车辆运动状态的确定方法、系统、终端及可读存储介质

PATEXPCRER

专利探索者一全球创新始于探索

车辆运动状态的确定方法、系统、终端

及可读存储介质

申请号：CN.3

申请日：20180823

申请（专利权）人：［深圳大学］

地址：广东省深圳市南山区南海大道3688号

发明人：［李岩山，罗成华,郭天宇,吴豪明,黄晓坤，王敏］

主分类号：G06K9/00

公开（公告）号：CNB

公开（公告）日：20210406

代理机构：深圳市恒申知识产权事务所（普通合伙）

代理人：［袁文英］

(19)中华人民共和国国家知识产权局

(12)发明专利

(10)授权公告号CNB

(45)授权公告日20210406

(21)申请号CN.3

(22)申请日20180823

(71)申请人［深圳大学］

地址广东省深圳市南山区南海大道

3688号

(72)发明人［李岩山，罗成华，郭天

宇，吴豪明，黄晓坤，王敏］

(74)专利代理机构深圳市恒申知识产

权事务所(普通合伙)

代理人［袁文英］

(54)发明名称

车辆运动状态的确定方法、系统、

终端及可读存储介质

(57)摘要

本发明适用于交通监控领域，提供

了一种车辆运动状态的确定方法，包括：

获取目标车辆在检测区域的检测视频中的

位置集合；根据所述位置集合中的坐标信

息确定所述目标车辆的位移矢量，以所述

位移矢量确定所述目标车辆的运动轨迹；

根据所述目标车辆的运动轨迹，采用模糊

运动状态来确定所述目标车辆的运动状

态。本发明实施例通过模糊运动状态来衡

量目标车辆的运动状态，能够在Id标车辆

的轨迹时刻变化时，在检测区域中确定目

标车辆的运动状态。

权利要求书

1.一种车辆运动状态的确定方法，其特征在于，包括:

