本發明屬于交通事故預警領域，具體涉及一種用于鬼探頭交通事故預警的方法、安全頭盔和系統。
背景技術：
1、本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。
2、造成電動車騎行者受傷死亡的眾多交通事故中，鬼探頭事故是一種城市道路高發事故類型。鬼探頭事故是指機動車（危險車輛）與非機動車（電動車騎行者）由于停止的遮擋車輛的影響，從彼此視距三角形以外的區域，近距離、短時間出現，讓彼此都沒有反應與躲避的時間與空間，最終發生碰撞的事故。
3、現有研究大多以機動車為預警主體，采用固定的路側設施作為預警設備載體，缺乏對電動車騎行者主動防碰撞的研究，同時事故預警角度及預警精度存在一定的局限性。為此，提供一種能夠有效保障電動車騎行者的安全，降低鬼探頭事故的發生率，對解決城市交通安全問題具有切實的可行性的發明尤為重要。
技術實現思路
1、本發明為了解決上述問題，提出了一種用于鬼探頭交通事故預警的方法、安全頭盔和系統，本發明結合車輛與電動車騎行者信息互聯的通信技術（簡稱為車聯網v2p通信）和全球定位系統（global?positioning?system，gps）等技術，提取了危險碰撞時間和位置坐標等信息作為電動車正常運行狀態下的事故特征變量，并基于?行人軌跡預測算法（san-gan算法）運用長短期記憶網絡（long?short-term?memory，lstm），碰撞危險狀態評價指標等算法模型，從而實現對鬼探頭事故的預警。
2、根據一些實施例，本發明采用如下技術方案：
3、一種用于鬼探頭交通事故預警的方法，包括以下步驟：
4、獲取電動車騎行者的行駛環境、車距、車流量、坐標位置和速度方向；
5、獲取電動車騎行者的當前行駛位置一定范圍內的各機動車輛的位置、速度和方向；
6、利用san-gan算法，基于電動車騎行者獲取的數據，得到交互序列，利用預訓練后的神經網絡模型，根據交互序列生成電動車騎行者的隱藏特征信息，根據隱藏特征信息對電動車騎行者的未來軌跡進行預測；
7、基于預測的未來軌跡，利用不確定度位置預測方法，引入比例因子，計算預測電動車騎行者與危險車輛之間的碰撞區域；
8、基于所述碰撞區域，根據碰撞危險狀態評價指標對電動車騎行者進行縱橫向碰撞危險狀態判斷，得到危險狀態判斷結果，形成預警信息。
9、作為可選擇的實施方式，所述神經網絡模型的訓練過程包括：對目標區域內的圖像進行采集，每隔一段時間，獲取各電動車騎行者軌跡和騎行者頭部偏轉角度，并進行標定，定義第i個電動車騎行者的二維坐標（，）及其頭部偏角，得到多組有效電動車騎行者軌跡和頭部偏轉角度，取至少一部分作為訓練數據，利用san-gan算法處理后，得到各電動車騎行者的交互序列，以此訓練神經網絡模型。
10、作為可選擇的實施方式，根據交互序列生成電動車騎行者的隱藏特征信息的過程包括：采用軌跡生成器生成電動車騎行者隱藏特征信息，其包含軌跡編碼器、電動車騎行者視野域池化模塊和軌跡解碼器，所述軌跡編碼器用于進行編碼得到目標電動車騎行者的特征向量，獲得電動車騎行者歷史軌跡特征向量；
11、所述電動車騎行者視野域池化模塊用于基于電動車騎行者之間的交互關系建立電動車騎行者視野域，建立電動車騎行者視野域函數，得到電動車騎行者視野域隱藏特征向量；
12、目標電動車騎行者與其他電動車騎行者之間的相對距離通過全連接層，得到特征向量，將其結合電動車騎行者視野域隱藏特征向量和，作為軌跡解碼器的輸入；
