一种信号交叉口非机动车违规过街行为自动判别方法

摘要

本发明公开了一种信号交叉口非机动车违规过街行为自动判别方法，按如下步骤进行：（1）在信号交叉口人行横道及其附近范围内架设两台摄像机，通过录取的视频，对相关参数进行整理；（2）根据离散选择分析方法，建立信号交叉口非机动车违规过街行为二元logit预测模型，并采用参数递进方法对二元logit预测模型进行标定，标定结果为：

说明书

技术领域

本发明涉及一种信号交叉口非机动车违规过街行为自动判别方法，具体涉及一种运 用二元logit模型进行信号交叉口非机动车违规过街行为自动判别方法，属于交通管理 和交通安全技术领域。

背景技术

非机动车主要包括自行车和电动自行车，是我国大城市内的重要交通方式，尤其是 国内城市居民短途出行的首选交通工具。非机动车事故的常发性和事故后果的严重性， 使得非机动车事故成为中国交通事故的特点，并成为中国交通和交通事故的难点。2010 年，全国非机动车事故8745起，造成1462人死亡，9483人受伤，直接财产损失达1137 万元人民币。统计表明，大多数非机动车事故是由于其违规过街造成的，因而研究如何 确定非机动车过街行为是具有意义重大的。

目前，针对非机动车过街行为的研究较少，相关的研究主要集中在行人过街行为。 现有研究主要是针对行人的个人属性，社会特性和家庭特性等信息进行定性分析从而确 定过街行为偏好。仅有为数不多的非机动车过街行为的研究也是基于分析年龄、性别、 非机动车种类等信息确定其过街行为，并未涉及到非机动车过街的交叉口特性以及交通 环境。因而现有的方法并不能综合分析影响非机动车过街行为的因素，也不能指导工程 实践以降低非机动违规过街行为。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，提供一种判断准确、减少人工 参与、可指导工程实践的信号交叉口非机动车违规过街行为自动判别方法。

技术方案：本发明所述的一种信号交叉口非机动车违规过街行为自动判别方法，其 特征在于，按如下步骤进行：

（1）在信号交叉口人行横道及其附近范围内架设两台摄像机，第一台摄像机架设 于人行横道处的隐蔽位置，用于拍摄非机动车特性及其过街行为；第二台摄像机架设于 信号交叉口的高处，俯视拍摄道路交通流量以及交叉口特性；

通过录取的视频，对相关参数进行整理，整理的参数包括驾驶员性别、驾驶员年龄、 驾驶员是否戴头盔、非机动车是否载人、非机动车类型、交叉口形状、交叉口进口道是 否有中央分隔带、交叉口进口道断面形式、交叉口进口道是否有正在通行的车辆、非机 动车信号灯形式、5min内非机动车数和5min内机动车数；

对相关数据的整理是通过人工完成的，即由人通过观看视频去判断上述参数，然后 做记录。

（2）根据离散选择分析方法，建立信号交叉口非机动车违规过街行为二元logit预 测模型，并采用参数递进方法对二元logit预测模型进行标定，标定结果为：

$P=\frac{1}{1+e^{-(1.680+0.475x_1-0.567x_2-0.181x_3-1.028x_4-0.441x_5+1.179x_6-1.102x_7)}}$

其中，x₁代表性别（1男，0女），x₂代表年龄（1青年，2中年，3老年）；x₃代表 非机动车车类型（1电动摩托车，2电动自行车，3自行车）；x₄代表交叉口进口道是否 有中央分隔带（1有，2无）；x₅代表交叉口进口道断面形式（1单幅路，2两幅路，3 三幅路）；x₆代表交叉口进口道是否有正在通行的车辆（1有，2无）；x₇代表非机动车 信号灯形式（1数字型；2闪烁型）。

（3）在步骤（1）中整理的参数数据中提取步骤（2）中预测模型需要的参数数据， 并将数据输入步骤（2）中的二元logit预测模型，得到信号交叉口非机动车违规过街行 为，当P>0.5时，非机动车违规过街；当P<0.5时，非机动车不违规过街。

步骤（2）中对二元logit预测模型进行标定采用SPSS19.0系统的Analysis模块进 行，将步骤（1）中得到的有可能影响模型的参数数据进行分析，通过“参数递进法” 将有效的参数选择出来纳入模型中，而将无效的参数舍去。SPSS19.0是美国IBM公司 推出的商业数学分析软件，它集数据整理、分析功能于一身。SPSS19.0由多个功能模块 组合而成，本发明利用其中的Analysis模块实现信号交叉口非机动车违规过街行为二元 logit预测模型的参数标定，拟合结果显示，模型拟合优度显著。

步骤（2）中建立信号交叉口非机动车违规过街行为二元logit预测模型后，通过检 验组的实测数据进行模型的精度验证。模型预测的信号交叉口非机动车违规过街行为与 实测数据中信号交叉口非机动车违规过街行为偏差较小，证明模型的适用性和有效性。 选取南京市1131个非机动车进行模型的验证，模型对非机动车违规过街的预测准确度 为82.8%，对非机动车不违规过街的预测准确度为78.7%，总计预测精度为81.9%，预 测值与实测值的差值很小，从而证明了预测模型的有效性和应用的普遍性。