获取目标车辆在检测区域的检测视频中的位置集合，

所述获取目标车辆在检测区域的检测视频中的位置集合包括：

采集道路上预先划定的检测区域的检测视频，所述检测视频中包含有所述目标车

辆；

获取所述目标车辆在所述检测视频中每一帧图片上的位置，得到所述目标车辆在

所述检测视频中的位置集合TrajObj；

TrajObj={p1,p2,•••,pm)={(xl,yl),(x2,y2),—,(xm,y

m)),其中，(x1,y1)表示起点，(xm,ym)表示终点；

根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量

确定所述目标车辆的运前轨迹，

所述根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移

欠量确定所述目标车辆的运动轨迹包括：

以(x1,y1)表示所述目标车辆行驶的起点，(xm,ym)表示终点，表示所述

目标车辆从起点指向终点的位移矢量，即：

其中，表示从原点0指向P1的向量，表示从原点。指向Pm的向量，所述目

标车辆Obj在不同方向上的位移分量为xs和ys,即：

当xsW0时，表示所述目标车辆Obj在x轴方向上有运动；当ysNO时，表

示所述目标车辆Obj在y轴方向上有运动；

以x轴到的夹角0分析位移矢量的方向，设［为的模，则：

所述检测区域S的下边界为y=L,所述检测区域中车流方向沿y轴为正方向，若

ym2L,则确定所述目标车辆Obj正在或已经驶出检测区域，否ym<L,则确定说明

所述目标车辆未能正常驶出检测区域，最终得到所述目标车辆在所述检测区域内的运

动轨迹；

根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状

态，其中，

设所述目标车辆Obj的模糊运动状态mot0包括：向右横穿马路Ra、正常行驶

Nm、向左横穿马路La和逆行Re；

所述目标乍辆Obj的运动状态mot0对应的隶属度函数包括：

若fRa(0)越大，则表示模糊运动状态mot0属于向右横穿马路Ra的程度越

大，当或时，模糊运前状态mot0为向右横穿马路Ra；当时，模糊运动状态mot

0处于向右横穿马路Re和正常行驶Nm的临界状态；当时，模糊运动状态mot0处

于向右横穿马路Ra和逆行Re的临界状态；

若fNm(0)越大，则表示模糊运动状态mot0属于正常行驶Nm的程度越大，

当时，模糊运动状态mot0为正常行驶Nm；当时，模糊运动状态mot0处于正常

行驶Nm和向右横穿马路Ra的临界状态；当时，模糊运动状态mot0处于正常行驶

Nm和向左横穿马路La的临界状态：

若fLa(0)越大，则表示模糊运动状态mot0属于向左横穿马路La的程度越

大，当时，模糊运动状态mot0为向左横穿马路La；当时，模糊运动状态mot。

处于向左横穿马路La和正常行驶Nm的临界状态；当时，模糊运动状态mot0处于

向左横穿马路La和逆行Re的临界状态；

若fRe(。)越大，则表示模糊运动状态mot6属于逆行Re的程度越大，当时,

模糊运动状态mot0为逆行Re；当时，模糊运动状态mot0处于逆行Re和向左横

穿马路La的临界状态；当时，模糊运动状态mot0处于逆行Re和向右横穿马路Ra

的临界状态。

2.一种乍辆运动状态的确定系统，其特征在于，包括：

位置获取单元，用于获取目标车辆在检测区域的检测视频中的位置集合，

所述位置获取单元具体用于：

轨迹获取单元，用于根据所述位置集合中的坐标信息确定所述目标车辆的位移矢

量，以所述位移矢量确定所述目标车辆的运动轨迹，

所述轨迹获取单元具体用于：

以(x1,y1)表示所述目标车辆行驶的起点，(xm,ym)表示终点，表示所述

目标车辆从起点指向终点的位移矢量，即：

其中，表示从原点0指向P1的向量，表示从原点。指向Pm的向量，所述目

标车辆Obj在不同方向上的位移分量为xs和ys,即：

以x轴到的夹角0分析位移矢量的方向，设［为的模，则：

状态确定单元，用于根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所

述目标车辆的运动状态，

所述状态确定单元具体用于：

若fRa(0)越大，则表示模糊运动状态mot0属于向右横穿马路Ra的程度越

大，当或时，模糊运引状态mot0为向右横穿马路Ra；当时，模糊运动状态mot

。处于向右横穿马路能和正常行驶Nm的临界状态：当时，模糊运动状态mot9处

于向右横穿马路Ra和逆行Re的临界状态；

若fNm(0)越大，则表示模糊运动状态mot0属于正常行驶Nm的程度越大，

当时，模糊运动状态mot0为正常行驶际：当时，模糊运动状态mot0处于正常

行驶Nm和向右横穿马路Ra的临界状态；当时，模糊运动状态mol0处于正常行驶

Nm和向左横穿马路La的临界状态；

若fLa(0)越大，则表示模糊运动状态mot0属于向左横穿马路La的程度越

大，当时，模糊运动状态mot0为向左横穿马路La；当时，模糊运动状态mot0

处于向左横穿马路La和正常行驶Nm的临界状态；当时，模糊运动状态m30处于

向左横穿马路La和逆行Re的临界状态；

若fRe(0)越大，则表示模糊运动状态mot0属于逆行Re的程度越大，当时,

模糊运动状态mot0为逆行Re；当时，模糊运动状态mot0处于逆行Re和向左横

穿马路La的临界状态；当时，模糊运动状态mot0处于逆行Re和向右横穿马路Ra

的临界状态。

3.一种终端，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行

的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1

所述的车辆运动状态的确定方法中的各个步骤。

4.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被

处理器执行时，实现如权利要求1所述的车辆运动状态的确定方法中的各个步骤。

说明书

车辆运动状态的确定方法、系统、终端及可读存储介质

技术领域

本发明属于交通监控领域，尤其涉及一种车辆运动状态的确定方法、系统、终端

及可读存储介质。

背景技术

近年来，交通监控视频技术的发展和其旺盛的实际需求吸引了大量的国内外研究

者对视频中的交通异常检测及相关算法展开了深入研究。

\i1akornSccncnvcng等人提出了基于计算机视觉的车辆计数算法，计数的精确度

高，提高了对车流量监测的准确程度；Nowosielski,A等人基于Camshift算法，提出

了一种新的车辆轨迹模式识别算法，能够对车辆的非法停车或非法转弯等行为准确分

析识别；Daw-TungLin等人则提出Superpixel跟踪算法和车辆轨迹分析技术，并应用

于十字路口的交通监控；SangHai-fcng等人提出了一种通过检测和跟踪车辆轨迹判断

车辆是否逆行和超速的系统；Li等人采用了提取特征点来检测分析交通异常的方法，

准确性上有所提升；HanlinTan则提出一种基于稀疏光流法的异常检测算法，可以检

测逆行和横穿马路等交通异常情况；LiNing等人则提出了一种综合多种交通信息对异

常情况进行分析的算法，提高了系统分析的适用性；AhmedTageldin等人提出了一种

在特定时间内道路上目标间距离来判断交通情况的方法，并以此来解决高度拥堵的交

通状态下行人与车辆的冲突问题；杨志勇等人通过的合模糊逻辑和改进的增量比较算

法，建立了一种基于模糊逻辑的高速公路交通事件检测模型，该模型通过提取车辆速

度和车流量信息来进行事件分析，但由于交通状况十分复杂，该模型检测的前提有一

定的局限性。SiyuanLiu等人则提出利用GPS提取城市出租车的轨迹数据，分析出租

车移动速度来检测城市道路拥堵情况。

然而，基于GPS定位的异常检测虽然精度高，但也大大提高了检测成本，实用性

不足。同时，在现有技术中，由于目标车辆的轨迹时刻处于变化状态，量化地输出其

位移距离和矢量方向难以界定目标车辆的运动状态。

发明内容

本发明所要解决的技术问题在于提供一种车辆运动状态的确定方法、系统、终端

及可读存储介质，旨在解决现有技术中，由于目标军辆的轨迹时刻处于变化状态，量

化地输出其位移距离和矢量方向难以界定目标车辆的运动状态的问题。

本发明是这样实现的，一种车辆运动状态的确定方法，包括：

获取目标车辆在检测区域的检测视频中的位置集合；

根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量

确定所述目标车辆的运前轨迹；

根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状

态。

进一步地，所述获取目标乍辆在检测区域的检测视频中的位置集合包括：

采集道路上预先划定的检测区域的检测视频，所述检测视频中包含有所述11标车

