一种基于智能网联的公交车驾驶风险评估预警系统及方法与流程

本发明涉及智慧交通，特别是一种基于智能网联的公交车驾驶风险评估预警系统及方法。

背景技术：

1、“弱势交通参与者”是指在交通出行领域中，具有较低交通安全保障的人员，包括行人、自行车等非机动车骑手、残疾人、儿童、老年人等群体。这些人员在交通事故中，特别是在通过复杂路口时更容易受到伤害，因此需要更多的保护措施。

2、现阶段的公交车虽然随着通信技术发展具有多种智能网联功能，但是传统的网联公交车在人车路的协同交互中还有所欠缺，体现在传统的公交车辆通过复杂路口时，往往采用的是公交车辆上的传感器或雷达进行信息的采集和处理，对复杂路口的交通参与者类型、状态距离、行为等信息没有分析，从而导致传统公交车在通过复杂路口时，难以面对突如其来的风险，即难以提前做出决策进行风险评估预警优化，为此我们提出一种基于智能网联的公交车驾驶风险评估预警系统及方法。

技术实现思路

1、鉴于上述现有的公交车在驾驶中存在的问题，提出了本发明。

2、因此，本发明其中的一个目的是提供一种基于智能网联的公交车驾驶风险评估预警系统及方法，其利用人车路的协同交互系统构建，可对复杂路口的弱势交通参与者进行全方位高精度检测和识别的功能，可提前做出决策进行风险评估预警优化，减少交通事故发生的概率，提高了智慧交通实施的安全性，并改善了路侧边缘ai计算，能够提高风险预测的准确性和智能化应用。

3、为解决上述技术问题，本发明提供如下技术方案：

4、一方面，本发明提供一种基于智能网联的公交车驾驶风险评估预警系统，包括：

5、车载端，包括设于车内obu设备，所述obu设备用于生成交互状态信息；

6、路测端，包括智能路侧设备模块、路侧边缘计算模块和rsu设备模块；

7、所述智能路侧设备模块用于路测端路口信息的采集，包括安装于交通杆上的信号机、摄像头和激光雷达；

8、所述路侧边缘计算模块用于智能路侧设备模块的接入、路口信息数据处理以及ai计算，且路侧边缘计算模块包括用于获取所述路口信息的获取单元、用于所述路口信息处理的数据处理单元、模型构建单元和风险分析单元；所述路口信息包括信号机信息、摄像头图像信息和激光雷达数据信息；

9、所述模型构建单元用于对复杂路口进行弱势交通参与者的识别以及对应的运动状态预测，并响应交互状态信息生成交互状态后，构建分布式路口风险评估模型；

10、所述风险分析单元用于接收并响应所述分布式路口风险评估混合模型的预测数据，计算当前风险值且确定风险因素，采用迭代决策树模型划分弱势交通参与者从无风险到高度危险的人群；

11、公交车中心云平台，用于接收所述车载端和路测端的上传的数据，并响应当前所述风险值以及风险因素，根据风险预设阈值的范围判断后生成相应的是否让行的状况，并下发至所述obu设备以提醒公交车驾驶员。

12、作为本发明的一种优选方案，其中：所述模型构建单元对复杂路口进行弱势交通参与者的识别具体地，将摄像头采集的图像信息传输至路侧边缘计算模块，所述路侧边缘计算模块通过yolov3模型对复杂路口范围内存在的人员和交通车辆，进行弱势交通参与者的识别，形成弱势交通参与者的类别型特征信息；

13、所述运动状态预测具体地，将激光雷达采集的弱势交通参与者数据信息传输至路侧边缘计算模块，所述路侧边缘计算模块通过建立弱势交通参与者的lstm模型，并对lstm模型进行训练后，形成弱势交通参与者的运动状态信息；

14、所述响应交互状态信息生成交互状态具体地，将obu设备采集的公交车车辆信息传输至路侧边缘计算模块，所述路侧边缘计算模块对所述交互状态信息进行路口避让距离的计算，形成弱势交通参与者的交互状态信息；

15、同时将当前生成的弱势交通参与者的类别型特征信息、运动状态信息以及交互状态信息上传至公交车中心云平台中进行缓存。

16、作为本发明的一种优选方案，其中：所述模型构建单元构建分布式路口风险评估模型具体基于模糊贝叶斯网络进行分布式路口风险评估；

17、根据所述路口信息和交互状态信息形成的历史数据后，构建分布式路口风险评估的贝叶斯网络的网络结构，所述贝叶斯网络的网络结构包括路口监测信息根节点、中间风险节点以及路口风险叶节点；

18、确定分布式路口风险评估的贝叶斯网络的网络结构后，计算每个节点的概率分布，具体地对确定的网络结构计算每个节点的概率分布，包括对路口监测信息根节点的先验概率分布和中间风险节点的条件概率分布；

