一种基于大模型推理与轨迹前兆的高速公路交织区事故风险预警方法

本发明涉及公路安全预警，具体涉及一种基于大模型推理与轨迹前兆的高速公路交织区事故风险预警方法。

背景技术：

1、高速公路交织区由主线直行车辆、汇入车辆和汇出车辆共同组成，车辆在有限空间内同时存在汇入、汇出、连续换道、跟驰减速和速度扰动传播等行为。与基本路段相比，交织区事故风险不再仅表现为单一纵向跟驰冲突，而是纵向速度差、横向换道冲突、目标车道间隙不足和局部交通流扰动共同叠加的结果。实际事故形态既包括由交通震荡传播、前车减速和后车反应滞后引发的追尾事故，也包括由强制换道、横向间隙不足和目标车道车辆反应时间不足引发的换道事故。

2、现有交织区安全评价研究通常使用ttc、thw、pet、drac等传统替代安全指标表征交通冲突严重程度。上述指标具有明确物理意义，但仍存在以下不足：第一，单一替代安全指标通常只描述某一时刻的冲突严重程度，难以刻画事故发生前数秒至数分钟内风险由扰动、累积、突变至失稳的演化链条；第二，传统车辆对指标多聚焦局部相对运动，难以同时吸收换道位置、换道强度、交通密度、上下游速度差和冲突暴露持续时间等多层次信息；第三，交织区事故类型具有明显异质性，追尾事故和换道事故对应的前兆机制不同，若仅采用事故与非事故二分类，难以检验前兆体系对不同事故形成过程的辨识能力；第四，已有指标多来源于人工经验或传统替代冲突理论，缺乏一种从交通安全文献、事故机理和轨迹数据中系统扩展并筛选事故前兆变量的方法。

技术实现思路

1、发明目的：本发明的目的在于提供一种基于大模型推理与轨迹前兆的高速公路交织区事故风险预警方法，通过构造多层次事故前兆体系和三分类风险识别模型，提高事故风险识别准确性、解释性和工程应用价值。同时，本发明进一步面向高速公路路侧实时应用场景，将事故风险识别模型部署于计算平台，以实现交织区事故风险的在线识别、实时预警和主动管控，解决解决现有交织区事故风险识别过度依赖单一替代安全指标、难以刻画事故前动态演化过程、难以区分追尾事故与换道事故机理差异的问题。

2、技术方案：本发明所述的一种基于大模型推理与轨迹前兆的高速公路交织区事故风险预警方法，包括以下步骤：

3、步骤1：获取高速公路交织区的车辆轨迹数据、事故标注数据、道路几何设计数据和交通流状态数据，所述车辆轨迹数据至少包括车辆编号、时间戳、纵向位置、横向位置、纵向速度、横向速度和加速度，所述事故标注数据至少包括事故发生时刻、事故类型和事故车辆编号；

4、步骤2：构建事故样本与非事故样本，其中事故样本以事故发生时刻为时间锚点，非事故样本以最小距碰撞时间时刻为伪锚点，在统一预事故时间窗内按照固定时间步长重构样本级时间序列；

5、步骤3：基于所述样本级时间序列提取基础风险特征和换道行为特征，所述基础风险特征包括纵向位置、横向位置、纵向速度、横向速度、加速度、相对速度、车头间距、车头时距、避免碰撞减速度和距碰撞时间，所述换道行为特征包括换道强度、汇入位置中位数、汇出位置中位数、汇出汇入比、纵向速度中位数、横向速度中位数、前车间隙中位数和后车间隙中位数；

6、步骤4：基于大模型文献知识推理构建事故前兆变量库，将大模型输出的自然语言风险规则按照微观行为、时空交互和宏观交通流三类进行标准化命名，并将各自然语言规则转化为可执行的轨迹特征计算规则；

7、步骤5：基于车辆对在二维空间中的相对位移、相对速度和相对加速度构造合成事故前兆，所述合成事故前兆包括速度-位移对准度、二维最小预测距离、等横向对齐纵向裕度、可达-寿命比、交汇角通量、风险势能、风险势能增长率、横向-纵向响应相关、二维关闭能量密度和短期冲突占空比；

8、步骤6：对步骤3-步骤5获得的候选前兆进行时间窗统计聚合、相关性筛选和冗余过滤，得到关键事故前兆特征；

9、步骤7：将所述关键事故前兆特征输入事故风险识别模型，输出交织区样本属于非事故、追尾事故或换道事故的概率及类别。

10、步骤8：将所述事故风险识别模型部署于计算平台，所述计算平台接收交织区感知设备上传的实时车辆轨迹数据，在线更新关键事故前兆特征，并根据所述非事故、追尾事故或换道事故的概率及类别生成对应的风险预警信息。

