件,可以分为路段冲突和路段风险态势。
路段冲突在本次交通事件检测中定义为前车与后车存在冲突,具体关系如下TTCn(t)<2s作为冲突阈值,说明车辆n与n-1发生冲突
同样,第一个TTCn(t)<2s出现的时刻为冲突开始时间,最后一个TTCn(t)<2s出现的时刻为冲突结束时间。其中Ln,Ln-1为第n,n-1辆车所在位置,ln-1为第n-1辆车的车身长度,Vn,Vn-1分别为第n,n-1辆车该时刻的速度。
路段风险态势是基于前面的道路冲突所做的评价,其判断的指标为当路段中TTCn(t)<2s的数量占所有TTCn数量的10%以下时,认为是低风险,10%-20%时认为是中风险,20%以上时认为是高风险。
利用上述的数据处理以及交通事件感知判断标准,即能够得到在毫米波雷达检测范围内的交通事件感知的数据。通过毫米波雷达数据来进行交通事件的感知,其更为稳定,适应性强,提高了性能,成本也相对较低。
上面结合实施例对本发明的实例作了详细说明,但是本发明并不限于上述实例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出的各种变化,也应视为本发明的保护范围。
Claims (4)
1.一种基于毫米波雷达数据的交通事件感知方法,其特征在于,包括以下步骤:
获取毫米波雷达所采集的轨迹数据后,利用时间数据清洗器,速度数据清洗器和坐标数据清洗器进行清洗,剔除错误和异常数据后得到车辆的轨迹数据字段包括:时间戳,位置坐标,速度、加速度坐标分量和车辆类别,并将不同类别车辆的轨迹数据存储不同的轨迹器中;
基于速度数据判别器、轨迹数据判别器和综合信息数据判别器进行交通事件的判别;
记录当前检测区域各类事件的发生的类别、数目和起终时间。
2.根据权利要求1所述的基于毫米波雷达数据的交通事件感知方法,其特征在于,所述剔除错误和异常数据包括雷达反射面积宽度超过5m且长度超过25m的车辆外形数据。
3.根据权利要求1所述的基于毫米波雷达数据的交通事件感知方法,其特征在于,所述剔除错误和异常数据包括大于200km/h的速度数据。
4.根据权利要求1所述的基于毫米波雷达数据的交通事件感知方法,其特征在于,所述剔除错误和异常数据包括三类坐标数据:
a)当轨迹点的坐标超出同一时间戳相邻轨迹点的位置范围数据;
b)当轨迹点的坐标超出相邻时间戳轨迹点的位置范围;
c)当轨迹点的平均速度与同一时间戳相邻轨迹点速度差超过5m/s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011362499.2A CN112562329A (zh) | 2020-11-28 | 2020-11-28 | 一种基于毫米波雷达数据的交通事件感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011362499.2A CN112562329A (zh) | 2020-11-28 | 2020-11-28 | 一种基于毫米波雷达数据的交通事件感知方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112562329A true CN112562329A (zh) | 2021-03-26 |
Family
ID=75045051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011362499.2A Pending CN112562329A (zh) | 2020-11-28 | 2020-11-28 | 一种基于毫米波雷达数据的交通事件感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562329A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112830A (zh) * | 2021-04-08 | 2021-07-13 | 同济大学 | 基于激光雷达和轨迹预测的信控交叉口清空方法和*** |
CN113419244A (zh) * | 2021-05-28 | 2021-09-21 | 同济大学 | 一种基于毫米波雷达数据的车辆轨迹拼接方法 |
CN114495483A (zh) * | 2021-12-14 | 2022-05-13 | 江苏航天大为科技股份有限公司 | 一种基于毫米波雷达的车辆异常行驶行为识别方法 |
CN114942450A (zh) * | 2022-05-17 | 2022-08-26 | 苏州思卡信息***有限公司 | 一种激光雷达检测车辆过秤行为的检测方法 |
CN115391422A (zh) * | 2022-08-22 | 2022-11-25 | 禾多科技(北京)有限公司 | 车辆感知信息生成方法、装置、设备、介质和程序产品 |
CN116819483A (zh) * | 2023-08-28 | 2023-09-29 | 南京隼眼电子科技有限公司 | 路口车辆排队长度检测方法、装置、存储介质及终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120154200A1 (en) * | 2010-12-17 | 2012-06-21 | Fujitsu Limited | Control apparatus, radar detection system, and radar detection method |
US20130154854A1 (en) * | 2011-12-14 | 2013-06-20 | Industrial Technology Research Institute | Exceptional road-condition warning device, system and method for a vehicle |
CN108550262A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的城市交通感知*** |
CN108550269A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的交通流量检测***及其检测方法 |
CN110542898A (zh) * | 2019-06-18 | 2019-12-06 | 同济大学 | 一种基于雷达组群的车辆行为连续跟踪探测***及方法 |
CN110570664A (zh) * | 2019-09-23 | 2019-12-13 | 山东科技大学 | 一种高速公路交通事件自动检测*** |
CN111325978A (zh) * | 2020-02-27 | 2020-06-23 | 江苏大学 | 一种高速公路车辆异常行为的全程监测警示***和方法 |
-
2020
- 2020-11-28 CN CN202011362499.2A patent/CN112562329A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120154200A1 (en) * | 2010-12-17 | 2012-06-21 | Fujitsu Limited | Control apparatus, radar detection system, and radar detection method |
