基于驾驶员视觉负荷的快速路指路标志优化系统的制作方法

本发明涉及快速路指路标志，具体为基于驾驶员视觉负荷的快速路指路标志优化系统。

背景技术：

1、快速路指路标志作为城市道路交通指引的核心设施，其信息布局、字符参数、布设位置与配色方案直接决定驾驶员视觉负荷水平、路线判断效率及行车安全，是城市快速路交通管控与设施优化的关键环节；在城市快速路规模化运营场景中，从出入口预告、路段指引、枢纽分流到隧道、匝道衔接等关键路段，均需结合驾驶员视觉负荷状态开展指路标志合理性判定，通过采集路段历史监控、交通工况、标志布设等常规数据，实现对标志适配性的研判，进而保障快速路通行效率与行车安全符合行业标准及交通管理需求；

2、目前，针对快速路指路标志合理性判定与驾驶员视觉负荷匹配的方案，行业内主流方式借助交通仿真模型、视觉认知实验等技术，对标志参数与路段运行数据进行综合分析，定位不合理标志并完成优化调整；然而此类方案需投入高额的设备采购、仿真建模与运维成本，且对优化人员的专业能力要求较高，对于大量基层交通管理部门而言，投入产出比偏低、经济性较差；因此实际运维中，即便能研判出驾驶员视觉负荷偏高的路段，也难以借助模型快速完成标志合理性判定，仍需依赖多人协同的方式完成标志是否需要优化的判定工作；

3、在人工协同判定指路标志是否需要优化的过程中，快速路小间距多出口预告标志为统一制式的指引设施，其设计规范与信息构成完全一致，仅因布设路段的实际出口间距、视认条件、周边环境存在差异，部分标志与路段适配性良好、无需优化，部分标志则存在适配缺陷、急需优化；参与协同判定的多名优化人员，需要调取快速路全线历史工况、标志物理参数、交通运行等全量数据，通过对数据查看、分析与比对共同判定该标志是否需要优化；但由于不同优化人员的从业经验存在显著差异，经验丰富的优化人员仅需从全量数据中调取部分关键数据，即可快速判定该标志是否需要优化，而经验不足的优化人员往往需要调取更多的数据，才能够得到可靠的判定结论，此种数据使用与研判效率的差异直接导致多人协同判定时出现判定依据不统一进而研判结果存在分歧的问题；

4、为了解决上述问题，本发明提出了一种解决方案。

技术实现思路

1、本发明的目的在于提供基于驾驶员视觉负荷的快速路指路标志优化系统，为了解决上述背景技术中提出的问题。

2、本发明提供了基于驾驶员视觉负荷的快速路指路标志优化系统，包括：

3、评估分类模块，用于根据接收到的目标区域内历史存储的所有目标指路标志的评估记录数据对各评估人员进行多维能力画像，生成各评估人员的经验特征向量，并根据各评估人员的经验特征向量对各评估人员相对目标指路标志进行分层聚类，确定相对目标指路标志的标杆人员群及待提升人员群；

4、路径挖掘模块，用于从标杆人员群内包含的所有评估人员的评估数据中，提取各评估人员的调取序列，对所述所有调取序列进行时序对齐，融合生成目标指路标志的最优参考路径，其中最优参考路径内包含若干个有序的公共节点，任一公共节点对应有一个时间区间以及一个容忍度；

5、辅助评估模块，用于每接收到任一目标指路标志的评估请求指令后，将其传输到指定对其进行评估的所有评估人员，基于指定对其进行评估的任一评估人员，基于其归属为待提升人员群还是标杆人员群生成对应的引导卡片对其进行辅助显示。

6、进一步的，还包括数据采集模块，用于采集目标区域内历史存储的所有目标指路标志的评估记录数据。

7、进一步的，任一评估记录数据对应一个目标指路标志的一次评估过程，所述评估记录数据内包含参与此次评估过程的所有评估人员的人员标识，以及任一评估人员在参与此次评估过程中的评估数据；

8、任一评估人员的评估数据包括其在评估过程中调取的所有调取项及其调取的时间戳，其得出的评估结论及该评估结论的正确性标签、从开始调取第一个调取项的数据到得出所述评估结论所耗费的评估总耗时，记录的参与此次评估过程的开始时刻，其中正确性标签从1或者0中选定，1表征评估结论正确，0表征评估结论错误。

9、进一步的，生成每个评估人员的经验特征向量并进行分层聚类的步骤如下：

10、s11：将接收到的所述所有评估记录数据，分别标记为a1、a2、...、aa，a为评估记录数据的总条数；

11、s12：对评估记录数据a1、a2、...、aa进行遍历，提取其中包含的所有评估人员并对其进行去重，将去重后剩余的所有评估人员分别标记为p1、p2、...、pp，p≥1；