辆；

获取所述目标车辆在所述检测视频中每一帧图片上的位置，得到所述目标车辆在

所述检测视频中的位置集合TrajObj；

TrajObj={p1,p2，…,pm)={(x1,y1),(x2,y2),•••,(xn,y

m)},其中，(x1,y1)表示起点，(xm,ym)表示终点。

进一步地，所述根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，

以所述位移矢量确定所述R标乍辆的运动轨迹包括：

以(x1,y1)表示所述目标车辆行驶的起点，(xm,ym)表示终点，表示所述

目标车辆从起点指向终点的位移矢量，即：

其中，表示从原点。指向Pl的向量，表示从原点。指向Pm的向量，所述目

标车辆Obj在不同方向上的位移分量为xs和ys,即：

当xsW0时，表示所述目标车辆Obj在x轴方向上有运动；当ysW0时，表

示所述目标车辆Obj在y轴正方向上有运动；

以x轴到的夹角6分析位移矢量的方向，设r为的模，贝人

所述检测区域S的下边界为y=L,所述检测区域中车流方向沿y轴为正方向，若

ym则确定所述目标车辆Obj正在或已经驶出检测区域，否ym<L,则确定说明

所述Fl标乍辆未能正常驶出检测区域，最终得到所述FI标乍辆在所述检测区域内的运

动轨迹。

进一步地，所述根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目

标车辆的运动状态包括：

设所述目标车辆Obj的模糊运动状态mot0包括：向右横穿马路Ra、正常行驶

Nm、向左横穿马路La和逆行Re；

所述目标车辆Obj的运动状态mot0对应的隶属度函数包括：

若fRa(0)越大，则表示模糊运动状态mot0属于向右横穿马路Ra的程度越

大，当或时，模糊运动状态mot0为向右横穿马路Ra：当时，模糊运动状态mot

0处于向右横穿马路住和正常行驶Nm的临界状态；当时，模糊运动状态mot0处

于向右横穿马路Ra和逆行Re的临界状态；

若fNm(())越大，则表示模糊运动状态mot0属于正常行驶Nm的程度越大，

当时，模糊运动状态mot0为正常行驶Nm；当时，模糊运动状态mot0处于正常

行驶Nm和向右横穿马路Ra的临界状态；当时，模糊运动状态mot6处于正常行驶

Nm和向左横穿马路La的临界状态：

若fLa(0)越大，则表示模糊运动状态mot。属于向左横穿马路La的程度越

大,当时，模糊运动状态mot0为向左横穿马路La：当时，模糊运动状态mot0

处于向左横穿马路La和正常行驶Nm的临界状态；当时，模糊运动状态mot0处于

向左横穿马路La和逆行Re的临界状态；

若fRe(0)越大，则表示模糊运动状态mot0属于逆行Re的程度越大，当时,

模糊运动状态mot0为逆行Re；当时，模糊运动状态mot0处于逆行Re和向左横

穿马路La的临界状态；当时，模糊运动状态mot0处于逆行Re和向右横穿马路Ra

的临界状态。

本发明实施例还提供了一种车辆运动状态的确定系统，包括：

位置获取单元，用于获取目标车辆在检测区域的检测视频中的位置集合；

轨迹获取单元，用于根据所述位置集合中的坐标信息确定所述目标车辆的位移矢

量，以所述位移矢量确定所述目标车辆的运动轨迹；

状态确定单元，用于根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所

述目标车辆的运动状态。

进一步地，所述位置获取单元具体用于：

采集道路上预先划定的检测区域的检测视频，所述检测视频中包含有所述目标车

辆；

获取所述目标车辆在所述检测视频中每一帧图片上的位置，得到所述目标车辆在

所述检测视频中的位置集合TrajObj；

TrajObj=(p1,p2，…，pm}={(x1,y1),(x2,y2),•••»(xn,y

m)},其中，(x1,y1)表示起点，(xm,ym)表示终点。

进一步地，所述轨迹获取单元具体用于：

以(x1,y1)表示所述目标车辆行驶的起点，(xm,ym)表示终点，表示所述

目标车辆从起点指向终点的位移矢量，即：

其中，表示从原点。指向P1的向量，表示从原点0指向Pm的向量，所述目

标车辆Obj在不同方向上的位移分量为xs和ys,即：

当xsr0时，表示所述目标车辆Obj在x轴方向上有运动；当ysr0时，表

示所述目标车辆Obj在y轴正方向上有运动；

以x轴到的夹角0分析位移矢量的方向，设r为的模，贝人

所述检测区域S的下边界为y=L,所述检测区域中车流方向沿y轴为正方向，若

ym2L,则确定所述目标车辆Obj正在或已经驶出检测区域，否ym〈L,则确定说明

所述目标车辆未能正常驶出检测区域，最终得到所述目标车辆在所述检测区域内的运

动轨迹。

进一步地，所述状态确定单元具体用于：

设所述目标车辆Obj的模糊运动状态mot0包括：向右横穿马路Ra、正常行驶

Nm、向左横穿马路La和逆行Re；

所述目标车辆Obj的运动状态mot0对应的隶属度函数包括：

若fRa(0)越大，则表示模糊运动状态mot0属于向右横穿马路Ra的程度越

大，当或时，模糊运前状态mot0为向右横穿马路Ra；当时，模糊运动状态mot

0处于向右横穿马路Ra和正常行驶Nm的临界状态：当时，模糊运动状态mot。处

于向右横穿马路Ra和逆行Re的临界状态；

若fNm(0)越大，则表示模糊运动状态mot0属于正常行驶Nm的程度越大，

当时，模糊运动状态mot0为正常行驶Nm；当时，模糊运动状态mot0处于正常

行驶Nm和向右横穿马路Ra的临界状态；当时，模糊运动状态mot0处于正常行驶

Nm和向左横穿马路La的临界状态；

若fLa(0)越大，则表示模糊运动状态mot0属于向左横穿马路La的程度越

大，当时，模糊运动状态mot0为向左横穿马路La；当时，模糊运动状态mot0

处于向左横穿马路La和正常行驶Nm的临界状态；当时，模糊运动状态mot0处于

向左横穿马路La和逆行Re的临界状态；

若fRe(0)越大，则表示模糊运动状态mot0属于逆行Re的程度越大，当时,

模糊运动状态mot0为逆行Re；当时，模糊运动状态1110t0处于逆行Re和向左横

穿马路La的临界状态；当时，模糊运动状态mot0处于逆行R。和向右横穿马路Ra

的临界状态。

本发明实施例还提供了一一种终端，包括存储器、处理器及存储在所述存储器上且

在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述

所述的车辆运动状态的确定方法中的各个步骤。

本发明实施例还提供了一种可读存储介质，其.上存储有计算机程序，所述计算机

程序被处理器执行时，实现如上述所述的车辆运动状态的确定方法中的各个步骤。

本发明与现有技术相比，有益效果在于：本发明实施例通过获取目标车辆在检测

区域的检测视频中的位置集合，根据该位置集合中的坐标信息确定该目标车辆的位移

矢量，以该位移矢量确定所述目标车辆的运动轨迹，根据该目标车辆的运动轨迹，采

用模糊运动状态来确定该目标车辆的运动状态。本发明实施例通过模糊运动状态来衡

量目标车辆的运动状态，能够在目标车辆的轨迹时刻变化时，在检测区域中确定目标

车辆的运动状态。

附图说明

图1是本发明实施例提供的车辆运动状态的确定方法的流程图；

图2是本发明实施例提供的检测区域的示意图；

图3是本发明实施例提供的车辆运动状态的确定系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，

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。

图1示出了本发明实施例提供的车辆运动状态的确定方法，包括：

S101,获取目标车辆在检测区域的检测视频中的位置集合；

S102,根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位

移矢量确定所述目标车辆的运动轨迹；

S103,根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的

运动状态。

下面对本发明实施例进行详细的阐述：

在实际应用中，交通场景往往复杂多样，在一个交通场景中往往存在与交通无关

的区域，如路边的树木、蓝天等等，为了减少这些区域对交通信息参数的影响，同时

提高实时性，本发明实施例在交通场景中根据车道形状划定一个梯形区域用于检测操

作，将该区域记为检测区域S,如图2中的阴影区为异常检测区域S,交通场景的左上

角设为坐标原点0。

a)车辆的位移矢量：

本发明实施例通过对交通目标提取和跟踪进而获取目标车辆的运动轨迹。假设在

正常交通情况下，运动的目标车辆Obj通过检测区域S的时间为At,其通过S区域的

轨迹用它在检测视频中各帧上的位置的集合表示，即：

TrajObj={p1,p2,—,pm}={(x1,y1),(x2,y2),(xm,ym))

