机器视觉驱动的行人乱穿马路的安全性分析_牛雨晨.pdf

第 40 卷第 2 期2023 年 2 月公路交通科技Journal of Highway and Transportation esearch and DevelopmentVol.40No.2Feb 2023收稿日期:20211123基金项目:国家自然科学基金项目(71801020);教育部人文社会科学研究一般项目(18YJC630168);陕西省社会科学基金项目(2019S012);陕西省教育厅重点科学研究计划项目(20JZ016);中央高校基本科研业务费项目(300102341621)作者简介:牛雨晨(1998)，男，陕西富平人，硕士研究生(1369206100 )doi:10.3969/j.issn.10020268.2023.02.026机器视觉驱动的行人乱穿马路的安全性分析牛雨晨1，朱文英1，迟焱恒1，汪勇杰1，高超2(1.长安大学运输与工程学院，陕西西安710064;2.陕西汇德通市政工程有限公司，陕西西安710086)摘要:为了研究道路中段人车交互的安全性，比较不同类型车辆与行人交互的安全性，选取了西安市科技路上3 处易发生行人乱穿马路的道路中段及两处有人行横道的道路中段，采用无人机拍摄道路中段行人与车辆交互行为，使用YOLOv3 和 Deep-Sort 机器视觉算法处理视频获取轨迹数据，对轨迹数据作对比分析，从车速、让行比例、决策点位置和决策点速度对不同类型车辆与行人交互的安全性进行了比较，并使用 D-V 模型对不同路段的人车交互安全性进行评价和比较。结果表明:大比例的机动车不愿意给乱穿马路的行人让行，其中私家车选择不让行的比例是最高的，达到了62.85%;不同类型车辆的决策点位置和速度是不同的，公交车在让行时与行人的距离最近，为12.80 m，出租车和私家车的让行距离相对较远，均大于20 m;私家车在让行时的速度最大，达到了40.79 km;在3 类机动车中，出租车与乱穿马路的行人交互时安全性最高，而私家车更容易与乱穿马路的行人发生“风险交互”，另外与人行横道处的人车交互安全性对比发现，3 类车辆的让行情况均好于乱穿马路，即人行横道和车让人标志一定程度上提高了行人交互安全性。关键词:交通工程;过街安全;D-V 模型;行人;乱穿马路中图分类号:U491文献标识码:A文章编号:10020268(2023)02021407Analysis on Safety of PedestriansJaywalking Driven by Machine VisionNIU Yu-chen1，ZHU Wen-ying1，CHI Yan-heng1，WANG Yong-jie1，GAO Chao2(1 School of Transportation Engineering，Chang an University，Xi an Shaanxi 710064，China;2 Shaanxi Huidetong Municipal Engineering Co.，Ltd.，Xi an Shaanxi 710086，China)Abstract:In order to study the safety of pedestrian-vehicle interaction in the middle of road and compare thesafety of different types of pedestrian-vehicle interaction，selecting 3 middle sections where pedestrians arelikely to jaywalk and 2 middle sections with pedestrian crossings on Xi an Science and Technology oad，thevideos of the pedestrian-vehicle interaction in these middle sections are taken by UAV，the videos areprocessed by using YOLOv3 and Deep-Sort machine vision algorithms to obtain the trajectory data Thetrajectory data are compared and analyzed.The safety of different types of vehicle-pedestrian interaction iscompared in terms of vehicle speed，yielding ratio，decision point location and decision point speed，and thesafeties of pedestrian-vehicle interaction on different road sections are evaluated and compared by using D-Vmodel.The result shows that(1)a large proportion of motor vehicles are unwilling to give way to jaywalkingpedestrians，with the proportion of private cars choosing not to give way being the highest，at 62.85%;(2)the locations and speeds of the decision points of different vehicle types are different，with buses having theclosest distance to pedestrians when