11、进一步的，步骤2中所述统一预事故时间窗按照如下方式构造：设事故样本的事故发生时刻为 ，非事故样本的伪锚点为 ，统一锚点为 ，则：

12、

13、其中，为预事故时间窗长度，为时间步长；用于事故风险识别的短时轨迹窗口优选取、。非事故样本的伪锚点由最小ttc时刻确定：

14、

15、进一步的，步骤3中所述换道强度由样本内独立换道机动次数与有效观测时长确定：

16、

17、其中，为换道强度，为样本内识别到的独立换道机动总数，为有效观测时长。

18、进一步的，步骤3中所述汇入位置中位数、汇出位置中位数和汇出汇入比按照如下公式计算：

19、

20、

21、其中，和分别为第次汇入型换道和汇出型换道发生时的纵向位置，和分别为汇出换道次数和汇入换道次数。

22、进一步的，步骤3中所述纵向速度中位数、横向速度中位数、前车间隙中位数和后车间隙中位数按照如下公式计算：

23、

24、

25、其中，方向为道路纵向，方向为道路横向；和分别为第个观测时刻的纵向速度和横向速度，和分别为目标车辆与前车、后车之间的间隙。

26、进一步的，步骤3中所述ttc、thw和drac为传统替代安全指标的常规定义，其中车头时距、距碰撞时间和避免碰撞减速度可按照如下方式计算：

27、

28、

29、

30、其中，为后车与前车的车头间距，为后车速度，为前车速度，为闭合速度，为防止分母为零的极小正数；当车辆对不存在闭合趋势时，可按安全状态取预设大值，取0或按预设安全值处理。

31、进一步的，步骤5中设车辆与车辆在时刻的相对位移、相对速度和相对加速度分别为：

32、

33、所述速度-位移对准度和二维最小预测距离按照如下公式计算：

34、

35、

36、其中，表示两车相对运动方向趋于接近，表示预测时域内车辆对的二维最小预测距离。

37、进一步的，步骤5中所述等横向对齐纵向裕度、可达-寿命比和风险势能按照如下公式计算：

38、

39、

40、

41、

42、

43、其中，越小表示横向对齐时纵向安全裕度越不足；表示换道车辆难以及时进入目标间隙；表示按距离平方归一化的逼近风险势能。

44、进一步的，步骤5中所述交汇角通量、风险势能增长率、横向-纵向响应相关、二维关闭能量密度和短期冲突占空比按照如下公式计算：

45、

46、

47、

48、

49、

50、

51、其中，用于表示斜向交汇强度；用于表征风险势能随时间的增长趋势；用于衡量换道车辆横向运动与目标车道车辆纵向制动响应之间的相关性及其时滞；用于表示沿车辆连线方向的逼近能量密度；用于表示预测最近距离低于阈值的短期冲突占空比例。

52、进一步的，步骤6中所述统计聚合和相关性筛选按照如下方式进行：对任一候选前兆时间序列，构造统计聚合向量：

53、

54、并采用spearman等级相关系数进行冗余过滤：

55、

56、其中，为第个样本在两个变量秩次上的差值，为样本数量；当两个候选前兆之间的相关系数绝对值大于预设阈值时，仅保留与事故标签相关性更高或单指标判别能力更强的前兆变量。

57、进一步的，步骤7中所述事故风险识别模型为梯度提升决策树模型，模型加性更新形式为：

58、

59、其中，为关键事故前兆特征向量，为第棵回归树，为学习率；模型输出为：

60、

61、其中，表示非事故，表示追尾事故，表示换道事故。

62、本发明所述的基于大模型推理与轨迹前兆的高速公路交织区事故风险识别系统，包括数据获取模块、样本时序构建模块、基础风险特征提取模块、大模型推理前兆构建模块、合成前兆计算模块、关键前兆筛选模块、事故风险识别模块、计算平台和预警输出模块；所述数据获取模块用于获取轨迹、事故、道路几何和交通流状态数据；所述样本时序构建模块用于构建事故样本与非事故样本的统一预事故时间序列；所述基础风险特征提取模块用于计算换道行为特征和传统替代安全指标；所述大模型推理前兆构建模块用于将大模型输出的交通安全风险规则转化为可计算特征；所述合成前兆计算模块用于计算二维相对运动合成指标；所述关键前兆筛选模块用于相关性筛选和冗余过滤；所述事故风险识别模块用于输出非事故、追尾事故或换道事故类别。

63、进一步的，计算平台设置于高速公路交织区路侧边缘计算设备、路侧单元或交通控制机中，并与视频检测器、毫米波雷达检测器、激光雷达检测器或车路协同感知设备通信连接，用于在路侧完成车辆轨迹处理、事故前兆实时计算、事故风险类别识别和预警结果输出。

64、有益效果：与现有技术相比，本发明具有如下显著优点：通过融合基础风险特征、换道行为特征、大模型推理前兆和二维合成前兆等多层次特征，克服了传统单一替代安全指标难以刻画事故前动态演化过程的缺陷，显著提升了对交织区事故风险的识别精度。采用非事故、追尾事故、换道事故三分类输出，能够有效区分纵向跟驰冲突主导的追尾事故与横向换道冲突主导的换道事故，便于针对不同事故机理采取差异化预警和管控措施。大模型仅用于从交通安全文献和事故机理中归纳生成可解释的自然语言前兆规则，并将其转化为可计算的轨迹特征，而非直接作为事故判别器。这使得前兆变量具有明确的物理含义，便于工程人员理解和部署。构建了从微观车辆行为、时空交互到宏观交通流状态的三类推理前兆，并结合二维相对运动的合成指标，能够完整反映事故前由正常扰动向高风险失稳演化的全过程。将事故风险识别模型部署于高速公路路侧计算平台，与视频、雷达或车路协同感知设备连接，实现低时延的轨迹前兆计算、风险类别判别和分级预警输出，并可联动可变限速、车道诱导、匝道控制等主动安全管控设备。