1.本发明属于公路事件检测技术领域，更具体地说，尤其涉及一种基于雷达轨迹数据的高速公路易混淆事件判别方法。
背景技术：
2.近年来随着视频及ai神经网络技术的发展，道路上一般大量使用摄像机感知方案。但也存在较多的问题，一是高清像机价格昂贵，且易受照明、天气等影响，容易出现数据丢失、检测错误等异常；二是一般道路都会存在大量普通像机，如果大量使用高清像机，没有充分利用现有的感知系统，容易造成浪费。而雷达刚好可以克服照明、天气的影响，并且可以利用现有的感知系统。目前，单台雷达的检测距离大概250m左右，通过多台雷达的轨迹拼接可以实现全天候、全覆盖检测车辆位置。
3.在高速公路上发生交通事故的车辆一般表现为碰撞、急减速、车头偏离正常行驶方向、停止、司机下车，但这些现象并不是同时出现，往往表现为几种现象的组合，且往往与其他的交通事件存在现象相似的情况。如：车车事故可能表现为轻微碰撞后车头轻微偏离正常行驶方向后靠边停车及司机下车，这与占用应急车道违停现象类似；而拥堵情况也会对车车事故的判别存在一定的影响，如发生拥堵时，大量的车在车道内排队甚至出现停止的情况，此时个别车辆可能会表现出车头偏离正常行驶方向、停止甚至司机下车的情况；车路事故与违停存在相似现象，可能都会有车头偏离正常行驶方向、停止、司机下车现象，而且在某些情况下急减速、碰撞现象并不明显，因此不能用它们来进行简单区分。针对以上情况，有必要对拥堵、违停、车车事故、车路事故放在一起进行分析。
4.但目前的事件识别算法大多存在一些问题：部分方法只适用于一些简单事件如逆行、违规变道、占用应急车道等情况，当出现事故、违停时，往往会出现识别精度不够的情况；还有一些方法采用神经网络需要大量的训练数据，而这些训练数据是很难获取的。
5.已有专利的一些情况：
6.专利《一种交通事件检测方法、装置、设备及存储介质》(专利申请号：202211024672.7)，仅将视频帧作为输入输入到神经网络中得到各事件的概率，并没有说明如何保证模型训练的准确性以及天气对视频的影响。
7.专利《一种基于隧道雷视数据融合的事件检测方法、装置及系统》(专利申请号：202111218621.3)，仅通过速度为零及停留时间大于时间阈值即判定为违停，没有区分是拥堵、事故造成的违停。
8.专利《高速公路交通事故识别方法、模块及系统》(专利申请号：202111071589.0)，将历史交通流参数信息及当前交通参数信息输入至预先训练好的交通事故识别模型，得到交通事故发生概率，而交通事故识别模型的通用性并没有说明，且预测性能需要不断的迭代升级，即使在同一位置使用，真正发挥作用也需要很长时间。
9.针对现有技术的不足，提出一种基于雷达轨迹数据的高速公路易混淆事件判别方法。
技术实现要素：
10.本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于雷达轨迹数据的高速公路易混淆事件判别方法。
11.为实现上述目的，本发明提供如下技术方案：一种基于雷达轨迹数据的高速公路易混淆事件判别方法，包括如下步骤：
12.步骤1：收集各车的行驶轨迹及当前路面上实时车辆的位置信息；
13.步骤2：判断车辆是否停驶，将停驶车辆存入集合a；
14.步骤3：有车辆停驶，统计停驶车辆周围车辆的数量，若符合车多约束条件，则继续判断周边车辆的平均速度，依据速度判断是否为拥堵状态，进入步骤4；若不符合车多约束条件，进入步骤5；
15.步骤4：若非拥堵状态，则进入步骤5；若是拥堵状态，判断拥堵车队中停驶车辆停驶时间是否符合阈值β(β默认设置为60s，平均速度接近于0km/h时不用与β比较，判定为拥堵，流程结束)约束，若停留时长小于β则剔除相应停驶车辆，更新集合a，进入步骤步骤6；
16.步骤5：从集合a中取出存在急减速大于阈值γ(γ默认设置为8m/s2)的车辆，若存在符合条件的车辆，进入步骤7；否则进入步骤8；
17.步骤6：若集合a为空，则结束流程；否则进入步骤5；
18.步骤7：找到与当前车在停驶前某个时刻距离小于阈值d(d默认设置为7m)的停驶车辆，确定为相关车辆,并确定事件为车车事故。若相关车辆存在，则剔除当前车辆及相关车辆，更新集合a。若未找到与当前车辆较近的停驶车辆，则剔除当前停驶车辆，当前车辆判定为车路事故，更新集合a。进入步骤6；