US20130154854A1 (en) * | 2011-12-14 | 2013-06-20 | Industrial Technology Research Institute | Exceptional road-condition warning device, system and method for a vehicle |
CN108550262A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的城市交通感知*** |
CN108550269A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的交通流量检测***及其检测方法 |
CN110542898A (zh) * | 2019-06-18 | 2019-12-06 | 同济大学 | 一种基于雷达组群的车辆行为连续跟踪探测***及方法 |
CN110570664A (zh) * | 2019-09-23 | 2019-12-13 | 山东科技大学 | 一种高速公路交通事件自动检测*** |
CN111325978A (zh) * | 2020-02-27 | 2020-06-23 | 江苏大学 | 一种高速公路车辆异常行为的全程监测警示***和方法 |
Non-Patent Citations (1)
Title |
---|
严思宁: "基于信息融合的智能车辆前方目标识别技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112830A (zh) * | 2021-04-08 | 2021-07-13 | 同济大学 | 基于激光雷达和轨迹预测的信控交叉口清空方法和*** |
CN113112830B (zh) * | 2021-04-08 | 2021-12-17 | 同济大学 | 基于激光雷达和轨迹预测的信控交叉口清空方法和*** |
CN113419244A (zh) * | 2021-05-28 | 2021-09-21 | 同济大学 | 一种基于毫米波雷达数据的车辆轨迹拼接方法 |
CN114495483A (zh) * | 2021-12-14 | 2022-05-13 | 江苏航天大为科技股份有限公司 | 一种基于毫米波雷达的车辆异常行驶行为识别方法 |
CN114942450A (zh) * | 2022-05-17 | 2022-08-26 | 苏州思卡信息***有限公司 | 一种激光雷达检测车辆过秤行为的检测方法 |
CN115391422A (zh) * | 2022-08-22 | 2022-11-25 | 禾多科技(北京)有限公司 | 车辆感知信息生成方法、装置、设备、介质和程序产品 |
CN115391422B (zh) * | 2022-08-22 | 2023-05-26 | 禾多科技(北京)有限公司 | 车辆感知信息生成方法、装置、设备、介质和程序产品 |
CN116819483A (zh) * | 2023-08-28 | 2023-09-29 | 南京隼眼电子科技有限公司 | 路口车辆排队长度检测方法、装置、存储介质及终端 |
CN116819483B (zh) * | 2023-08-28 | 2023-11-14 | 南京隼眼电子科技有限公司 | 路口车辆排队长度检测方法、装置、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112562329A (zh) | 一种基于毫米波雷达数据的交通事件感知方法 | |
US11373523B2 (en) | Method for vehicle detection based on single-axis geomagnetic sensor | |
CN1862620A (zh) | 高速公路汽车行驶智能检测预警方法及其预警*** | |
CN105513349B (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN109101939B (zh) | 车辆运动状态的确定方法、***、终端及可读存储介质 | |
CN112085950B (zh) | 交通状态判别指标的估计方法、***、存储介质及应用 | |
Ghahremannezhad et al. | Real-time accident detection in traffic surveillance using deep learning | |
CN110796862B (zh) | 一种基于人工智能的高速公路交通状况检测***及方法 | |
CN110688954A (zh) | 一种基于向量运算的车辆变道检测方法 | |
CN112365706B (zh) | 一种基于多源信息的异常车距辨识方法 | |
CN112201040B (zh) | 一种基于毫米波雷达数据的交通数据清洗方法及*** | |
CN111797701B (zh) | 用于车辆多传感器融合***的道路障碍物感知方法及*** | |
CN110940982B (zh) | 一种车辆前方目标识别方法以及相应的设备 | |
CN114064656B (zh) | 一种基于路端感知***的自动驾驶场景识别与转化方法 | |
Xuan et al. | Lane change maneuver detection from probe vehicle DGPS data | |
CN106405539A (zh) | 车辆雷达***以及用于去除一非感兴趣目标的方法 | |
CN110940981B (zh) | 一种用于判断车辆前方目标的位置是否处于本车道内的方法 | |
CN110648542B (zh) | 基于方位识别窄波雷达的高精度车流量检测*** | |
CN111959515A (zh) | 一种基于视觉检测的前向目标选择方法、装置及*** | |
Kamijo et al. | Development and evaluation of real-time video surveillance system on highway based on semantic hierarchy and decision surface | |
Fujimura et al. | Vehicle infrastructure integration system using vision sensors to prevent accidents in traffic flow | |
CN115798207A (zh) | 基于LiDAR点云的信号交叉口追尾冲突识别方法 | |
Cao et al. | Vehicle motion analysis based on a monocular vision system | |
CN111091148B (zh) | 一种基于目标先验信息的车载雷达目标跟踪方法及装置 | |
CN114495483A (zh) | 一种基于毫米波雷达的车辆异常行驶行为识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |