申请/专利权人：合肥工业大学

申请日：2023-09-28

公开（公告）日：2024-01-09

公开（公告）号：CN117373234A

主分类号：G08G1/01

分类号：G08G1/01;G08G1/017;G06N3/0442;G06N3/045;G06N3/0455;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明公开了一种安全场论下车辆与弱势道路使用者交互预测方法，涉及道路交通安全技术领域，包括将交叉口平面俯视图初始化一个n×m的网格区域，运用安全势能场理论获得每一帧视频的安全势能场网格图；基于注意力机制的CNN‑GRU混合神经网络构建交互预测模型，以安全势能场网格图作为模型输入，输出未来一段时间内的交互运动参数预测数据；并计算得到后侵入时间PET，从而对交互冲突进行定级；通过交互预测模型深入解构车辆与弱势道路使用者之间的交互行为机理，挖掘二者交互时行为存在的隐藏特性，从而提升预测准确性和可靠性，且通过后侵入时间PET实现对人车交互过程中的冲突风险进行量化。

主权项：1.一种安全场论下车辆与弱势道路使用者交互预测方法，其特征在于，包括以下步骤：1通过拍摄获取交叉口视频，并对拍摄视频进行预处理，通过视频预处理判断车辆、弱势道路使用者行驶走向，提取出处于运动状态车辆、弱势道路使用者的运动参数数据；2根据步骤1中提取出的同一帧下的车辆与弱势道路使用者信息，筛选出存在交互的车辆与弱势道路使用者，将筛选出的存在交互的车辆与弱势道路使用者的运动参数数据；3将交叉口平面俯视图初始化一个n×m的网格区域，运用安全势能场理论将空间交互关系表达为每个网格受存在交互的车辆与弱势道路使用者势能场的影响，计算出步骤2中筛选出的每一帧视频中的每个网格的安全势能大小，每个网格的安全势能大小为存在交互的车辆与弱势道路使用者在各网格形成的势能数值之和，获得每一帧视频的安全势能场网格图；4基于注意力机制的CNN-GRU混合神经网络构建交互预测模型，将步骤3中每一帧视频的安全势能场网格图作为模型输入，对模型进行训练；交互预测模型包括空间特征提取部分和时间特征提取部分，将每一帧的安全势能场网格图依次输入空间特征提取部分，输出为一个序列帧的特征向量，序列帧的特征向量与相同序列帧下的人车运动参数进行对应帧的拼接，形成“时间特征提取部分”的输入集，输入集作为“时间特征提取部分”的输入，通过编码过程、注意力机制以及解码过程，输出未来一段时间内的交互运动参数预测数据；5实时获取交叉口视频，将每一帧视频中存在交互的车辆与弱势道路使用者的空间交互关系用安全势能场网格图表达，将安全势能场网格图输入到训练好的基于注意力机制的CNN-GRU混合神经网络构建交互预测模型中，输出未来一段时间内的交互运动参数预测数据，根据未来一段时间内的交互运动参数预测数据计算得到后侵入时间PET，并根据后侵入时间PET对交互冲突进行定级。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种安全场论下车辆与弱势道路使用者交互预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD