CN114566050A - 一种面向交通运行安全的隧道机器人巡检速度控制方法 - Google Patents

Abstract

本发明公开了一种面向交通运行安全的隧道机器人巡检速度控制方法，属于交通安全数据采集领域，根据交通状态与交通事故发生事故频率的关系，采用“数据采集——数据预处理——数据集计——数据集计处理——调整巡检速度”的过程，通过采集车辆位置、车道和速度，分别从交通流密度、速度、流量、碰撞事件、车道速度和车道占有率等多方面估计交通流状态，能根据交通流状态调节巡检速度，根据交通流状态调整机器人巡检速度，为机器人巡检速度的控制提供了方法，保证了能在事故高发时高速运行，缩短机器人的循环速度，采集更多数据，监控更多区域，更快发现事故和交通拥堵；在事故低发时降低运行速度，节约机器人的巡检能源损耗。

Description

一种面向交通运行安全的隧道机器人巡检速度控制方法

技术领域

本发明涉及交通安全分析技术领域，具体而言涉及一种面向交通运行安全的隧道机器人巡检速度控制方法。

背景技术

面向长大隧道的悬挂式巡检机器人，能够快速检测交通流状态，由控制平台算法预测和研判安全风险，进行对交通流的干扰，提前降低行车碰撞概率，提高行车安全水平。目前巡检机器人的巡航速度较为单一，未能实现根据交通流状态进行速度调整，及时捕捉存在安全风险的路段；另一方面，控制平台算法和算力能够保障其快速做出判断，因而能够保障巡检机器人可根据交通运行安全的需求，及时处理信息，制定实时控制策略。已公开文献和专利均未涉及面向交通运行安全的机器人巡检速度控制方法的研究。

发明内容

为了克服上述现有技术的不足，本发明基于交通流状态与事故发生概率的关系，以多次采集的车辆位置、车道、速度信息为基础，计算交通流密度、速度、流量、车道占有率差异和车道速度差异，分析交通流状态，根据交通流状态调整机器人巡检速度，为机器人巡检速度的控制提供了方法，保证了能在事故高发时高速运行，缩短机器人的循环速度，采集更多数据，更快发现事故和交通流变化；在事故低发时降低运行速度，节约机器人的巡检能源损耗。

为解决上述技术问题，本发明提供一种面向交通运行安全的隧道机器人巡检速度控制方法，用于对交叉口的交通冲突进行预测分析，包括以下步骤：

步骤1：确定机器人运行的最大速度、数据采集时间间隔和数据集计时间间隔，并根据机器人与路面的距离和机器人摄像头的拍摄角度计算数据采集的空间范围；

步骤2：在每个采集时间间隔内采集一次车辆的位置、车道和速度信息，对车辆进行编号，并计算所述采集时间间隔范围内的车辆数、车道占有率和各车道平均速度；

步骤3：根据所采集的车辆的位置、车道和速度信息，计算车辆间的冲突时间并判断冲突风险；重复步骤2和步骤3直至达到集计时间间隔；

步骤4：统计机器人当前时刻运行区间的年事故总和，计算月平均事故数，并确定事故修正系数；

步骤5：统计集计时间间隔内的交通流密度、交通流速度和流量，计算交通流密度修正系数、交通流速度修正系数和流量修正系数，并计算车道占有率差异系数、车道速度差异系数和风险系数；

步骤6：根据交通流密度修正系数、交通流速度修正系数、流量修正系数、车道占有率差异系数、车道速度差异系数和风险系数确定机器人巡检速度，机器人改变巡检速度，清空车辆编号信息，返回步骤2。

进一步地，所述根据机器人与路面的距离和机器人摄像头的拍摄角度计算数据采集的空间范围，采用以下公式：

L＝2H·tanα，

式中，L为数据采集的空间范围，H为机器人与路面的距离，α为机器人所配备摄像头的拍摄角度的1/2。

进一步地，所述在每个采集时间间隔内采集一次车辆的位置、车道和速度信息，对车辆进行编号，并计算该时刻采集范围内的车辆数、车道占有率和各车道平均速度，包括以下步骤：

机器人识别车辆，对识别到的车辆进行编号，第k的采集间隔内第i个车道的第j辆车的编号为k-i-j，车道总数为n_y，并采集车辆的位置x_k,i,j、车道i和速度v_k,i,j；