12、s13：从所述所有评估记录数据中提取出包含评估人员p1的所有评估记录数据并对其进行分类，得到评估人员p1的正确集b1和错误集b2，其中正确集b1内包含的所有评估记录数据内正确性标签都为1；

13、s14：对正确集b1和错误集b2进行分析，分析过程中计算评估人员p1的准确率特征c1、稳定性特征c2、前置命中率特征c3、收敛速度特征c4和群体共识度特征c5并依据其，构建评估人员p1的经验特征向量g1=(c1,c2,c3,c4,c5)；

14、s15：按照s14步骤分别构建评估人员p2、p3、...、pp的经验特征向量，对应标记为g2、g3、...、gp；

15、s16：对所有评估人员的经验特征向量进行归一化处理，并采用基于密度峰值的分层聚类算法对经过归一化处理后的所有评估人员的经验特征向量进行群体划分，确定若干个评估人员簇；

16、s17：对于每一个评估人员簇，计算簇内所有评估人员的平均准确率、平均稳定性、平均收敛速度；将平均准确率最高且平均收敛速度最快的评估人员簇确定为标杆簇，簇内所有评估人员标记为标杆人员群；将平均准确率低于预设合格阈值的簇确定为待提升簇，簇内所有评估人员标记为待提升人员群；其余簇标记为普通人员群。

17、进一步的，s16中，若干个评估人员簇，具体内容如下：

18、s161：计算评估人员p1分别与p2、p3、...、pp的经验特征向量之间的欧氏距离，对应标记为h1、h2、...、hp-1；

19、s162：利用公式计算获取评估人员p1的局部密度i1，i1的计算公式为，公式中hh用以表征欧式距离h1、h2、...、hp-1中每一个，dc为根据欧式距离h1、h2、...、hp-1确定的截断距离；

20、s163：按照s162分别计算评估人员p2、p3、...、pp的局部密度，并从中获取所有局部密度的数值大于评估人员p1的局部密度的所有评估人员，若不存在任一评估人员的局部密度大于评估人员p1的局部密度，则评估人员p1到更高密度点的最小距离j1=|i1-imin|，其中imin为评估人员p1、p2、...、pp的局部密度中数值最小的局部密度；

21、若存在若干评估人员的局部密度大于评估人员p1的局部密度，则评估人员p1到更高密度点的最小距离j1=|i1-imax|,imax为局部密度大于评估人员p1的局部密度的所有评估人员中，与评估人员p1的局部密度在数值上相差最小的局部密度；

22、s164：利用公式k1=j1×i1计算获取评估人员p1的聚类中心判定指标k1，并按照s161到s164分别计算评估人员p2、p3、...、pp的聚类中心判定指标k2、k3、...、kp;

23、s165：对评估人员p1进行是否为聚类中心判定；

24、s166：按照s164到s165分别对评估人员p2、p3、...、pp进行是否为聚类中心判定，并在所有判定结束后，针对每一个判定不为聚类中心的评估人员，从所有判定为聚类中心的评估人员中，获取与所述评估人员的聚类中心判定指标在数值上最相近的一个评估人员，找到与所述评估人员的聚类中心判定指标在数值上最相近的一个评估人员对应的聚类中心，将所述评估人员分配到所述聚类中心所在的簇中，形成若干个评估人员簇。

25、进一步的，s165，对评估人员p1进行是否为聚类中心判定的内容如下：

26、按照聚类中心判定指标的数值从大到小的顺序对评估人员p1、p2、...、pp进行从左到右排列，排列完成后，从左到右排列的评估人员的位置依次为1、2、...、p;

27、依次计算排列的位置为1和2、2和3、...、p-1和p的评估人员的聚类中心判定指标的差值的绝对值，计算完成后，按照计算的先后顺序，依次将每个差值的绝对值，与所有差值的绝对值的平均值的三分之一进行大小比较，若所述绝对值小于所述所有差值的绝对值的平均值的三分之一，则从用以计算出的所述绝对值的两个聚类中心判定指标对应的评估人员的位置中取数值最小的位置作为聚类中心数量 l，其中当第一个所述绝对值小于所述所有差值的绝对值的平均值的三分之一时，停止后续所有差值的绝对值与所有差值的绝对值的平均值的三分之一进行大小比较；

