基于分布式光纤传感DAS的车辆行驶状态识别方法和系统与流程

摘要: 本发明涉及车辆行驶状态监测,尤其涉及一种基于分布式光纤传感das的车辆行驶状态识别方法和系统。背景技术:1、车辆异常驾驶行为是引发高速公路交通事故的主要原因之一...
基于分布式光纤传感DAS的车辆行驶状态识别方法和系统与流程

本发明涉及车辆行驶状态监测,尤其涉及一种基于分布式光纤传感das的车辆行驶状态识别方法和系统。

背景技术:

1、车辆异常驾驶行为是引发高速公路交通事故的主要原因之一,超速、逆行、急加速、急减速、频繁变道、跟车过近等行为极易导致追尾、侧翻、碰撞等恶性事故。实时准确的车辆行驶状态监测和异常驾驶行为识别,是实现高速公路主动安全管控、降低事故发生率的核心手段。

2、传统的车辆行驶状态监测技术主要包括视频监控、微波雷达、车载gps等,存在覆盖范围有限、易受恶劣天气影响、隐私泄露风险高、无法实现全路段连续监测等缺陷。分布式光纤声学传感技术(das)基于相位敏感光时域反射仪(φ-otdr)原理,可将沿高速公路铺设的普通通信光缆转化为连续分布的振动传感器阵列,具有部署成本低、覆盖范围广、环境适应性强、不受电磁干扰、无隐私泄露风险等优势,为车辆行驶状态监测提供了全新的技术解决方案。

3、目前,基于das的车辆监测技术已有相关研究,但主要集中在车辆轨迹提取、车流量统计和交通拥堵判定等宏观层面,针对单个车辆行驶状态和异常驾驶行为的研究较少。而且,现有技术存在行驶参数计算精度低、异常行为识别种类少、误报率高、实时性差等问题,无法满足高速公路主动安全管控的实际需求。

技术实现思路

1、为解决背景技术中存在的技术问题,本发明提出一种基于分布式光纤传感das的车辆行驶状态识别方法和系统。

2、第一方面,本发明提出的一种基于分布式光纤传感das的车辆行驶状态识别方法,包括:

3、实时获取由预先铺设在预设高速公路区间的das系统采集的车辆振动信号;

4、对车辆振动信号进行异常检测,得到异常检测结果;在异常检测结果为异常时,将其对应的异常振动信号从车辆振动信号中去除;

5、从通过异常检测或去除异常振动信号的车辆振动信号中提取出所有车辆的车辆轨迹;

6、根据所有车辆的车辆轨迹,对车辆振动信号进行并行车辆检测;若存在并行车辆,则对并行车辆对应的车辆振动信号进行解混叠,得到多辆车的独立的车辆振动信号;

7、将每辆车的车辆振动信号和车辆轨迹输入预设的双维度车型分类模型中,得到每辆车的车型分类结果;

8、基于所有车辆的车辆轨迹和车型分类结果,得到每辆车的核心行驶参数;其中,核心行驶参数包括实时位置、行驶轨迹、瞬时速度、瞬时加速度和跟车距离;

9、将每辆车的核心行驶参数输入预设的异常驾驶行为识别模型中,得到驾驶行为识别结果;其中,驾驶行为识别结果分为正常、一般异常、较重异常和严重异常;

10、当驾驶行为识别结果为一般异常、较重异常或严重异常,根据驾驶行为识别结果和预设的分级预警策略进行预警。

11、优选地,异常驾驶行为识别模型包括超速行为识别模型、逆行行为识别模型、急加速行为识别模型、急减速行为识别模型和跟车过近行为识别模型;超速行为识别模型用于根据瞬时速度和预设速度阈值判断是否超速以及超速范围;逆行行为识别模块用于根据道路设计方向和车辆行驶方向判断是否存在逆行行为;急加速行为识别模块用于根据瞬时加速度和预设加速度阈值判断是否存在急加速行为;急减速行为识别模型用于根据识别是否存在急减速行为;跟车过近行为识别模型用于根据瞬时速度和预设反应时间计算跟车距离阈值,并根据跟车距离和跟车距离阈值判断是否存在跟车过近行为;