其中，(x1,y1)为起点，(xm,ym)为终点。为了便于计算，本实施例采用

了从起点指向终点的位移矢量近似模拟该目标的运动轨迹。

其中为从原点。指向P1的向量，为从原点。指向Pm的向量，设目标车辆

Obj在不同方向上的位移分量为xs和ys,即：

根据实际交通情况，当xsW0,说明目标车辆Obj在x轴方向上有运动，可能是

车辆正常变换车道或行人/车辆横穿马路等情况；当ysK0,说明目标车辆Obj在y

轴正方向上有运动，可能是正常行驶、逆向行车或意外停车。

由于直角坐标系中斜率能表达的范围存在局限性，因此采用x轴到的夹角0分

析位移矢量的方向。设r为的模，则由以下可得0和r的表达式为：

设S的下边界为y=L,车流方向沿y轴正方向，本发明实施例讨论的方向以直行

方向为准。当ym>L说明目标车辆正在或已经驶出检测区域；否则，说明目标车辆未

能正常驶出检测区域。

b)模糊运动状态：

由于目标车辆的轨迹时刻处于变化状态，量化地输出其位移距离和矢量方向难以

界定目标车辆的运动状态。为此，本发明实施例采用模糊运动状态来衡量运动的目标

车辆的运动状态，设目标车辆Obj的模糊运动状态met0有如下儿种情况：向右横穿

马路、正常行驶、向左横穿马路、逆行4种，分别用Ra、Nm、La、Re表示。目标车辆

的运动状态mot0对应的隶属度函数如下：

从式（1）可以看山，fRa（0）越大，说明mot0属于Ra的程度越大。当时，模

糊运动状态为Ra（右横穿）:当时，模糊运动状态处于Ra（右横穿）和Nm（正常）的临界

状态；当时，模糊运动状态处于Ra（右横穿）和Re（逆行）的临界状态。

从式⑵可以看出，fNm（0）越大，说明mot0属于Nm的程度越大。当时，模

糊运动状态为Nm（正常）：当时，模糊运动状态处于Nm（正常）和Ra（右横穿）的临界状

态；当时，模糊运动状态处于Nm（正常）和La（左横穿）的临界状态。

从式（3）可以看出，fLa（0）越大，说明mot0属于La的程度越大。当时，模

糊运动状态为La（左横穿）；当时，模糊运动状态处于La（左横穿）和Nm（正常）的临界

状态；当时，模糊运动状态处于La（左横穿）和Re（逆行）的临界状态。

从式（4）可以看出，fRe（0）越大，说明mot0属于Re的程度越大。当时，模

糊运动状态为Re（逆行）：当时，模糊运动状态处于Re（逆行）和La（左横穿）的临界状

态；当时，模糊运动状态处于R。（逆行）和Ra（右横穿）的临界状态。

图3示出了本发明实施例提供的一种车辆运动状态的确定系统，包括：

位置获取单元301,用于获取目标车辆在检测区域的检测视频中的位置集合；

轨迹获取单元302,用于根据所述位置集合中的坐标信息确定所述目标车辆的位移

矢量，以所述位移矢量确定所述目标车辆的运动轨迹；

状态确定单元303,用于根据所述目标车辆的运动轨迹，采用模糊运动状态来确定

所述目标车辆的运动状态。

进一步地，位置获取单元301具体用于：

采集道路上预先划定的检测区域的检测视频，所述检测视频中包含有所述目标车

辆；

获取所述目标车辆在所述检测视频中每一帧图片卜•的位置，得到所述目标车辆在

所述检测视频中的位置集合TrajObj；

TrajObj=（p1,p2,…，pm｝=｛（xl,yl）,（x2,y2）,…，（xm,y

m）｝,其中，（x1,y1）表示起点，（xm,ym）表示终点。

进一步地，轨迹获取单元302具体用于：

以（x1,y1）表示所述目标车辆行驶的起点，（xm,ym）表示终点，表示所述

目标车辆从起点指向终点的位移欠量，即：

其中，表示从原点0指向P1的向量，表示从原点。指向Pm的向量，所述目

标车辆Obj在不同方向上的位移分量为xs和ys,即：

当xsW0时，表示所述目标车辆Obj在X轴方向上有运动；当ysW0时，表

示所述目标车辆Obj在y轴正方向上有运动；

以x轴到的夹角0分析位移矢量的方向，设r为的模，贝I」：

所述检测区域S的下边界为y=L,所述检测区域中车流方向沿y轴为正方向，若

ym2L,则确定所述目标车辆Obj正在或已经驶出检测区域，否ym",则确定说明

所述目标车辆未能正常驶出检测区域，最终得到所述目标车辆在所述检测区域内的运

动轨迹。

进一步地，状态确定单元303具体用于：

设所述目标车辆Obj的模糊运动状态mot0包括：向右横穿马路Ra、正常行驶

Nm、向左横穿马路La和逆行Re；

所述目标车辆Obj的运动状态mot0对应的隶属度函数包括：

若fRa(0)越大，则表示模糊运动状态mot0属于向右横穿马路Ra的程度越

大，当或时，模糊运前状态mot0为向右横穿马路Ra；当时，模糊运动状态mot

0处于向右横穿马路在和正常行驶Nm的临界状态；当时，模糊运动状态mot。处

于向右横穿马路Ra和逆行Re的临界状态；

若fNm(。)越大，则表示模糊运动状态mot0属于正常行驶Nm的程度越大，

当时，模糊运动状态mot0为正常行驶Nm；当时，模糊运动状态mol0处于正常

行驶Nm和向右横穿马路Ra的临界状态；当时，模糊运动状态mot0处于正常行驶

Nm和向左横