有益效果：本发明所述的一种信号交叉口非机动车违规过街行为自动判别方法，通 过在交叉路口架设摄像机的方法采集交叉路口的数据，将相关参数进行整理后，输入二 元logit预测模型，对信号交叉口处非机动车过街是否违规做出快速判断，减少人为的 参与，提高判断速度，使判断准确公正；同时，也可通过模型中显著影响信号非机动车 违规过街行为的因素，为交叉口改造提供理论依据，具有实际的工程运用价值。

附图说明

图1为本发明所述的信号交叉口非机动车违规过街行为自动判别方法的流程图；

图2为本发明方法中采集信号交叉口非机动车过街行为数据的逻辑图；

图3为本发明方法中二元logit预测模型的建立方法的流程图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施 例。

实施例：本发明一种信号交叉口非机动车违规过街行为自动判别方法，其流程图如 图1所示，按如下步骤进行：

（1）在信号交叉口人行横道及其附近范围内架设两台摄像机，第一台摄像机架设 于人行横道处的隐蔽位置，用于拍摄非机动车特性及其过街行为；第二台摄像机架设于 信号交叉口的高处，俯视拍摄道路交通流量以及交叉口特性。

通过录取的视频，对相关参数进行整理，整理的参数逻辑图如图2所示，包括驾驶 员性别、驾驶员年龄、驾驶员是否戴头盔、非机动车是否载人、非机动车类型、交叉口 形状、交叉口进口道是否有中央分隔带、交叉口进口道断面形式、交叉口进口道是否有 正在通行的车辆、非机动车信号灯形式、5min内非机动车数和5min内机动车数。

对相关数据的整理是通过人工完成的，即由人通过观看视频去判断上述参数，然后 做记录。

（2）根据离散选择分析方法，建立信号交叉口非机动车违规过街行为二元logit预 测模型，建立二元logit预测模型方法的流程图如图3所示，并采用参数递进方法对二 元logit预测模型进行标定，标定结果为：

$P=\frac{1}{1+e^{-(1.680+0.475x_1-0.567x_2-0.181x_3-1.028x_4-0.441x_5+1.179x_6-1.102x_7)}}$

其中，x₁代表性别（1男，0女），x₂代表年龄（1青年，2中年，3老年）；x₃代表 非机动车车类型（1电动摩托车，2电动自行车，3自行车）；x₄代表交叉口进口道是否 有中央分隔带（1有，2无）；x₅代表交叉口进口道断面形式（1单幅路，2两幅路，3 三幅路）；x₆代表交叉口进口道是否有正在通行的车辆（1有，2无）；x₇代表非机动车 信号灯形式（1数字型；2闪烁型）。

对二元logit预测模型进行标定采用SPSS19.0系统的Analysis模块进行，将步骤（1） 中得到的有可能影响模型的参数数据进行分析，通过“参数递进法”将有效的参数选择 出来纳入模型中，而将无效的参数舍去。SPSS19.0是美国IBM公司推出的商业数学分 析软件，它集数据整理、分析功能于一身。SPSS19.0由多个功能模块组合而成，本发明 利用其中的Analysis模块实现信号交叉口非机动车违规过街行为二元logit预测模型的 参数标定，拟合结果显示，模型拟合优度显著。

建立信号交叉口非机动车违规过街行为二元logit预测模型后，通过检验组的实测 数据进行模型的精度验证。模型预测的信号交叉口非机动车违规过街行为与实测数据中 信号交叉口非机动车违规过街行为偏差较小，证明模型的适用性和有效性。选取南京市 1131个非机动车进行模型的验证，模型对非机动车违规过街的预测准确度为82.8%，对 非机动车不违规过街的预测准确度为78.7%，总计预测精度为81.9%，预测值与实测值 的差值很小，从而证明了预测模型的有效性和应用的普遍性。

（3）在步骤（1）中整理的参数数据中提取步骤（2）中预测模型需要的参数数据， 并将数据输入步骤（2）中的二元logit预测模型，得到信号交叉口非机动车违规过街行 为，当P>0.5时，非机动车违规过街；当P<0.5时，非机动车不违规过街。

应用本发明的方法，通过非机动车数据视频采集获得10组非机动车数据，并将数 据输入至二元logit预测模型中进行非机动车过街行为进行预测，并将预测结果与实际 过街行为进行比较，结果如表1所示：

表1：

信号交叉口非机动车过街行为的确定对提高交叉口交通安全至关重要，基于信号 交叉口非机动车违规过街行为二元logit预测模型，将非机动车特性和交叉口几何特性 等信息输入模型，可对信号交叉口非机动车违规过街行为做出快速判断。另外，也可通 过模型中显著影响信号非机动车违规过街行为的因素，进行交叉口改造，具有实际的工 程运用价值。如实施例所示，对10组非机动车过街行为的预测结果与实际过街行为一 致，说明了本发明方法的实施有效性。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为 对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对 其在形式上和细节上作出各种变化。