19、其中，对路口监测信息根节点的先验概率分布通过下式计算，如下：

20、

21、其中，p表示先验概率值，xi表示第i个样本，μq(xi)表示第i个样本对应于第q种状态的隶属度，n为第i个样本的项数，λ表示一致性检验参数。

22、作为本发明的一种优选方案，其中：所述路侧边缘计算模块还包括用于优化弱势交通参与者的类别型特征的类别型特征优化单元；

23、所述类别型特征优化单元采用对分类变量进行无偏处理的提升树模型，在构建分布式路口风险评估模型前，采用greedy ts策略对弱势交通参与者的类别型特征进行处理，即通过添加先验分布项做平滑处理，具体如下：

24、将特征集矩阵化为原始数据集；

25、对样本集x进行随机排序，序列表示为σ＝(σ1，σ2，…，σn)；

26、样本xi的第k个维度特征xik为类别特征，通过下式计算对样本第k个维度特征xik调整后的特征值，如下：

27、

28、其中，表示为调整后的特征值，d＝{(xi,yi)}i＝1,...,n为训练样本集，di表示为序列中位于样本xi之前的样本集，且di＝{xj,σ(j)＜σ(i)}，当xjk＝xik时，di为1，当xjk≠xik时，di为0；yj为样本的真实标签，p为先验概率值，为先验概率值的权重系数。

29、作为本发明的一种优选方案，其中：所述弱势交通参与者的类别型特征信息为行人个体特征信息，其包括年龄、性别和运动姿态；

30、所述运动状态信息包括弱势交通参与者当前位置和速度；

31、所述的交互信息包括公交车辆当前位置、车速以及车型。

32、作为本发明的一种优选方案，其中：确定风险因素并计算当前风险值具体如下：

33、

34、其中，w1，w2，w3分别为类别型特征信息、运动状态信息和交互状态信息的权重系数；w1.a w2.b w3.c分别为类别型特征预测风险值、运动状态预测风险值和交互状态预测风险值；pm为当前风险值。

35、作为本发明的一种优选方案，其中：所述迭代决策树模型包括以下任一种：梯度提升决策树gbdt模型、adaboost决策树模型以及xgboost决策树模型。

36、作为本发明的一种优选方案，其中：所述划分弱势交通参与者从无风险到高度危险的人群具体地，基于风险因素并根据风险值设置阈值划分弱势交通参与者的人群，设定相应阈值划分人群为无风险、低风险、中风险、高风险弱势交通参与者；并根据监测时间变化，绘制风险值变化曲线以了解后续风险，针对不同风险的弱势交通参与者通过绘制风险值变化曲线，作为不同风险人群的预后风险信息。

37、一方面，本发明提供一种基于智能网联的公交车驾驶风险评估预警方法，包括：

38、路侧边缘计算模块通过获取单元获取obu设备的交互状态信息和智能路侧设备模块的路口信息监测数据的历史数据和待评估数据；

39、路侧边缘计算模块对复杂路口进行弱势交通参与者的识别以及对应的运动状态预测，并响应交互状态信息生成交互状态后，通过模型构建单元确定类别型特征、运动状态和交互状态的特征数据，构建贝叶斯网络网络结构，计算每个节点的概率分布以及待评估数据中各特征数据指标在监测数据的状态隶属度；

40、通过风险分析单元接收并响应所述分布式路口风险评估混合模型的预测数据，计算当前风险值且确定风险因素，采用迭代决策树模型划分弱势交通参与者从无风险到高度危险的人群；

41、公交车中心云平台响应当前所述风险值以及风险因素，根据风险预设阈值的范围判断后生成相应的是否让行的状况，并下发至所述obu设备以提醒公交车驾驶员。

42、还包括：通过路侧边缘计算模块的类别型特征优化单元在构建分布式路口风险评估模型前，采用对分类变量进行无偏处理的提升树模型，采用greedy ts策略对弱势交通参与者的类别型特征进行处理，即通过添加先验分布项做平滑处理，消除低频率类别型数据以及噪声数据对于数据集分布的影响。

43、本发明的有益效果：本发明利用人车路的协同交互系统构建，可对复杂路口的弱势交通参与者进行全方位高精度检测和识别的功能，可提前做出决策进行风险评估预警优化，此外针对性地对弱势交通参与者的特征类别进行数据优化，进一步地提高了识别的准确性，减少交通事故发生的概率，提高了智慧交通实施的安全性，并改善了路侧边缘ai计算，能够提高风险预测的准确性和智能化应用，同时基于端边、边边及云边协同，实现车联网业务的各级联动，满足不同业务场景多元化需求。