giving way at 12.80 m，while taxis and private cars having relativelylonger distances to give way，both greater than 20 m;(3)the private cars have the highest speed whengiving way，reaching 40.79 km/h;(4)among 3 types of motor vehicles，taxis have the highest safety when第 2 期牛雨晨，等:机器视觉驱动的行人乱穿马路的安全性分析interacting with pedestrians crossing the road，while private cars are more likely to have“risk interactions”with pedestrians jaywalking.In addition，the safety of interaction with pedestrians and vehicles at crosswalksis compared.It is found that the giving way conditions of the 3 vehicle types are better than those ofjaywalking，i.e.，crosswalks and vehicle signs improved the safety of pedestrian interaction to a certainextent.Key words:traffic engineering;crossing safety;D-V model;pedestrian;jaywalk0引言随着目前城市化进程的加快和机动化水平的提高，行人与机动车的冲突越来越多，行人交通安全问题日益严重12。据统计，全世界每年因交通事故死亡的人数中，行人死亡人数占到 23%3。因而，迫切需要对行人的过街安全性进行研究。行人的过街行为是人车交互发生的前提。很多事故的产生，也是因为一些行人的不当过街行为造成的。一些学者针对行人过街行为展开了一系列的研究46。在信号灯控制路段行人过街行为受行人心理因素影响较大，研究发现绿灯惯性心理和红灯截尾心理是支配信号控制路段行人闯红灯的主要心理7，行人的乐观偏差心理也会引发行人的不安全过街行为8。此外道路标线设计、信号配时情况、过街目的地、机动车干扰等也会影响行人过街行为，孙迪等9 将这些因素分为动态因素和静态因素，并将不同因素对行为的影响视为虚拟力的作用效果，分别建立了不同影响因素对行人行为的干扰模型。非信号灯控制路段行人过街行为影响因素主要包括，人车间距、车辆速度和可穿越间隙等参数10。另外研究发现道路特征和行人自身因素也是影响行人过街行为的主要因素，例如张存保等11 在没有信号灯控制的多车道人行横道对人车冲突进行分析，发现在双向六车道上人车冲突多发生于第三车道和第六车道，指出设置中间安全带的必要性。在行人自身因素中，性别、年龄、是否使用电子设备等因素被大多数研究者所关注12，同时由于智能手机的普及，手机对于行人过街行为的安全水平也存在显著影响13。尽管目前针对人行横道处提升行人过街安全的政策建议现已有很多开始实行，然而对道路中段乱穿马路情形下的人车冲突的研究目前还较少。在没有人行横道的道路上，行人乱穿马路的现象仍比较明显，且易发生人车冲突，造成严重的交通事故。关于行人乱穿马路的研究，有部分学者进行了先期的探索。相对于十字路口处的人行横道，行人在道路中段乱穿马路的行为很难被司机预测到14，并且行人乱穿马路时，行人到达路缘更倾向于主动过马路而不是被动地等待15，造成很多车辆无法及时让行。因此为了揭示行人乱穿马路的决策黑箱，汪勇杰等16 构建了考虑车流因素的行人乱穿马路的动态决策模型。此外为了明晰行人在无信号灯控制路段行人过街安全性，董艳涛等17 研究了无信号控制路段行人过街平均速度与行人年龄、性别、过街方式等的关系，并标定了系数。这些研究有助于更好地理解乱穿行人与机动车的交互过程18。但是，这些研究没有考虑异质性的车辆与行人的差异化交互过程。虽然法律规定机动车应该避让行人，但在实际生活中司机对于这部分行人的让行行为存在差异。现实生活中我们可以发现不同类型的车辆对行人乱穿的让行率存在差异。受制于人行横道处不让行的高额惩罚，存在部分司机在路口逼不得已让行。但是，这部分司机在遇到道路中段乱穿马路的行人时，就不愿意再给行人让行，这就造成了这种人车交互的安全性急剧降低。针对异质性机动车与行人的交互安全研究，有利于交通管理部门针对目标群体制定更加有效的治理措施。因而，本研究选取西安市繁华区域经常发生行人乱穿行为的道路中段，通过无人机拍摄视频，采用机器视觉算法提取人车运动轨迹数据，定量化地研究在车让人背景下，异质性车辆对行人乱穿行为的让行率，以及对行人安全性的影响。通过机器视觉，可以有效地对人车交互的安全性进行自动化评估，可以实现实时发送预警信息，并可根据历史视频数据的挖掘，对路网中的人车交互安全性进行评估。本项研究成果有望应用于路网关键位点的人车交互安全预警系统的构建。1方法1.1数据采集本研究所选取的路段位于陕西省西安市繁华的路段科技路。经前期实地调查，发现科技路有 3 处道路中段经常出现行人乱穿马路的行为。科技路为双向六车道，在南北两侧均有公交站点，行人经常512公路交通科技第 40 卷从道路中段乱穿马路。课题组在 2019 年 10 月 27 日(周日)和 2019 年 10 月 28 日(周一)的 8:3017:40 分时段采集了 6 h 的视频。视频拍摄过程天气良好，路面干燥。1.2数据处理近年来，随着人工智能的迅猛发展，基于深度学习的图像目标检测、识别技术有了很大的突破，使用卷积神经网络方法提取的特征要远远优于传统人工设计的特征