【自动驾驶】【车辆轨迹与驾驶行为分析】【汇入行为】

本文主要是介绍【自动驾驶】【车辆轨迹与驾驶行为分析】【汇入行为】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

B站搜索“轨迹说”，有相应的汇入行为挖掘教程视频
个人网址：www.vehicletrajectorymining.com

1. 文章引用

有关汇入行为的分析，基本都能在如下这篇文章中找到，相应的Python源代码也公开在Github上，感兴趣的小伙伴可以自行去下载。

@article{Yang Li, 2023"https://arxiv.org/abs/2303.11531"title={A reproducible approach to merging behavior analysis based on High Definition Map}, author={Yang Li and Yang Liu and Daiheng Ni and Ang Ji and Linbo Li and Yajie Zou},year={2023},eprint={2303.11531},archivePrefix={arXiv},primaryClass={cs.RO}
}

2. 代码项目框架

整个项目由Python编写，大致的目录如下所示：

A reproducible approach to merging behavior analysis based on High Definition Map/
|__ asset: analysis results
|    |__ acceptedGaps
|    |__ backgroundPicture
|    |__ consecutiveLaneChange
|    |__ JSDivergence
|    |__ preliminaryAnalysis
|    |__ safetyAnalysis
|    |__ table
|    |__ trafficFlowSpeed
|__ conf: experiment configurations
|    |__ lanelet2map
|__ drone-dataset-tools-master: dataset
|__ src: merging trajectories extraction, indicators calculation, results visulization
|    |__ extraction
|    |__ figure
|    |    |__accepetedGapAnalysis
|    |    |__consecutiveLanechangeAnalysis
|    |    |__preliminaryAnalysis
|    |    |__safetyAnalysis
|    |    |__similarityAnalysis
|    |    |__trafficFlowSpeedDensity
|    |__ table
|__ utils: utility functions
|__ requirements.txt: required packages

3. 分析内容

3.1 汇入区域的lanelet2高精地图的应用

以下是exiD数据集汇入地点2的高精地图示例，我们可以拿一辆车的轨迹举个例子：

位置B：车辆由on-ramp驶进加速车道；
位置D：车辆左侧的车道线，由实线变为虚线，车辆此后可以进行汇入；
位置F：车辆的中心点压在虚线初，此时车辆半身已进入主线车道；

按照交通法规，车辆应该区域2和区域3汇入主线，但其实还有很多车辆由区域1汇入主线（压着实线）。上面的三个关键点位，我们可以根据车辆每一帧的laneletID来识别，从而统一标准。倘若我们不结合高精地图，仅仅只依靠轨迹数据来判别这三个点位还是挺难实现的。

在这里插入图片描述

3.2 指标构建

我们可以基于上述三个点位定义一些标准化的指标，我这边提及的是“标准化”这个词，因为只有在这些点位统一的基础上所构建的各种指标，才更能客观地横向或者是纵向进行对比分析。我们可以定义如下指标：

微观指标包含：

1. 汇入速度：平均或者是某一帧；
2. 汇入时长：位置D到位置F，或者位置D到位置F；
3. 汇入距离：位置D到位置F，或者位置D到位置F；
4. 汇入距离比：汇入距离除以加速车道总长度；
5. 汇入纵向轨迹：可以根据高精地图中的lateralcenteroffset字段求得；
6. 汇入纵向速度：可以根据高精地图中的lateralcenteroffset字段求得（拟合，再求导）；
7. 汇入纵向加速度：可以根据高精地图中的lateralcenteroffset字段求得（拟合，再求导）；；
8. 汇入安全性：衡量某一帧，还是衡量一个duration，比如有：TTC, TET, TIT, DRAC, PET等指标。

宏观指标包含：

 1. 交通流量；2. 交通密度；3. 空均车速；

3.3 周边车辆匹配

在exiD数据集中，各车每一帧都会至多包含八辆车，主要就是前车，后车以及并行车辆：

 1. lead vehicle2. left lead vehicle3. right lead vehicle4. rear vehicle5. left rear vehicle6. right rear vehicle7. leftalongside vehicle8. rightalongside vehicle

在这里插入图片描述