13、所述軌跡解碼器用于解碼，得到電動車騎行者的軌跡預測點。
14、作為進一步的實施方式，基于電動車騎行者之間的交互關系建立電動車騎行者視野域的過程包括：結合交互過程中電動車騎行者視野域的實際變化狀態，建立電動車騎行者視野：
15、；
16、；
17、；
18、其中，為在t時刻下第i個電動車騎行者的視野域；為的極徑； l為平分視野域面積的角平分線長度；為此時刻電動車騎行者的極角；為電動車騎行者此時刻的頭部偏角，即 l與水平軸線夾角；為電動車騎行者實際視野范圍角；為電動車騎行者i與j的相對距離。
19、作為進一步的實施方式，建立電動車騎行者視野域函數，得到電動車騎行者視野域隱藏特征向量的過程包括：考慮多位其他電動車騎行者同時處于在被預測電動車騎行者視野域中，以被預測電動車騎行者為影響源，視野域中的電動車騎行者距離影響源越近，則其產生的排斥力越大，距離越遠則產生的排斥力越小，據此建立電動車騎行者視野域函數，得到對電動車騎行者所產生位置信息影響：
20、；
21、；
22、式中，為電動車騎行者間的排斥幅度參數；r為電動車騎行者最小免碰撞距離；表示電動車騎行者i在t時刻的視野范圍；為電動車騎行者視野域函數；為中的判斷參數。
23、作為可選擇的實施方式，計算預測電動車騎行者與危險車輛之間的碰撞區域的過程包括：利用所述神經網絡模型得到電動車騎行者未來軌跡的均值和協方差，假設其位于某一位置的概率取決于碰撞區域ri，ri基于t時刻的軌跡均值和協方差矩陣確定，用協方差矩陣的平方根映射一個單位圓，確定一個橢圓，其主半軸依賴于該矩陣的特征值，其方向與相應的特征向量有關；運用馬氏逆變換，引入不同的比例因子計算出任意橢圓的置信概率，所述碰撞區域面積由置信橢圓表示，越靠近橢圓的中心位置，碰撞概率越高。
24、作為可選擇的實施方式，所述碰撞危險狀態評價指標包括危險車輛在縱向上到達危險碰撞區域的時間、電動車騎行者在縱向上到達危險碰撞區域時間、電動車騎行者相對于危險車輛的橫向上進入危險碰撞區域時間、電動車騎行者相對于危險車輛的橫向上離開危險碰撞區域時間。
25、作為可選擇的實施方式，進行縱橫向碰撞危險狀態判斷前，獲取電動車騎行者與遮擋車輛位置的距離、角度，以遮擋車輛作為坐標系下的坐標原點，構建坐標系，并轉換電動車騎行者位置坐標系，確定電動車騎行者在全局坐標系中的坐標，根據電動車騎行者在全局坐標系中的坐標和危險車輛在全局坐標系中的坐標，確定危險車輛與電動車騎行者間的相對位置關系，進而計算得到電動車騎行者相對于危險車輛的車輛坐標系的縱向速度和橫向速度。
26、作為可選擇的實施方式，進行縱向碰撞危險狀態判斷的過程包括：根據獲取的電動車騎行者運動狀態信息和坐標位置信息，以及危險車輛運動狀態信息和坐標位置信息，結合電動車騎行者軌跡的預測，考慮到汽車保持當前速度到達碰撞點的時間，建立縱向危險狀態判斷模型：
27、；
28、式中，分別為危險車輛與電動車騎行者的相對速度和相對加速度；d為危險車輛與電動車騎行者碰撞位置處的縱向距離；l為危險車輛車身長；為電動車騎行者到達危險碰撞區域的最短時間，由神經網絡模型預測得到；
29、比較和的大小，若當>時，為安全狀態，否則，為縱向碰撞危險狀態。
30、進行橫向碰撞危險狀態判斷的過程包括：電動車騎行者進入、離開危險碰撞區域時間、為：
31、；
32、；
33、式中，為危險車輛的寬度；為電動車騎行者的寬度；為危險車輛與電動車騎行者所需保持的最小安全距離；s為危險車輛與電動車騎行者碰撞位置處的橫向距離；為電動車騎行者相對于危險車輛坐標系的橫向速度；
