留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

车车通信环境下考虑交通拥堵状态的碰撞时间混合分布建模研究

赖子良 王江锋 李晔 刘兴华

赖子良, 王江锋, 李晔, 刘兴华. 车车通信环境下考虑交通拥堵状态的碰撞时间混合分布建模研究[J]. 交通信息与安全, 2022, 40(2): 53-62. doi: 10.3963/j.jssn.1674-4861.2022.02.007
引用本文: 赖子良, 王江锋, 李晔, 刘兴华. 车车通信环境下考虑交通拥堵状态的碰撞时间混合分布建模研究[J]. 交通信息与安全, 2022, 40(2): 53-62. doi: 10.3963/j.jssn.1674-4861.2022.02.007
LAI Ziliang, WANG Jiangfeng, LI Ye, LIU Xinghua. A Time-to-collision Hybrid Distribution Model Considering Congestion Under a Vehicle-to-vehicle Communication Environment[J]. Journal of Transport Information and Safety, 2022, 40(2): 53-62. doi: 10.3963/j.jssn.1674-4861.2022.02.007
Citation: LAI Ziliang, WANG Jiangfeng, LI Ye, LIU Xinghua. A Time-to-collision Hybrid Distribution Model Considering Congestion Under a Vehicle-to-vehicle Communication Environment[J]. Journal of Transport Information and Safety, 2022, 40(2): 53-62. doi: 10.3963/j.jssn.1674-4861.2022.02.007

车车通信环境下考虑交通拥堵状态的碰撞时间混合分布建模研究

doi: 10.3963/j.jssn.1674-4861.2022.02.007
基金项目: 

国家自然科学基金项目 61973028

国家自然科学基金项目 71961137006

“车联网”教育部-中国移动联合实验室开放基金项目 ICV-KF2019-01

详细信息
    作者简介:

    赖子良(1998—),硕士研究生. 研究方向: 交通设计、规划与管理. E-mail: 1194786267@qq.com

    通讯作者:

    王江锋(1976—),博士,教授. 研究方向: 智能交通、车路协同. E-mail: wangjiangfeng@bjtu.edu.cn

  • 中图分类号: U491.2

A Time-to-collision Hybrid Distribution Model Considering Congestion Under a Vehicle-to-vehicle Communication Environment

  • 摘要: 碰撞时间(TTC)是评价车车碰撞风险的有效指标,然而该指标分布规律受到交通状态影响。为研究车车(V2V)通信环境下不同交通状态的TTC分布规律,通过构建基于LTE-V技术的车车通信环境,开展实车实验获取4种典型城市道路中的驾驶数据。考虑加速度和航向角建立动态冲突辨识模型,计算车辆以任意角度接近时的TTC值;针对TTC值的结果出现多峰值现象,将交通流分为“拥堵、缓行、畅通”这3种状态,构建了考虑交通流状态的高斯混合模型以描述不同交通状态下的TTC分布规律,并采用最大期望(EM)算法进行参数求解。将所建高斯混合模型与负指数分布、对数正态分布、负指数/对数正态混合分布这3种传统的TTC分布模型进行对比,采用校正决定系数R2评价模型的拟合优度,并通过K-S检验验证模型的有效性。在此基础上,将所建高斯混合模型应用于非车车通信条件下不同交通状态的TTC分布拟合描述,进一步验证模型的适用性。结果表明:车车通信环境下“拥堵、缓行、畅通”这3种交通状态下的高斯分布均值逐渐增大,所处交通场景的碰撞风险依次降低;考虑交通状态的TTC高斯混合模型拟合优度为0.950 5,相较于其他TTC混合分布模型,拟合优度提升了0.057 5。

     

  • 图  1  车辆圆半径示意图

    Figure  1.  Description of vehicle circle radius

    图  2  车辆碰撞时相对位置关系图

    Figure  2.  Relative position in case of vehicle collision

    图  3  EM算法主要流程

    Figure  3.  The main flow of EM algorithm

    图  4  外场实验道路

    Figure  4.  The field experimental road

    图  5  车车通信环境下4种等级道路的TTC分布拟合结果

    Figure  5.  TTC distributions fitting results of four grades of urban roads in V2V communication

    图  6  不同环境下GMM拟合结果

    Figure  6.  GMM fitting results in different environments

    表  1  实验组 & 对照组 & 背景车辆组的模型输入数据

    Table  1.   Input data of experimental group, control group, and background group

    输入数据 数据含义 单位
    x 前车与后车的横向相对距离 m
    y 前车与后车的纵向相对距离 m
    Vx1/Vx2 前车/后车的横向速度 m/s
    Vy1/Vy2 前车/后车的纵向速度 m/s
    ax1/ax2 前车/后车的横向加速度 m/s2
    ay1/ay2 前车/后车的纵向加速度 m/s2
    α1/α2 前车/后车航向角 (°)
    w1/ w2 前车/后车角速度 (°)/s
    下载: 导出CSV