28、若 k1对应的评估人员的位置在数值上小于l，则判定评估人员p1为一个聚类中心，反之则判定其不为聚类中心。

29、进一步的，目标指路标志的最优参考路径的生成内容如下：

30、s21：从所述所有评估人员的评估数据内提取出正确性标签为1的所有评估数据并依据其构成标杆正确数据集，记为m={m1，m2，...，mm},m为提取出评估数据的总数量；

31、s22：按照时间戳先后顺序将标杆正确数据集m中评估数据m1内所有调取项依次标记为n1、n2、...、nn，根据调取项n1、n2、...、nn的调取的时间戳结合评估数据m1内包含的开始时刻确定各调取项的绝对时间，并将评估数据m1内的评估总耗时作为归一化基准，将调取项n1、n2、...、nn的绝对时间转换为标准化时间tn1、tn2、...、tnn；

32、s23：根据调取项n1、n2、...、nn构建评估数据m1的调取序列pm1=(n1,n2，...，nn)同理分别构建标杆正确数据集m中m2、m3、...、mm的调取序列，对应标记为pm2、pm3、...、pmn；

33、s24：统计各调取序列内包含的调取项的数量并利用加和求平均公式计算获取其均值，选定包含的调取项的数量与所述均值在数值上最相近的一条调取序列作为初始基准序列，将所述初始基准序列重新标记为q={q1、q2、...、qq},q为所述初始基准序列q内调取项的总数量，q1、q2、...qq分别为一个调取项，且对应调取项的标记下标具有另一层含义，表示其在初始基准序列q中的位置；

34、s25：针对任一条没有被选定为初始基准序列的调取序列，采用动态时间规整算法，找出所述调取序列中每一个调取项在所述初始基准序列上的位置，此时找出的位置用映射关系进行表示；

35、s26：按照s25，当所有调取序列中每一个调取项在所述初始基准序列上的位置都找出后，此时对所述初始基准序列q中与调取项q1、q2、...、qq相对应的所有调取项进行遍历，确定所述初始基准序列q中各位置的公共节点，并记录所述位置的映射频次以及所述公共节点的映射频次；

36、s27：确定所述初始基准序列q中各位置的公共节点的时间区间和容忍度，任一位置的公共节点的时间区间和容忍度确定的内容如下：

37、获取所有映射到所述位置的调取项的标准化时间，计算获取到的所有标准化时间的平均值rr和标准差ur，其中r指代的是所述位置；

38、根据平均值rr和标准差ur构建所述位置的公共节点的时间区间[max(0，rr-ur),min(1,rr+ur)]；

39、所述位置的公共节点的容忍度的计算公式为xr=(vr-wr)/vr×ɑ1，其中ɑ1为预先设定的放宽系数；

40、s28：根据确定的各公共节点的位置，按照位置的数值从小到大的顺序对各公共节点进行从左到右排列，构成目标指路标志的参考路径，此时所述最优参考路径内从左到右排列的公共节点，其对应的位置的数值依次增大；

41、s29：对所述参考路径进行优化得到目标指路标志的最优参考路径，优化的内容如下：

42、在所述参考路径内对任一两两相邻排列的公共节点进行遍历，遍历过程中若出现任一两两相邻排列的公共节点，这两个公共节点是相同的，即选定了同一个调取项作为这两个公共节点，此时将这两个公共节点合并为一个公共节点，并确定所述公共节点的时间区间和容忍度，确定的内容如下：在所述参考路径内对这两个公共节点仅保留一个，保留后的公共节点的时间区间为这两个公共节点的时间区间取并集运算；保留后的公共节点的容忍度为这两个公共节点的容忍度的平均值；

43、遍历完成后根据此时所述参考路径内包含的所有公共节点及其排列顺序、时间区间以及容忍度生成目标指路标志的最优参考路径。

44、进一步的，s26中，任一位置的公共节点的确定内容如下：

45、在所述初始基准序列q中获取所述公共节点作为标记下标的调取项，获取与所述调取项相对应的所有调取项，将其中出现频次最多的调取项作为所述位置的公共节点，此时所述调取项的出现频次即为所述公共节点的映射频次；基于公共节点及映射频次生成参考路径；

46、查找过程中映射在所述位置的每一个调取项对应的调取序列，统计这些调取序列的总数量，将所述总数量记作所述位置的映射频次。

47、进一步的，基于指定对其进行评估的任一评估人员，若其归属为待提升人员群，此时为其动态生成对应的引导卡片的内容如下：

48、按照从左到右的顺序依次从所述最优参考路径中获取所有容忍度小于预设容忍度阈值的公共节点，同步获取其的时间区间；

49、根据获取到的所有公共节点及其时间区间构建所述评估人员的引导卡片并对其进行显示；

50、其中，引导卡片内不仅显示有根据所述所有公共节点及其时间区间调取的对应公共节点的数据，以供评估人员进行直接查看，还设有若干专项调取按钮和一个公共调取接口，一个专项调取按钮对应所述最优参考路径中一个容忍度大于等于预设容忍度阈值的公共节点，评估人员通过点击该专项调取按钮，可直接查看根据所述公共节点的时间区间调取到的所述公共节点的数据，无需评估人员去主动键入；