19.步骤8：从集合a中取出存在急减速大于阈值δ(δ默认设置为5m/s2)的车辆，若不存在符合条件的车辆，进入步骤9；否则判断车辆维持急减速状态的时间，若时间符合阈值μ(μ默认设置为500ms)，进入步骤7，否则回到步骤8；
20.步骤9：从集合a中取出存在急减速大于阈值θ(θ默认设置为2m/s2)的车辆，若不存在符合条件的车辆，进入步骤10；否则进入步骤11；
21.步骤10：判断当前车的航向角是否偏离正常方向，若是进入步骤7；否则进入步骤14；
22.步骤11：判断车辆维持急减速状态的时间，若时间不符合阈值μ，进入步骤10；若时间符合阈值μ，进入步骤12；
23.步骤12：判断车辆在停驶前是否存在航向角偏离正常方向的情况，若存在偏离角度大于τ(τ默认设置为60
°
)的情况，进入步骤7；若不存在航向角偏离正常方向的情况，进入步骤13；
24.步骤13：查看车辆周围是否有行人，若存在则进入步骤7；否则进入步骤14；
25.步骤14：剔除当前停驶车辆，当前车辆判定为违停，更新集合a，进入步骤6。
26.优选的，所述在步骤1中，交通拥堵的特征为：车多缓行。国标中采用速度对拥堵进行等级划分，但并没有对车的数量进行明确要求，如果只有少量车在道路上缓行甚至停驶，是不能真正说明道路是拥堵的，因此需要对缓行增加车多的限制。
27.优选的，所述在步骤2中，判断车辆是否停驶(至少满足速度为0km/h保持500ms)，将停驶车辆存入集合a，计算集合a中车辆在进入停驶状态前的减速度值，用于减速度分级
讨论；若没有车辆停驶，则判断流程结束。
28.优选的，所述在步骤3中，道路能够容纳的最多车辆数与评估区域的大小及安全距离有关。安全距离的影响因素较多，且不易求得精确值，作为拥堵判定时的车辆数并不需要一个非常准确的值，当达到一定的数量即可说明缓行结果的有效性。车多约束如下：
29.veh
num
》αlane
num
30.veh
num
为车多最少需要满足的车辆数，α可根据实际情况进行设置，lane
num
为车道数。拥堵速度等级可参考国标进行设置。
31.优选的，所述在步骤4中，当出现严重拥堵时，甚至会产生车辆停驶状态，此时因拥堵导致的停驶车辆不应被判为违停或事故。与发生事故或违停不同的是，事故或违停车辆一般会较长时间停留在原地，而周边车辆会进行缓慢移动，而拥堵中停驶的车辆会随着车流进行缓慢移动，即使是长时间停驶也是同周边车辆一起长时间停驶。若是因事故而产生的拥堵，那事故会在拥堵前被发现。
32.优选的，依据拥堵等级的不同，停驶时间长度阈值β会不一样，超过时间阈值β，可判定为非因拥堵导致的停车。若出现严重拥堵(平均速度接近于0km/h)，车辆长时间停驶是正常的，停驶时间可不与时间阈值β进行比较。为简化判断流程，且阈值β难以针对各拥堵等级计算得到各等级下的精确值，设置β的默认值为60s(平均速度接近于0km/h情况除外)。
33.优选的，所述在步骤5中，从汽车应具有的制动能力来说，紧急制动时，汽车的最大减速度一般为7.5-8m/s2。发生车路碰撞事故时，车辆的速度可能会按最大减速度进行减速，并最终变为0km/h，司机下车进行查看和避险；也可能司机并未采取相应动作，不会有最大减速度的现象；也可能在极端情况下车辆与道路发生碰撞，速度急剧下降，最大减速度可能会超过8m/s2；事故过程中航向角可能在某一段时间内偏离航道较多，而某些情况下也不排除与违停现象相似。
34.优选的，所述在步骤7中，减速度分级：设置减速度阈值γ、δ、θ，建议默认值分别为8m/s2、5m/s2、2m/s2。当减速度a》8m/s2，即超过汽车制动极限时，表明车辆不仅可能受到来自车辆自身的制动力，还应该受到来自外部的撞击力，也即表明一定是发生了事故；当减速度a介于5m/s2与8m/s2之间时，表明车辆承受了一个接近或相当于车辆制动极限的力，再结合车辆最终的停驶状态，基本可以断定是发生了事故；因在实际使用制动时，除紧急情况外，通常不应使制动减速度大于1.5m/s2，当减速度a介于2m/s2与5m/s2之间，表明车辆已经让乘客感到不舒服或发生危险或造成货物不安全等问题，再结合车辆最终停驶、航向角变化及周围出现行人基本可以判断事故情况；当减速度a《2m/s2时，也不能说明一定未发生事故，需要结合航向角进行判断。
35.优选的，所述在步骤10中，发生车路事故时，航向角往往会出现偏离正常行驶方向的情况，设置道路所在行驶方向的航向角为偏离角度阈值为τ，车辆行驶时的航向角为ω。当时，认为偏离正常行驶方向，即可判定为发生了事故；