    表  2  车车通信环境各等级道路TTC的数据量分布

    Table  2.   The number of TTC values of each grade road in V2V communication

    道路等级 tTTC/s的数据量
    (0, 50 s] (50, 100 s] (100, 150 s] (150, 200 s] (200, 250 s] (250, 300 s] (300, 400 s] (400, 500 s] (500, 600 s] (600, 700 s]
    快速路 4 045 28 5 3 2 0 2 1 2 1
    主干路 3 117 16 6 6 3 2 2 1 0 0
    次干路 1 345 23 10 3 4 3 5 0 0 1
    支路 1 641 12 15 1 0 1 3 2 0 0
    下载: 导出CSV

    表  3  车车通信环境各等级道路TTC计算结果

    Table  3.   TTC calculation results of each grade road in V2V communication

    道路等级 原始数据量 有效tTTC 最小值/s 概率密度峰值/s 均值/s 标准差/s
    快速路 8 756 4 045 1.625 8.879 12.774 8.104
    主干路 5 462 3 117 1.537 8.514 12.192 7.655
    次干路 3 849 1 345 1.156 8.468 11.791 10.225
    支路 4 327 1 641 1.228 8.285 11.455 8.683
    下载: 导出CSV

    表  4  实验组 & 对照组 & 背景车辆组TTC计算结果

    Table  4.   TTC calculation results of experimental group, control group, and background group

    分组情况 原始数据量 有效tTTC 最小值/s 概率密度峰值/s 均值/s 标准差/s
    实验组 20 927 9 906 1.156 8.012 11.402 8.102
    对照组 20 668 9 938 1.735 7.362 13.235 8.948
    背景车辆组 1 020 413 1.071 7.528 14.352 11.654
    下载: 导出CSV

    表  5  车车通信环境各等级道路TTC拟合参数结果

    Table  5.   TTC fitting parameters of different levels' roads in V2V communication

    模型 参数 快速路 主干路 次干路 支路
    负指数分布 λ 0.077 8 0.081 0 0.083 7 0.078 9
    adj.R2 0.346 0 0.283 9 0.325 4 0.240 5
    μ 2.213 0 2.167 4 2.041 2 2.121 0
    对数正态分布 σ 0.544 6 0.513 2 0.616 2 0.567 6
    adj.R2 0.850 9 0.833 2 0.827 0 0.824 8
    w 0.182 0 0.314 2 0.468 4 0.218 0
    负指数/对数 λ' 0.047 5 0.061 7 0.055 9 0.038 2
    正态 μ' 2.170 5 2.102 3 1.895 1 2.051 9
    混合分布 σ' 0.480 5 0.394 9 0.332 8 0.482 1
    adj.R2 0.887 2 0.900 3 0.889 1 0.893 0
    w1 0.512 2 0.535 1 0.583 8 0.603 3
    w2 0.306 6 0.350 9 0.292 0 0.280 6
    w3 0.181 2 0.114 0 0.124 2 0.116 1
    μ1 8.240 2 7.974 3 7.113 3 6.982 0
    高斯混合分布 μ2 14.194 6 15.690 6 15.124 8 13.977 5
    μ3 24.755 6 26.953 9 23.369 8 29.704 6
    σ1 4.434 9 6.036 6 5.403 2 5.339 0
    σ2 10.401 1 17.762 2 23.810 9 21.992 4
    σ3 89.776 0 77.872 4 68.359 6 115.072 5
    adj.R2 0.937 2 0.935 9 0.917 0 0.950 5
    下载: 导出CSV

    表  6  种模型K-S检验结果

    Table  6.   K-S test results of the four models

    道路等级 样本量 p-value
    负指数分布 对数正态分布 负指数/ 对数正态混合分布 高斯混合分布
    快速路 4 045 7.584×10-3/不通过 0.086 4/通过 0.108 3/通过 0.162 1/通过
    主干路 3 117 6.305×10-3/不通过 0.109 7/通过 0.135 8/通过 0.173 9/通过
    次干路 1 345 9.016×10-5/不通过 0.125 6/通过 0.136 5/通过 0.328 5/通过
    支路 1 641 4.792×10-4/不通过 0.073 1/通过 0.096 5/通过 0.142 8/通过
    下载: 导出CSV

    表  7  实验组 & 对照组 & 背景车辆组GMM参数及K-S检验结果

    Table  7.   Results of GMM fitting parameters and K-S test of experimental group, control group, and background group