统计所述采集时间间隔范围内第i车道的车辆数为n_k,i，根据以下公式，计算第i车道的车道占有率和路段占有率：

式中，O_k,i为第i车道的车道占有率，O_k为路段占有率，l为饱和车头间距；

优选地，l取8m；

根据以下公式，计算第i车道的车道平均速度和路段平均速度：

式中，v_k,i为第i车道的平均速度，v_k为路段平均速度。

进一步地，所述根据所采集的车辆的位置、车道和速度信息，计算车辆间的冲突时间并判断冲突风险，包括以下步骤：

根据以下公式，计算车辆间的冲突时间，并判断冲突风险，车辆间的冲突时间TTC_k,i,j根据公式：

式中，TTC_k,i,j为车辆间的冲突时间，x_k,i,j为车辆的位置，i为车道，v_k,i,j为车辆的速度，l_c为标准车长；

优选地，l_c取4.5m；

根据以下模型，判断车辆间的冲突风险：

进一步地，所述运行区间为机器人当前时刻所在位置前后各N·t·V_o的范围，其中，N·t为数据集计时间间隔，V_o为机器人当前的巡检速度。

进一步地，所述计算月平均事故数，并确定事故修正系数，包括：

根据以下公式，计算月平均事故数：

式中，N_mon为月平均事故数，N_year为该范围内最近一年的历史事故数；

N_mon>6.0，事故修正系数f_s取1.0；4.0＜N_mon≤6.0，事故修正系数f_s取0.9；2.0＜N_mon≤4.0，事故修正系数f_s取0.8；N_mon≤2.0，事故修正系数f_s取0.7。

进一步地，所述计算交通流密度修正系数、交通流速度修正系数和流量修正系数，并计算车道占有率差异系数、车道速度差异系数和风险系数，包括：

根据以下公式，计算交通流密度和交通流密度修正系数：

式中，K为交通流密度，f_K为交通流密度修正系数，N为达到集计时间间隔所需要重复采集车辆的位置、车道和速度信息的次数，l为饱和车头间距，k为采集间隔编号，O_k为路段占有率，K_j为交通流阻塞密度；

根据以下公式，计算交通流速度和交通流速度修正系数：

f_v＝e^-v/v _max

式中，v为交通流速度，f_v为交通流速度修正系数，v_max为道路限速；

根据以下公式，计算交通流流量和交通流流量修正系数：

Q＝Kv

f_Q＝1-Q/C

式中，Q为交通流流量，f_Q为交通流流量修正系数，C为道路的实际通行能力；

根据以下公式，计算车道占有率差异系数：

式中，f_O,k为第k次采集数据时的车道占有率差异系数，f_O为车道占有率差异系数，n_y为车道总数，O_k为路段占有率；

根据以下公式，计算车道速度差异系数：

式中，f_cv,k为第k次采集数据时的车道速度差异系数，f_cv为车道速度差异系数；

根据以下公式，计算风险系数；

式中，f_r为风险系数，N_k,l为第k次采集中低风险的数量，N_k,m为第k次采集中中风险的数量，N_k,h为第k次采集中高风险的数量，n_k,i为采集时间间隔范围内第i车道的车辆数。

进一步地，所述根据交通流密度修正系数、交通流速度修正系数、流量修正系数、车道占有率差异系数、车道速度差异系数和风险系数确定机器人巡检速度，包括：

根据以下公式，计算机器人巡检速度：

式中，V为机器人巡检速度，f_K为交通流密度修正系数，f_v为交通流速度修正系数，f_Q为流量修正系数，f_O为车道占有率差异系数，f_cv为车道速度差异系数，f_r为风险系数，v_max为道路限速。