12、若超速在预设速度阈值的10%以内且持续时间超过预设持续时间,则判定驾驶行为识别结果为一般异常;若超速在预设速度阈值的10%-20%,且持续时间超过预设持续时间,且存在急减速、急加速和跟车过近行为,则判定驾驶行为识别结果为较重异常;若超速在预设速度阈值的20%以上且持续时间超过预设持续时间,且存在逆行行为,则判定驾驶行为识别结果为严重异常。

13、优选地,当驾驶行为识别结果为一般异常、较重异常或严重异常时,根据驾驶行为识别结果和预设的分级预警策略进行预警,具体包括:

14、当驾驶行为识别结果为一般异常、较重异常或严重异常时,对驾驶行为识别结果进行多维度交叉验证;当均验证通过时,在预设的分级预警策略中查询与驾驶行为识别结果匹配的预警策略,根据查询得到的预警策略进行预警。

15、优选地,多维度交叉验证包括时空连续性验证、车辆特征相似度验证和交通流上下文验证;

16、其中,时空连续性验证包括验证当前车辆的驾驶行为是否在时间和空间上具有连续性,若是,判定时空连续性验证通过,若否,则判定时空连续性验证失败,并将其对应的驾驶行为识别结果修改为正常;

17、其中,车辆特征相似度验证包括:提取异常行为发生前后车辆振动信号的时域和频域特征,根据前后车辆振动信号的时域特征和频域特征,计算与前后车辆的特征相似度,判断特征相似度是否均大于预设相似度阈值,若是,则判定车辆特征相似度验证失败,将其对应的驾驶行为识别结果修改为正常;若否,则判定车辆特征相似度验证通过;

18、其中,交通流上下文验证包括:根据所有车辆的核心行驶参数,得到每个车道的核心交通流参数;其中,核心交通流参数包括车头时距、车道占有率、交通密度,以及各个车型的车流量、平均车速和车型分布;

19、根据每个车道的核心交通流参数,判断是否存在拥堵导致低速行驶的误判和因前车急刹导致的后车正常减速行为;若是,则判定交通流上下文验证失败,并将其对应的驾驶行为识别结果修改为正常;若否,则判定交通流上下文验证通过。

20、优选地,对车辆振动信号进行异常检测,得到异常检测结果,具体包括:

21、对车辆振动信号进行异常信号增强预处理;

22、对经过异常信号增强预处理的车辆振动信号进行多尺度时频特征提取,得到多尺度时频特征;

23、利用预设的双阶段异常检测框架对多尺度时频特征进行双阶段异常识别,得到异常检测结果;其中,异常检测结果分为正常和异常。

24、优选地,对车辆振动信号进行异常信号增强预处理,具体包括:

25、获取分布式光纤传感系统在无车辆行驶时段采集的环境噪声数据,建立背景噪声统计模型;基于背景噪声统计模型和自适应滤波算法,将车辆振动信号中的背景噪声去除;

26、采用小波包变换对车辆振动信号进行多尺度分解,得到包括不同频带、不同尺度的多个子带信号的子带信号集和子带系数集;从子带信号集的所有子带信号中,筛选出包含异常事件特征的频带并将其组合形成异常事件信号集;对子带系数集中与异常事件信号集对应的系数进行幅值增强,并使用子带系数集对子带信号集执行逆变换重构。

27、优选地,从通过异常检测或去除异常振动信号的车辆振动信号中提取出所有车辆的车辆轨迹,具体包括:

28、对通过异常检测或去除异常振动信号的车辆振动信号进行多层级噪声剔除;

29、对经过多层级噪声剔除的车辆振动信号进行多维特征提取,得到多维特征集;

30、基于多维特征集,确定初始轨迹点;

31、基于初始轨迹点,进行轨迹点关联,得到初始车辆轨迹;

32、对初始车辆轨迹进行断裂点检查,若未通过断裂点检查,则依据初始车辆轨迹的前后轨迹点的运动趋势进行插值修复;

33、采用拉东滤波对通过断裂点检查或完成插值修复后的车辆轨迹进行平滑处理;

34、对经过平滑处理的车辆轨迹进行虚假车辆轨迹滤除。

35、优选地,基于初始轨迹点,进行轨迹点关联,得到初始车辆轨迹,具体包括:

