基于多变量和贝叶斯网络的交通冲突评估方法及系统

本发明涉及交通控制系统，特别是涉及基于多变量和贝叶斯网络的交通冲突评估方法及系统。

背景技术：

1、交通冲突的产生源于车辆在道路上行驶时的复杂互动和相互影响，在合流区，这种冲突进一步加剧。初始阶段，合流车辆需要从平行式加速车道汇入主线车道，而此时主线车道上可能存在着高速行驶的车辆。合流车辆与主线车道车辆之间的速度差异和位置关系不同，可能导致种种问题。随着合流车辆努力与主线车道车辆同步，最终融入交通流，使得冲突逐渐减少，但如果操作不当或者合流区交通流量大，冲突仍有可能发展成事故。

2、合流区冲突可以定义为在合流车辆与主线车辆之间，或合流车辆与周围车辆之间，发生的各种交通危险情况。按照冲突性质来划分，可将合流区的冲突划分为汇入车辆与主线车道前车的冲突、汇入车辆与主线车道后车的冲突。驾驶员的行为、交通流量、道路设计和交通管理等因素都可能影响冲突的产生和发展。

3、在交通冲突评估方面，主要有基于传感器、基于车辆间通信和基于仿真模拟的交通冲突评估，这些研究成果为本研究交通冲突的评估提供了重要的理论和技术支持。通过识别、评估和预测交通冲突，有利于交通事故的提前预警，减少交通事故的发生次数，提高道路交通安全性。

4、目前大多数交通冲突研究背景集中在合流区域中交叉口和主要路段两个部分，鲜有其它部分的研究，尤其是对于路侧感知的合流区冲突研究。因此现有的研究成果无法保证，其是否适用于合流区所有区域范围内的交通冲突的评估，该结果需要进行更深层次的验证。这使得目前大多数研究很难服务于合流区整体智能管控的发展，合流区产生的研究结果真实性有待提高，在真实道路环境下成功应用仍然存在挑战和困难。

技术实现思路

1、为了解决现有技术的不足，本发明提供了基于多变量和贝叶斯网络的交通冲突评估方法及系统。

2、一方面，提供了基于多变量和贝叶斯网络的交通冲突评估方法，包括：获取交通冲突历史数据；基于交通冲突历史数据，构建数据集；在数据集的构建过程中，对数据集进行分类处理，对分类后数据集中的缺失数据进行补充；将数据集划分为训练集和测试集；根据交通冲突历史数据中各个变量的有向连接关系，构成有向无环图；所述有向无环图，包括：节点集和边集，所述节点集为数据集中的数据；基于有向无环图，得到贝叶斯网络；基于训练集，对贝叶斯网络进行训练优化，网络的输入值是训练集的数据，网络的输出值是交通冲突发生的预测概率值；基于测试集，对贝叶斯网络进行测试，当测试指标均符合要求，表示训练后的贝叶斯网络符合要求，否则，更换训练集，再次训练；将待预测的交通数据，输入到训练后的贝叶斯网络，得到交通冲突发生的预测概率值。

3、另一方面，提供了基于多变量和贝叶斯网络的交通冲突评估系统，包括：获取模块，其被配置为：获取交通冲突历史数据；基于交通冲突历史数据，构建数据集；在数据集的构建过程中，对数据集进行分类处理，对分类后数据集中的缺失数据进行补充；将数据集划分为训练集和测试集；网络构建模块，其被配置为：根据交通冲突历史数据中各个变量的有向连接关系，构成有向无环图；所述有向无环图，包括：节点集和边集，所述节点集为数据集中的数据；基于有向无环图，得到贝叶斯网络；训练模块，其被配置为：基于训练集，对贝叶斯网络进行训练优化，网络的输入值是训练集的数据，网络的输出值是交通冲突发生的预测概率值；测试模块，其被配置为：基于测试集，对贝叶斯网络进行测试，当测试指标均符合要求，表示训练后的贝叶斯网络符合要求，否则，更换训练集，再次训练；预测模块，其被配置为：将待预测的交通数据，输入到训练后的贝叶斯网络，得到交通冲突发生的预测概率值。