本发明所述一种面向交通运行安全的隧道机器人巡检速度控制方法，采用以上技术方案与现有技术相比，具有以下技术效果：

1)相比于其他面向交通运行安全的机器人巡检速度控制方法，研究发现交通流状态差时交通事故发生的频率较高，此发明能根据交通流状态调节巡检速度，交通流状态差时提高巡检速度，缩短机器人循环周期，采集更多交通数据，监控更多区域，更快发现事故和交通拥堵；交通流状态好时，降低巡检速度，减少运行能源消耗。

2)相比于其他面向交通运行安全的机器人巡检速度控制方法，采用“数据采集——数据预处理——数据集计——数据集计处理——调整巡检速度”的过程，经过多次数据采集再对数据进行集计处理，减少了数据运算，节约计算存储成本，减少速度变化的频率，节约机器人加减速造成的能量损失，同时通过集计处理避免了数据随机性带来的误差。

3)相比于其他面向交通运行安全的机器人巡检速度控制方法，采集交通监控必须的交通流三参数(交通流密度、速度和流量)，以交通流密度、速度和流量为基础识别交通流状态，根据交通流状态调节机器人的速度。

4)相比于其他面向交通运行安全的机器人巡检速度控制方法，利用车流中的车头时距和速度差计算碰撞时间TTC，并判断车辆间的风险等级，将风险等级分为无风险、低风险、中风险和高风险四个等级，根据各等级的数量估计交通流的事故风险系数，最后根据风险系数调整机器人的巡检速度。

5)相比于其他面向交通运行安全的机器人巡检速度控制方法，分车道采集和处理数据，考虑了车道间的差异，通过不同车道占有率和不同车道速度的差异来体现，保留了各车道的特性，减弱了交通流密度、速度和流量计算中的平均效应，并通过车道间的差异来放映交通流状态，调整机器人巡检速度。

附图说明

图1为本发明实施例公开的一种隧道巡检机器人速度控制方法的工作流程示意图；

图2为本发明实施例公开的一种隧道巡检机器人的工作原理示意图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

如图1所示，本发明提供的一种隧道巡检机器人速度控制方法包括以下步骤：

S1、机器人沿隧道顶部的轨道运行，运行的最大速度V_max＝30km/h，轨道与路面平行，数据采集时间间隔t＝10s，数据集计时间间隔Nt＝5min，每采集30次数据就对数据进行集计处理，机器人与路面的距离为H＝9m，机器人所配备摄像头的拍摄角度2α＝2×66°＝132°，如图2所示，数据采集的空间范围L，根据公式计算：

L＝2H·tanα＝2×9×tan66°＝40m

S2、机器人已经进行了29次数据采集，将进行第30次数据采集(k＝30)，车道数n_y＝3，在第30次数据采集时，采集到的车辆编号、位置、车道和速度如下表所示：

表1第30次数据采集信息

该时刻采集范围内第1车道的车辆数为n_30,1＝4，第2车道的车辆数为n_30,2＝4，第3车道的车辆数为n_30,3＝3。

第i车道的车道占有率O_30,i和路段占有率O₃₀，根据公式计算：

O_30,2＝0.8，O_30,3＝0.6

l为饱和车头间距，默认取8m。

第i车道的车道平均速度v_k,i和路段平均速度v_k，根据公式计算：

v_30,2＝52km/h，v_30,2＝63.67km/h

S3、根据车辆的位置x_k,i,j、车道i和速度v_k,i,j，计算车辆间的冲突时间TTC_k,i,j，并判断冲突风险，车辆间的冲突时间TTC_k,i,j根据公式：

l_c为标准车长，默认取4.5m。

判断车辆间冲突时间判断车辆间的冲突风险，冲突风险的判断条件：

因为v_30,1,1≥v_30,1,2，所以TTC_30,1,1＝∞>2s，无风险；因为v_30,1,3<v_30,1,4，所以

1.5s<TTC_30,1,3≤2.0s，低风险；1.0s<TTC_30,2,3＝1.26s≤1.5s，中风险；0.0s<TTC_30,1,1＝0.9s≤1.0s，高风险；其余TTC_30,i,j＝∞，无风险。