36、基于车辆运动的时空连续性约束,构建轨迹点关联代价函数;基于每个初始轨迹点和轨迹点关联代价函数,使用匈牙利算法进行最优轨迹点匹配,将相邻时间点的轨迹点关联起来,得到与每个初始轨迹点对应的初始车辆轨迹;

37、其中,轨迹点关联代价函数具体为:;式中,cost为轨迹点关联代价函数,dxy为空间距离,δt为时间间隔,α,β,γ为权重系数;sf为特征相似度,由车辆振动信号的时域特征与频域特征经归一化后,采用余弦相似度或皮尔逊相关系数计算得到。

38、优选地,根据所有车辆的车辆轨迹,对车辆振动信号进行并行车辆检测,具体包括:

39、将预设路段按照预设空间间隔和时间间隔划分为若干空间窗口和时间窗口,形成时空网格;

40、基于所有车辆的车辆轨迹,统计每个时空网格内的车辆数量;

41、当每个时空网格内的车辆数量大于1时,判定该时空网格为并行车辆。

42、优选地,对并行车辆对应的车辆振动信号进行解混叠,具体包括:

43、根据每辆车的轨迹信息,确定其在时空网格内的信号起止时间和空间起止位置;

44、基于每辆车的信号起止时间和空间起止位置,确定并行车辆对应的车辆振动信号;采用独立成分分析算法,将并行车辆对应的车辆振动信号分离为多个独立的车辆振动信号分量;将分离后的车辆振动信号分量与车辆轨迹进行关联匹配,得到每辆车的车辆振动信号;通过每辆车的车辆振动信号的能量和频谱特征验证分离结果的正确性,并对错误分离的信号进行修正;并将验证通过的车辆的振动信号输出。

45、优选地,在双维度车型分类模型的车型分类过程中,根据每辆车的车辆轨迹的空间起止位置和信号起止时间,计算每辆车的车辆长度;

46、采用滑动窗口平均法对车辆长度进行平滑处理;

47、对每辆车的车辆振动信号进行振动特征提取,得到时域特征和频域特征;基于时域特征和频域特征,构建振动特征向量;

48、将车辆长度和振动特征向量输入预先训练好的轻量级梯度提升树分类器中,得到每辆车的车型分类结果;其中,车型分类结果分为小型车、中型车、大型车和特大型车。

49、第二方面,本发明还提出了一种基于分布式光纤传感das的车辆行驶状态识别系统,包括:

50、获取模块,用于实时获取由预先铺设在预设高速公路区间的das系统采集的车辆振动信号;

51、处理模块,用于对车辆振动信号进行异常检测,得到异常检测结果;在异常检测结果为异常时,将其对应的异常振动信号从车辆振动信号中去除;从通过异常检测或去除异常振动信号的车辆振动信号中提取出所有车辆的车辆轨迹;根据所有车辆的车辆轨迹,对车辆振动信号进行并行车辆检测;若存在并行车辆,则对并行车辆对应的车辆振动信号进行解混叠,得到多辆车的独立的车辆振动信号;将每辆车的车辆振动信号和车辆轨迹输入预设的双维度车型分类模型中,得到每辆车的车型分类结果;基于所有车辆的车辆轨迹和车型分类结果,得到每辆车的核心行驶参数;其中,核心行驶参数包括实时位置、行驶轨迹、瞬时速度、瞬时加速度和跟车距离;将每辆车的核心行驶参数输入预设的异常驾驶行为识别模型中,得到驾驶行为识别结果;其中,驾驶行为识别结果分为正常、一般异常、较重异常和严重异常;当驾驶行为识别结果为一般异常、较重异常或严重异常,根据驾驶行为识别结果和预设的分级预警策略进行预警。

52、本发明中,所提出的基于分布式光纤传感das的车辆行驶状态识别方法和系统,提高了行驶参数的计算精度,并能够实时地、精确地识别出单个车辆的多种异常驾驶行为,解决了现有技术存在的行驶参数计算精度低、异常行为识别种类少、误报率高、实时性差等问题,可满足高速公路主动安全管控的实际需求。