36.与车路碰撞不同的是，此类事故不止一辆车参与。碰撞发生时，可能存在急减速、两车碰撞距离无限靠近、速度降为0km/h、车边有行人现象。减速度等阈值与车路碰撞采用相同规则进行判断；
37.车边有行人：当车辆减速度介于2m/s2与5m/s2之间并持续一段时间，说明车辆经过了一段相对紧急的出乎意料的减速过程，并最终停止下来，车内人员下车，基本可以判定车
辆是发生了事故的；
38.判定发生事故的车辆，若与停驶车辆集合a内的车辆在某个时刻距离接近甚至小于设置的阈值d，基本可以确定为相关车辆，即发生了车车事故。
39.优选的，所述在步骤14中，车速为0km/h。需要排除是拥堵及事故造成的停车。
40.本发明的技术效果和优点：本发明提供的一种基于雷达轨迹数据的高速公路易混淆事件判别方法，与现有技术相比，本发明具有以下优点：
41.1、采用对减速度分级的方式，提高各事件的区别度；
42.2、对各事件采用车流量、减速度、距离、停车时长、减速时长、航向角、行人等因素多维度分析判别的方式，采用分级分析的方法，更全面细致的判别拥堵、车车事故、车路事故、违停实现低成本、高可靠性、高精度、全天候、全覆盖判别易混淆事件的目的。
43.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
44.图1为本发明的步骤流程图。
具体实施方式
45.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.本发明提供了如图1所示的一种基于雷达轨迹数据的高速公路易混淆事件判别方法，包括以下步骤：
47.一种基于雷达轨迹数据的高速公路易混淆事件判别方法，包括如下步骤：
48.步骤1：收集各车的行驶轨迹及当前路面上实时车辆的位置信息；
49.步骤2：判断车辆是否停驶，将停驶车辆存入集合a；
50.步骤3：有车辆停驶，统计停驶车辆周围车辆的数量，若符合车多约束条件，则继续判断周边车辆的平均速度，依据速度判断是否为拥堵状态，进入步骤4；若不符合车多约束条件，进入步骤5；
51.步骤4：若非拥堵状态，则进入步骤5；若是拥堵状态，判断拥堵车队中停驶车辆停驶时间是否符合阈值β(β默认设置为60s，平均速度接近于0km/h时不用与β比较，判定为拥堵，流程结束)约束，若停留时长小于β则剔除相应停驶车辆，更新集合a，进入步骤6；
52.步骤5：从集合a中取出存在急减速大于阈值γ(γ默认设置为8m/s2)的车辆，若存在符合条件的车辆，进入步骤7；否则进入步骤8；
53.步骤6：若集合a为空，则结束流程；否则进入步骤5；
54.步骤7：找到与当前车在停驶前某个时刻距离小于阈值d(d默认设置为7m)的停驶车辆，确定为相关车辆,并确定事件为车车事故。若相关车辆存在，则剔除当前车辆及相关车辆，更新集合a。若未找到与当前车辆较近的停驶车辆，则剔除当前停驶车辆，当前车辆判
定为车路事故，更新集合a。进入步骤6；
55.步骤8：从集合a中取出存在急减速大于阈值δ(δ默认设置为5m/s2)的车辆，若不存在符合条件的车辆，进入步骤9；否则判断车辆维持急减速状态的时间，若时间符合阈值μ(μ默认设置为500ms)，进入步骤7，否则回到步骤8；
56.步骤9：从集合a中取出存在急减速大于阈值θ(θ默认设置为2m/s2)的车辆，若不存在符合条件的车辆，进入步骤10；否则进入步骤11；
57.步骤10：判断当前车的航向角是否偏离正常方向，若是进入步骤7；否则进入步骤14；
58.步骤11：判断车辆维持急减速状态的时间，若时间不符合阈值μ，进入步骤10；若时间符合阈值μ，进入步骤12；
59.步骤12：判断车辆在停驶前是否存在航向角偏离正常方向的情况，若存在偏离角度大于τ(τ默认设置为60
°
)的情况，进入步骤7；若不存在航向角偏离正常方向的情况，进入步骤13；
60.步骤13：查看车辆周围是否有行人，若存在则进入步骤7；否则进入步骤14；
61.步骤14：剔除当前停驶车辆，当前车辆判定为违停，更新集合a，进入步骤6。
62.在步骤1中，交通拥堵的特征为：车多缓行。国标中采用速度对拥堵进行等级划分，但并没有对车的数量进行明确要求，如果只有少量车在道路上缓行甚至停驶，是不能真正说明道路是拥堵的，因此需要对缓行增加车多的限制。