51、公共调取接口用以评估人员自由调取任一调取项在任一时间区间的数据，评估人员通过键入若干调取项并为其选定对应的时间区间借助公共调取接口可调取对应调取项的数据进行灵活查看。

52、进一步的，基于指定对其进行评估的任一评估人员，若其归属为标杆人员群，则获取目标指路标志的最优参考路径，并依据其动态生成对应的引导卡片对所述评估人员在此次评估中进行辅助显示，在所述引导卡片内包含有若干专项调取按钮，一个专项调取按钮对应所述最优参考路径中一个公共节点，评估人员通过点击该专项调取按钮，可以直接查看根据所述公共节点的时间区间调取到的所述公共节点的数据，无需评估人员去主动键入

53、所述引导卡片内还设有一个公共调取接口，用以评估人员自由调取任一调取项在任一时间区间的数据。

54、与现有技术相比具备以下有益效果：

55、本发明通过设置评估分类模块构建各评估人员的经验特征向量，并对其进行分层聚类，通过设置路径挖掘模块，用于从标杆人员群内包含的所有评估人员的评估数据中，提取各评估人员的调取序列，对所述所有调取序列进行时序对齐，将若干名标杆人员的调取序列融合成一条兼具群体代表性和个体最优性的最优参考路径，相比单一的标杆人员路径更具鲁棒性和泛化能力，同时通过容忍度保留了辅助评估过程中调取数据的灵活显示；

56、本发明通过设置评估分类模块在构建经验特征向量时，不仅考虑了评估人员的准确率和稳定性，还引入了前置命中率特征，反映评估人员快速定位关键数据的能力、收敛速度特征，反映评估人员从调取数据到得出结论的效率以及群体共识度特征，反映评估人员调取项与其他评估人员的重叠程度，通过这五个维度能够更全面、客观地反映每个评估人员的真实能力水平，避免了单一维度评价的片面性，同时，采用分层聚类算法对评估人员进行群体划分，通过局部密度和到更高密度点最小距离两个指标自动确定聚类中心，能够在不预设聚类数量的情况下将人员分为标杆人员群、待提升人员群和普通人员群，解决了传统聚类方法需要人为指定簇数量的主观性问题，且能够有效识别出经验丰富但操作风格独特的评估人员；

57、本发明通过设置路径挖掘模块采用动态时间规整算法对标杆人员群的不同长度的调取序列进行对齐，通过统计各位置出现频次最高的调取项确定公共节点，解决了不同评估人员操作顺序不一致、调取项数量不统一导致无法直接合并的问题，同时，通过计算各公共节点的标准化时间的均值和标准差确定时间区间，使得该时间区间能够覆盖大部分标杆人员群内的评估人员的实际操作节奏，为后续引导提供了科学的时间约束，此外，通过容忍度的计算，量化了各公共节点上允许的操作差异程度，容忍度越大的公共节点在辅助评估时越允许评估人员自由选定是否查看对应调取项的数据，从而在规范性与灵活性之间取得了平衡；

58、本发明通过设置辅助评估模块执行差异化的辅助显示，对于归属于待提升人员群的评估人员，系统按照从左到右的顺序依次展示容忍度小于预设容忍度阈值的公共节点，即必须执行的节点及其时间区间，同时通过专项调取按钮为容忍度大于等于预设容忍度阈值的公共节点，即允许灵活选择的节点提供一键调取功能，并通过公共调取接口保留评估人员自由调取任意数据的能力，通过此种方式既保证了待提升人员能够按照最优路径完成核心评估步骤，又不会过度限制其自主判断空间，同时通过专项调取按钮降低了待提升人员在学习初期对不熟悉节点的操作门槛，使其能够快速积累经验，达到自主高效判定的程度，从而从根本上提升待提升人员的评估能力；

59、本发明通过评估人员多维画像与分层聚类、标杆人员调取序列融合挖掘、以及基于容忍度的差异化辅助显示，有效解决了背景技术中提出的多人协同判定快速路指路标志合理性时，因人员经验差异导致判定依据不统一、降低了研判结果存在分歧的可能性问题，显著提升了评估团队的整体判定效率和一致性，降低了人为偏差导致的结果失真风险，能够精准识别出真正需要优化的指路标志。