因此第30次采集中低风险的数量N_30,l＝1；第30次采集中中风险的数量N_30,m＝1；第30次采集中高风险的数量N_30,h＝1；

步骤S2和S3已经重复了30次，k＝N＝30，达到集计时间间隔，开始对数据进行集计处理。

S4、机器人当前时刻运行区间的年事故总和，机器人当前的巡检速度V_o＝20km/h,运行区间为机器人当前时刻所在位置前后各N·t·V_o＝30×10s×20km/h＝1.67km的范围，该范围内最近一年的历史事故数N_year＝25，月平均事故数N_mon根据公式计算：

N_mon>6.0，事故修正系数f_s取1.0；4.0＜N_mon≤6.0，事故修正系数f_s取0.9；2.0＜N_mon≤4.0，事故修正系数f_s取0.8；N_mon≤2.0，事故修正系数f_s取0.7；

因为2.0＜N_mon＝2.08≤4.0，所以事故修正系数f_s＝0.8。

S5、统计集计时间间隔内的交通流密度、交通流速度和流量，计算交通流密度修正系数、交通流速度修正系数和流量修正系数；30次采集到的数据如下表所示：

表2 30次采集到的道路数据信息

交通流阻塞密度K_j＝70p cu/km；交通流密度K和交通流密度修正系数f_K，根据公式计算：

道路限速v_max＝90km/h，计算交通流速度v和交通流速度修正系数f_v，依据公式：

道路的实际通行能力C＝1600pcu/h，交通流流量Q和交通流流量修正系数f_Q，依据公式计算：

Q＝Kv＝21.88×52.67＝1152pcu/h

步骤S5-2、计算车道占有率差异系数、车道速度差异系数，计算车道占有率差异系数f_O，根据公式

计算车道速度差异系数f_cv，根据公式

机器人30次数据采集得到的低风险的数量N_k,l、中风险的数量N_k,m和高风险的数量N_k,h数量如下表所示：

表3 30次数据采集得到的低、中、高风险数量统计

风险系数f_r根据公式计算；

S6、根据交通流密度修正系数、交通流速度修正系数、流量修正系数、车道占有率差异系数、车道速度差异系数和风险系数确定机器人巡检速度V，机器人巡检速度V根据公式计算：

机器人改变巡检速度，将以16.47km/h的速度运行，后台清空存储的车辆编号信息，返回步骤S2。

Claims (8)

1.一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，包括以下步骤：

步骤1：确定机器人运行的最大速度、数据采集时间间隔和数据集计时间间隔，并根据机器人与路面的距离和机器人摄像头的拍摄角度计算数据采集的空间范围；

步骤2：在每个采集时间间隔内采集一次车辆的位置、车道和速度信息，对车辆进行编号，并计算所述采集时间间隔范围内的车辆数、车道占有率和各车道平均速度；

步骤3：根据所采集的车辆的位置、车道和速度信息，计算车辆间的冲突时间并判断冲突风险；重复步骤2和步骤3直至达到集计时间间隔；

步骤4：统计机器人当前时刻运行区间的年事故总和，计算月平均事故数，并确定事故修正系数；

步骤5：统计集计时间间隔内的交通流密度、交通流速度和流量，计算交通流密度修正系数、交通流速度修正系数和流量修正系数，并计算车道占有率差异系数、车道速度差异系数和风险系数；

步骤6：根据交通流密度修正系数、交通流速度修正系数、流量修正系数、车道占有率差异系数、车道速度差异系数和风险系数确定机器人巡检速度，机器人改变巡检速度，清空车辆编号信息，返回步骤2。

2.根据权利要求1所述的一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，所述根据机器人与路面的距离和机器人摄像头的拍摄角度计算数据采集的空间范围，采用以下公式：

L＝2H·tanα，

式中，L为数据采集的空间范围，H为机器人与路面的距离，α为机器人所配备摄像头的拍摄角度的1/2。

3.根据权利要求1所述的一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，所述在每个采集时间间隔内采集一次车辆的位置、车道和速度信息，对车辆进行编号，并计算该时刻采集范围内的车辆数、车道占有率和各车道平均速度，包括以下步骤：