63.在步骤2中，判断车辆是否停驶(至少满足速度为0km/h保持500ms)，将停驶车辆存入集合a，计算集合a中车辆在进入停驶状态前的减速度值，用于减速度分级讨论；若没有车辆停驶，则判断流程结束。
64.在步骤3中，道路能够容纳的最多车辆数与评估区域的大小及安全距离有关。安全距离的影响因素较多，且不易求得精确值，作为拥堵判定时的车辆数并不需要一个非常准确的值，当达到一定的数量即可说明缓行结果的有效性。车多约束如下：
65.veh
num
》alane
num
66.veh
num
为车多最少需要满足的车辆数，α可根据实际情况进行设置，lane
num
为车道数。拥堵速度等级可参考国标进行设置。
67.在步骤4中，当出现严重拥堵时，甚至会产生车辆停驶状态，此时因拥堵导致的停驶车辆不应被判为违停或事故。与发生事故或违停不同的是，事故或违停车辆一般会较长时间停留在原地，而周边车辆会进行缓慢移动，而拥堵中停驶的车辆会随着车流进行缓慢移动，即使是长时间停驶也是同周边车辆一起长时间停驶。若是因事故而产生的拥堵，那事故会在拥堵前被发现。
68.依据拥堵等级的不同，停驶时间长度阈值β会不一样，超过时间阈值β，可判定为非因拥堵导致的停车。若出现严重拥堵(平均速度接近于0km/h)，车辆长时间停驶是正常的，停驶时间可不与时间阈值β进行比较。为简化判断流程，且阈值β难以针对各拥堵等级计算得到各等级下的精确值，设置β的默认值为60s(平均速度接近于0km/h情况除外)。
69.在步骤5中，从汽车应具有的制动能力来说，紧急制动时，汽车的最大减速度一般为7.5-8m/s2。发生车路碰撞事故时，车辆的速度可能会按最大减速度进行减速，并最终变为0km/h，司机下车进行查看和避险；也可能司机并未采取相应动作，不会有最大减速度的
现象；也可能在极端情况下车辆与道路发生碰撞，速度急剧下降，最大减速度可能会超过8m/s2；事故过程中航向角可能在某一段时间内偏离航道较多，而某些情况下也不排除与违停现象相似。
70.在步骤7中，减速度分级：设置减速度阈值γ、δ、θ，建议默认值分别为8m/s2、5m/s2、2m/s2。当减速度a》8m/s2，即超过汽车制动极限时，表明车辆不仅可能受到来自车辆自身的制动力，还应该受到来自外部的撞击力，也即表明一定是发生了事故；当减速度a介于5m/s2与8m/s2之间时，表明车辆承受了一个接近或相当于车辆制动极限的力，再结合车辆最终的停驶状态，基本可以断定是发生了事故；因在实际使用制动时，除紧急情况外，通常不应使制动减速度大于1.5m/s2，当减速度a介于2m/s2与5m/s2之间，表明车辆已经让乘客感到不舒服或发生危险或造成货物不安全等问题，再结合车辆最终停驶、航向角变化及周围出现行人基本可以判断事故情况；当减速度a《2m/s2时，也不能说明一定未发生事故，需要结合航向角进行判断。
71.在步骤10中，发生车路事故时，航向角往往会出现偏离正常行驶方向的情况，设置道路所在行驶方向的航向角为偏离角度阈值为τ，车辆行驶时的航向角为ω。当时，认为偏离正常行驶方向，即可判定为发生了事故；
72.与车路碰撞不同的是，此类事故不止一辆车参与。碰撞发生时，可能存在急减速、两车碰撞距离无限靠近、速度降为0km/h、车边有行人现象。减速度等阈值与车路碰撞采用相同规则进行判断；
73.车边有行人：当车辆减速度介于2m/s2与5m/s2之间并持续一段时间，说明车辆经过了一段相对紧急的出乎意料的减速过程，并最终停止下来，车内人员下车，基本可以判定车辆是发生了事故的；
74.判定发生事故的车辆，若与停驶车辆集合a内的车辆在某个时刻距离接近甚至小于设置的阈值d，基本可以确定为相关车辆，即发生了车车事故。
75.在步骤14中，车速为0km/h。需要排除是拥堵及事故造成的停车。
76.工作原理：首先收集各车辆的实时轨迹，并存储停驶车辆集合，当集合中存在停驶车辆时，判断停驶车辆周围是否存在拥堵现象，如出现拥堵，对拥堵场景下的停驶车辆进行分析；如未出现拥堵，则分析停驶车辆在停驶前的减速度情况，针对不同程度的减速度进行有针对性的分析；最后结合航向角及周围行人进行综合分析，最终达到区分拥堵、车车事故、车路事故、违停的目的。
77.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。