    参数 实验组 对照组 背景车辆组
    w1 0.580 7 0.413 7 0.459 0
    w2 0.275 8 0.407 3 0.333 0
    w3 0.143 5 0.179 0 0.208 0
    μ1 7.084 5 7.567 1 7.715 8
    μ2 12.814 8 13.057 8 15.624 8
    μ3 26.154 8 27.429 2 34.234 2
    σ1 5.724 9 5.274 7 7.582 5
    σ2 17.806 8 17.106 7 29.910 1
    σ3 103.178 8 112.246 3 121.185 6
    样本量 9 906 9 938 413
    adj.R2 0.923 7 0.940 3 0.759 4
    p-value 0.215 7 0.346 0 0.073 1
    检验结果 通过 通过 通过
    下载: 导出CSV
  • [1] HAYWARD J C. Near-miss determination through use of a scale of danger[R]. Washington, D. C. : Highway Research Board, 1972.
    [2] VOGEL K. A comparison of headway and time to collision as safety indicators[J]. Accident Analysis & Prevention, 2003, 35(3): 427-433.
    [3] MILANES V, PEREZ J, GODOY J, et al. A fuzzy aid rear-end collision warning/avoidance system[J]. Expert Systems with Applications, 2012, 39(10): 9097-9107. doi: 10.1016/j.eswa.2012.02.054
    [4] NADIMI N, RAGLAND D R, AMIRI A M, et al. An evaluation of time-to-collision as a surrogate safety measure and a proposal of a new method for its application in safety analysis[J]. Transportation Letters-The International Journal of Transportation Research, 2020, 12(7): 491-500.
    [5] 吴子祥, 黄合来, 陈吉光, 等. 视线遮挡条件下面向弱势道路使用者的避撞策略研究[J]. 交通信息与安全, 2021, 39(4): 9-15+34. https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS202104003.htm

    WU Z X, HUANG H L, CHEN J G, et al. A study on collision avoidance strategy for vulnerable road users under visual obstruction[J]. Journal of Transport Information and Safety, 2021, 39(4): 9-15+34. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS202104003.htm
    [6] SAFFARZADEH M, NADIMI N, NASERALAVI S, et al. A general formulation for time-to-collision safety indicator[J]. Proceedings of the Institution of Civil Engineers-Transport, 2013, 166(5): 294-304. doi: 10.1680/tran.11.00031
    [7] HUANG C M, LIN S Y. An advanced vehicle collision warning algorithm over the DSRC communication environment: an advanced vehicle collision warning algorithm[C]. IEEE 27th International Conference on Advanced Information Networking and Applications(IEEE AINA), Barcelona, Spain: IEEE Computer Society, 2013.
    [8] 刘庆华, 邱修林, 谢礼猛, 等. 基于行驶车速的车辆防撞时间预警算法[J]. 农业工程学报, 2017, 33(12): 99-106. https://www.cnki.com.cn/Article/CJFDTOTAL-NYGU201712013.htm

    LIU Q H, QIU X L, XIE L M, et al. Early warning algorithm of vehicle anti-collision time based on driving speed[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(12): 99-106. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-NYGU201712013.htm
    [9] ZHAO X M, JING S C, HUI F, et al. DSRC-based rear-end collision warning system-an error-component safety distance model and field test[J]. Transportation Research Part C: Emerging Technologies, 2019, 107(10): 92-104.
    [10] 石建军, 汪旭, 付玉. 基于车联网的车辆纵向碰撞分级预警研究[J]. 重庆交通大学学报(自然科学版), 2020, 39(9): 1-7. https://www.cnki.com.cn/Article/CJFDTOTAL-CQJT202009001.htm

    SHI J J, WANG X, FU Y. Hierarchical early warning of vehicle longitudinal collision based on internet of vehicles[J]. Journal of Chongqing Jiaotong University(Natural Science), 2020, 39(9): 1-7. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CQJT202009001.htm
    [11] 迟仲达. 基于车路协同技术的车辆防碰撞预警系统开发[D]. 长春: 吉林大学, 2012.