机器人识别车辆，对识别到的车辆进行编号，第k的采集间隔内第i个车道的第j辆车的编号为k-i-j，车道总数为n_y，并采集车辆的位置x_k,i,j、车道i和速度v_k,i,j；

统计所述采集时间间隔范围内第i车道的车辆数为n_k,i，根据以下公式，计算第i车道的车道占有率和路段占有率：

式中，O_k,i为第i车道的车道占有率，O_k为路段占有率，l为饱和车头间距；

根据以下公式，计算第i车道的车道平均速度和路段平均速度：

式中，v_k,i为第i车道的平均速度，v_k为路段平均速度。

4.根据权利要求1所述的一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，所述根据所采集的车辆的位置、车道和速度信息，计算车辆间的冲突时间并判断冲突风险，包括以下步骤：

根据以下公式，计算车辆间的冲突时间，并判断冲突风险，车辆间的冲突时间TTC_k,i,j根据公式：

式中，TTC_k,i,j为车辆间的冲突时间，x_k,i,j为车辆的位置，i为车道，v_k,i,j为车辆的速度，l_c为标准车长；

根据以下模型，判断车辆间的冲突风险：

5.根据权利要求1所述的一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，所述运行区间为机器人当前时刻所在位置前后各N·t·V_o的范围，其中，N·t为数据集计时间间隔，V_o为机器人当前的巡检速度。

6.根据权利要求1所述的一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，所述计算月平均事故数，并确定事故修正系数，包括：

根据以下公式，计算月平均事故数：

式中，N_mon为月平均事故数，N_year为该范围内最近一年的历史事故数；

N_mon>6.0，事故修正系数f_s取1.0；4.0＜N_mon≤6.0，事故修正系数f_s取0.9；2.0＜N_mon≤4.0，事故修正系数f_s取0.8；N_mon≤2.0，事故修正系数f_s取0.7。

7.根据权利要求1所述的一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，所述计算交通流密度修正系数、交通流速度修正系数和流量修正系数，并计算车道占有率差异系数、车道速度差异系数和风险系数，包括：

根据以下公式，计算交通流密度和交通流密度修正系数：

式中，K为交通流密度，f_K为交通流密度修正系数，N为达到集计时间间隔所需要重复采集车辆的位置、车道和速度信息的次数，l为饱和车头间距，k为采集间隔编号，O_k为路段占有率，K_j为交通流阻塞密度；

根据以下公式，计算交通流速度和交通流速度修正系数：

式中，v为交通流速度，f_v为交通流速度修正系数，v_max为道路限速；

根据以下公式，计算交通流流量和交通流流量修正系数：

Q＝Kv；

f_Q＝1-Q/C；

式中，Q为交通流流量，f_Q为交通流流量修正系数，C为道路的实际通行能力；

根据以下公式，计算车道占有率差异系数：

式中，f_O,k为第k次采集数据时的车道占有率差异系数，f_O为车道占有率差异系数，n_y为车道总数，O_k为路段占有率；

根据以下公式，计算车道速度差异系数：

式中，f_cv,k为第k次采集数据时的车道速度差异系数，f_cv为车道速度差异系数；

根据以下公式，计算风险系数；

式中，f_r为风险系数，N_k,l为第k次采集中低风险的数量，N_k,m为第k次采集中中风险的数量，N_k,h为第k次采集中高风险的数量，n_k,i为采集时间间隔范围内第i车道的车辆数。

8.根据权利要求1所述的一种面向交通运行安全的隧道机器人巡检速度控制方法，其特征在于，所述根据交通流密度修正系数、交通流速度修正系数、流量修正系数、车道占有率差异系数、车道速度差异系数和风险系数确定机器人巡检速度，包括：

根据以下公式，计算机器人巡检速度：

式中，V为机器人巡检速度，f_K为交通流密度修正系数，f_v为交通流速度修正系数，f_Q为流量修正系数，f_O为车道占有率差异系数，f_cv为车道速度差异系数，f_r为风险系数，v_max为道路限速。

Images