4、上述技术方案具有如下优点或有益效果：（1）为了提高模型的评估精度，数据层将数据进行分类处理，利用目标节点与观测节点之间的关系建立贝叶斯网络，并进行参数估计，根据贝叶斯网络和参数估计结果展开贝叶斯推理。预测交通冲突发生的可能性大小，形成基于多变量贝叶斯层级网络的交通冲突评估方法，有利于评估交通冲突的严重程度的准确性和精度提高。（2）数据分类处理的精确率达到84%，mape为3.5%，有效的提高模型的评估性能，评估精度较原来提高了大约15%，且模型实现了合流区变量级的交通冲突评估，为识别交通系统中潜在的冲突因素提供了有力支持。

技术特征：

1.基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，包括：

2.如权利要求1所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，基于交通冲突历史数据，构建数据集；在数据集的构建过程中，对数据集进行分类处理，对分类后数据集中的缺失数据进行补充，其中，分类处理是指：对每一个因素参数进行分类，划分为产生交通冲突类别和不产生交通冲突类别；所述分类处理，包括：计算信息熵；基于信息熵，计算信息增益；选择信息增益值最大的点作为分割点，对数据进行分类。

3.如权利要求2所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，计算信息熵，包括：信息熵的定义公式为：

4.如权利要求3所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，基于信息熵，计算信息增益，包括：

5.如权利要求1所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，根据交通冲突历史数据中各个变量的有向连接关系，构成有向无环图，所述有向无环图，包括：节点集和边集，所述节点集为数据集中的数据；所述节点包括：汇入车辆与前车的相对速度节点、汇入车辆与后车的相对速度节点、第一差值节点、汇入车辆的速度节点、汇入车辆与前车的距离节点、汇入车辆与后车的距离节点、汇入车辆的汇入时间节点、汇入车辆与前车的相对距离节点、汇入车辆与后车的相对距离节点、和第二差值节点；其中，所述第一差值，是指：汇入车辆与前车的相对速度和汇入车辆与后车的相对速度之间的差值；所述第二差值，是指：汇入车辆与前车的相对距离和汇入车辆与后车相对距离之间的差值。

6.如权利要求5所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，所述边集，是指，节点与节点之间是否存在关系，如果存在关系，则两个节点之间存在相互连接的边，否则，两个节点之间不存在相互连接的边；

7.如权利要求1所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，基于训练集，对贝叶斯网络进行训练优化，网络的输入值是训练集的数据，网络的输出值是交通冲突发生的预测概率值，具体包括：对贝叶斯网络进行训练优化，训练集的数据指汇入速度，汇入距离，相对速度和相对距离；

8.如权利要求1所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，所述对贝叶斯网络进行测试之后，所述将待预测的交通数据，输入到训练后的贝叶斯网络之前还包括：

9.如权利要求8所述的基于多变量和贝叶斯网络的交通冲突评估方法，其特征是，所述是否发生合流车辆与目标车道前车之间的冲突，判断标准是：

10.基于多变量和贝叶斯网络的交通冲突评估系统，其特征是，包括：

技术总结本发明涉及交通控制系统技术领域，特别是涉及基于多变量和贝叶斯网络的交通冲突评估方法及系统，其中方法包括：获取交通冲突历史数据；基于交通冲突历史数据，构建数据集；根据交通冲突历史数据中各个变量的有向连接关系，构成有向无环图；所述有向无环图，包括：节点集和边集，所述节点集为数据集中的数据；基于有向无环图，得到贝叶斯网络；基于训练集，对贝叶斯网络进行训练优化，网络的输入值是训练集的数据，网络的输出值是交通冲突发生的预测概率值；基于测试集，对贝叶斯网络进行测试；将待预测的交通数据，输入到训练后的贝叶斯网络，得到交通冲突发生的预测概率值。提高了评估交通冲突的严重程度的准确性和精度。技术研发人员：王建柱,岳庭如,马昌喜,吴建清,田源,杜聪,张朔,郭洪宇,张梅,吕斌受保护的技术使用者：山东大学技术研发日：技术公布日：2024/10/17