    CHI Z D. Development of vehicle collision warning system based on intelligent vehicle infrastructure cooperative technology[D]. Changchun: Jilin University, 2012. (in Chinese)
    [12] SENGUPTA R, REZAEI S, SHLADOVER S E, et al. Cooperative collision warning systems: Concept definition and experimental implementation[J]. Journal of Intelligent Transportation Systems, 2007, 11(3): 143-155. doi: 10.1080/15472450701410452
    [13] 赵晓翠, 杨峰, 邓宝. 高速公路互通立交分流区车头时距分布[J]. 公路交通科技, 2012, 29(2): 136-139. https://www.cnki.com.cn/Article/CJFDTOTAL-GLJK201202025.htm

    ZHAO X C, YANG F, DENG B. Headway distribution characteristics of diverging area on expressway interchanges[J]. Journal of Highway and Transportation Research and Development, 2012, 29(2): 136-139. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GLJK201202025.htm
    [14] 王畅, 付锐, 张琼, 等. 换道预警系统中参数TTC特性研究[J]. 中国公路学报, 2015, 28(8): 91-100+108. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201508013.htm

    WANG C, FU R, ZHANG Q, et al. Research on parameter TTC characteristics of lane change warning system[J]. China Journal of Highway and Transport, 2015, 28(8): 91-100+108. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201508013.htm
    [15] 王颖, 方志纯, 简注清, 等. 车辆荷载特性影响下的碰撞时间分布规律[J]. 交通运输系统工程与信息, 2020, 20(5): 240-246. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT202005035.htm

    WANG Y, FANG Z C, JIAN Z Q, et al. Effect of vehicle load characteristics on distributions of time-to-collision[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(5): 240-246. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT202005035.htm
    [16] 王江锋, 熊慧媛, 徐亮, 等. 考虑风险等级的车车通信MTTC混合分布模型[J]. 哈尔滨工业大学学报, 2021, 53(9): 53-61. https://www.cnki.com.cn/Article/CJFDTOTAL-HEBX202109007.htm

    WANG J F, XIONG H Y, XU L, et al. Mixed distribution model of modified time-to-collision considering risk levels in vehicle-to-vehicle communication[J]. Journal of Harbin Institute of Technology, 2021, 53(9): 53-61. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-HEBX202109007.htm
    [17] GAN X F, WENG J X, LUO J B. Finite mixture distribution method to model vehicle headways at port collector-distributor roads[J]. Journal of Transportation Engineering, Part A: Systems, 2021, 147(12): 04021084.
    [18] 王福建, 戴美伟, 孙凌涛, 等. 基于多类跟驰行为的车头时距混合分布模型[J]. 浙江大学学报(工学版), 2015, 49(7): 1288-1294. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDZC201507013.htm

    WANG F J, DAI M W, SUN L T, et al. Mixed distribution model of vehicle headway based on multiclass car following[J]. Journal of Zhejiang University(Engineering Science), 2015, 49(7): 1288-1294. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZDZC201507013.htm
    [19] 崔会芬, 楚彭子, 杨京帅, 等. 城市平面交叉口交通冲突影响因素分析[J]. 武汉理工大学学报(交通科学与工程版), 2017, 41(5): 762-765. https://www.cnki.com.cn/Article/CJFDTOTAL-JTKJ201705010.htm

    CUI H F, CHU P Z, YANG J S, et al. Analysis on influencing factors of traffic conflict at urban grade intersection[J]. Journal of Wuhan University of Technology(Transportation Science & Engineering), 2017, 41(5): 762-765. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JTKJ201705010.htm
    [20] 唐敏, 王东强, 曾鑫钰. 汽车碰撞预警主动安全预测方法[J]. 计算机科学, 2020, 47(4): 318-322. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJA202004049.htm

    TANG M, WANG D Q, ZENG X Y. Active safety prediction method for automobile collision warning[J]. Computer Science, 2020, 47(4): 318-322. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JSJA202004049.htm
    [21] GOKGOZ T, HACAR M, MEMDUHOGLU A, et al. An experimental study on map projection transformation using GIS tools[J]. Sigma Journal of Engineering and Natural Sciences-Sigma Muhendislik ve Fen Bilimleri Dergisi, 2017, 35(1): 101-117.
    [22] 马瑄. 基于改进DBSCAN算法和K-S检验的收视数据集异常检测方法[D]. 北京: 北京邮电大学, 2021.

    MA X. Anomaly detection method based on improved DBSCAN algorithm and K-S test[D]. Beijing: Beijing University of Posts and Telecommunications, 2021. (in Chinese)
    [23] 蒋硕然, 陈亚瑞, 秦智飞, 等. 基于KS检验的高斯混合模型分裂与合并算法[J]. 中国科学技术大学学报, 2018, 48(6): 477-485. https://www.cnki.com.cn/Article/CJFDTOTAL-ZKJD201806006.htm

    JIANG S R, CHEN Y R, QIN Z F, et al. Split and merge algorithm for Gaussian mixture model based on KS test[J]. Journal of University of Science and Technology of China, 2018, 48(6): 477-485. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZKJD201806006.htm
  • 加载中
图(6) / 表(7)
计量
  • 文章访问数:  968
  • HTML全文浏览量:  442
  • PDF下载量:  60
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-08-31
  • 网络出版日期:  2022-05-18

目录

    /

    返回文章
    返回