34、根據計算得出的，比較三者間的大小關系，當時，為安全狀態；當時，為安全狀態；當時，為橫向危險狀態。
35、作為可選擇的實施方式，得到危險狀態判斷結果，形成預警信息的過程包括，若縱向和橫向危險狀態均為危險狀態，則判斷會發生碰撞危險，進行預警。
36、一種用于鬼探頭交通事故預警的安全頭盔，包括安全頭盔本體，所述安全頭盔本體上設置有攝像頭、微波傳感器、定位模塊、無線通信模塊、語音模塊和控制模塊，其中：
37、所述攝像頭設置于所述安全頭盔本體的前方，用于獲取路面動態圖像信息；
38、所述微波傳感器設置于所述安全頭盔本體的前方，用于獲取車流量、瞬時車速度和車距信息；
39、所述定位模塊，用于獲取電動車騎行者和電動車的位置、速度和方向信息；
40、所述無線通信模塊，用于將獲取的信息傳輸給上位控制系統，并接收上位控制系統的預警信息；
41、所述語音模塊，設置于安全頭盔的耳部對應區域內，用于播放所述預警信息；
42、所述控制模塊，用于連接并控制攝像頭、微波傳感器、定位模塊、無線通信模塊和語音模塊。
43、一種用于鬼探頭交通事故預警的系統，包括上位控制系統、多個定位模塊、網關和上述安全頭盔，其中，所述安全頭盔為各電動車騎行者在騎行過程中分別佩戴，用于獲取對應電動車騎行者的行駛環境、車距、車流量、坐標位置和速度方向，并播放預警信息；
44、定位模塊，用于獲取相應機動車輛的位置、速度和方向；
45、網關，用于將安全頭盔和定位模塊獲取的數據傳輸給上位控制系統；
46、所述上位控制系統，用于利用san-gan算法，基于電動車騎行者獲取的數據，得到交互序列，利用預訓練后的神經網絡模型，根據交互序列生成電動車騎行者的隱藏特征信息，根據隱藏特征信息對電動車騎行者的未來軌跡進行預測；基于預測的未來軌跡，利用不確定度位置預測方法，引入比例因子，計算預測電動車騎行者與危險車輛之間的碰撞區域；基于所述碰撞區域，根據碰撞危險狀態評價指標對電動車騎行者進行縱橫向碰撞危險狀態判斷，得到危險狀態判斷結果，形成預警信息，并發送給相應的安全頭盔。
47、與現有技術相比，本發明的有益效果為：
48、（1）不同于從汽車角度進行預警的研究，本發明運用車聯網v2p通信、gps等技術，結合lstm神經網絡、碰撞危險狀態評價指標等算法設計出了一個融道路環境，位置信息采集、實時感知、軌跡預測、事故預警、實時語音通信于一體的預警頭盔，將預警信息的接收者轉換到了電動車騎行者，使電動車騎行者能夠主動預防碰撞事故的發生。
49、（2）本發明采用san-gan算法預測軌跡相比于僅考慮騎行者線性軌跡預測的碰撞研究更具合理性，判斷碰撞風險的4個碰撞危險狀態評價指標相對于傳統碰撞時間算法ttc有效地降低了預警的誤報率及錯報率，能夠更有效地保護電動車騎行者的安全。
50、（3）本發明實際適用場景廣泛，也可運用在其他交通復雜路段。可將頭盔接入交管及快遞外賣等企業系統擴大適用群體范圍，進一步提高頭盔的適用性和信息交互能力，為騎行者提供更多的道路實時信息，提高頭盔事故預警能力。對于降低城市鬼探頭交通事故的發生率，解決城市交通安全問題，推動交通運輸基礎設施體系高端化、智能化、數字化高質量發展，推進交通裝備技術智能化創新發展具有重要意義。
51、為使本發明的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。