基于多旋翼無人機的交通流檢測實驗教學(xué)方法

秦太興 李鋒 陳志堅

摘 要 充分利用無人機新技術(shù)，提出了適用于交通運輸專業(yè)本科生的道路交通流調(diào)查新型實驗方案和教學(xué)方法。根據(jù)實驗需求給出了可行的實驗項目系列，并探討了無人機交通流檢測實驗的優(yōu)劣性，該方法在交通流檢測實驗教學(xué)中具有較好的應(yīng)用前景。

關(guān)鍵詞 無人機 交通流檢測 實驗教學(xué)

中圖分類號：G424? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? DOI：10.16400/j.cnki.kjdks.2019.10.060

Abstract Taking full advantage of the new technology of UAV， a new experimental scheme and teaching method of road traffic flow investigation for undergraduates majoring in transportation are put forward. According to the experimental requirements， a series of feasible experimental items are given， and the advantages and disadvantages of UAV traffic flow detection experiment are discussed. This method has good application prospects in traffic flow detection experiment teaching.

Keywords UAV; traffic flow detection; experimental teaching

交通調(diào)查是城市交通規(guī)劃與設(shè)計的重要基礎(chǔ)工作之一，也是城市交通管理中獲取基礎(chǔ)數(shù)據(jù)的重要手段。[1]因此，《交通調(diào)查與分析》是交通運輸相關(guān)專業(yè)本科生需要掌握的專業(yè)核心課程之一。道路交通流調(diào)查是交通調(diào)查的項目之一，包括各種車型的交通流量調(diào)查、車速調(diào)查、車輛密度調(diào)查等內(nèi)容。長期以來，道路交通流調(diào)查以傳統(tǒng)的人工調(diào)查方法為主，隨著計算機和信息技術(shù)的發(fā)展，先后出現(xiàn)了多種道路交通流自動檢測方法。例如：通過對安裝在路邊的攝像頭進行交通流圖像識別的方法;[2，3]通過地磁或地感線圈進行交通流檢測的方法;[4，5]通過RFID傳感器進行車輛檢測的方法，[6，7]通遙感技術(shù)進行檢測的方法等。[8]近年來，多旋翼無人機在各領(lǐng)域中的應(yīng)用越來越廣泛，已有學(xué)者提出采用無人機高空視頻進行交通流檢測的方案。[9]由于基于無人機視頻檢測的交通流調(diào)查方法是近年來出現(xiàn)的新方法，在交通調(diào)查相關(guān)本科教材中仍鮮有提及，為此，本文從道路交通流調(diào)查實驗需求出發(fā)，利用無人機所能實現(xiàn)的功能，以提高學(xué)生實踐動手能力為目標，基于多旋翼無人機的交通流檢測實驗教學(xué)方法和系列實驗項目。

1 總體實驗方案

總體實驗流程如圖1所示，步驟如下：

（1）無人機高空視頻圖像采集。采用大疆精靈4 PRO v2.0無人機作為高空視頻圖像采集設(shè)備，搭載2000萬像素影像傳感器和16GB數(shù)據(jù)采集卡。采用控制器將無人機飛行至被采集路段上空懸停，進行道路交通視頻圖像采集，采集時間一般大于20分鐘。在滿足圖像分辨率范圍條件下，飛行高度一般取30m～200m，拍攝的路段范圍一般大于50m*50m。

（2）圖像預(yù)處理，選取無人機拍攝的視頻圖像進行預(yù)處理，以達到適合進行交通流參數(shù)識別的效果。如果拍攝的視頻圖像時間較長，需要對視頻進行分段處理。又如部分視頻圖像如果出現(xiàn)明顯抖動，將影響交通流識別，此時需要進行視頻圖像抖動校正。

（3）距離測算與檢測范圍的確定。為了能檢測車輛速度，需要對所拍攝的范圍進行距離測算，以所測算的距離作為車速估算的一個參數(shù)。同時在視頻區(qū)域框定所要檢測的車道以及檢測范圍，作為視頻識別的區(qū)域。

（4）圖像識別。采用背景差法和幀差法對所拍攝的視頻圖像進行交通流參數(shù)識別，檢測的參數(shù)包括流量檢測，車速檢測和車流密度檢測，其中車流密度參數(shù)可用車道時間占有率來近似表示。

（5）檢測結(jié)果校驗，將交通流參數(shù)視頻圖像識別結(jié)果與實際人工調(diào)查的數(shù)據(jù)進行對比，分析漏檢和誤檢問題及其原因，探討方法的改進和結(jié)果的校正。

2 實驗項目系列

根據(jù)總體實驗方案，基于多旋翼無人機的交通流檢測實驗具體可開設(shè)的實驗項目如下：

（1）無人機交通視頻圖像采集實驗。該實驗的目的是使學(xué)生掌握大疆精靈4 PRO v2.0無人機操控方法，采集符合視頻圖像檢測要求的道路交通視頻圖像，掌握交通視頻圖像預(yù)處理方法。

（2）道路背景提取實驗。實驗的目的是掌握幀差法的基本原理，學(xué)會應(yīng)用Matlab軟件進行編程，達到采用幀差法對視頻圖像進行背景提取的目的。

（3）車道交通流量檢測實驗。實驗的目的是掌握圖像識別的背景差法和幀差法的基本原理，掌握采用Matlab軟件應(yīng)用背景差法和幀差法對視頻圖像中運動車輛進行檢測的方法，掌握檢測誤差的影響因素及誤差修正方法。

（4）車速檢測實驗。實驗的目在掌握幀差法識別運動車輛的基礎(chǔ)上，進一步判斷車輛的運動過程和車輛的具體位置，采用距離時間比估算出車輛運動的速度，并掌握檢測誤差的影響因素及誤差修正方法。

（5）道路車輛密度檢測實驗。道路車輛密度是交通流調(diào)查的重要參數(shù)，本實驗采用車到時間占有率來近似表達道路車輛密度，實驗?zāi)康氖窃谡莆哲囕v識別的基礎(chǔ)上，進一步判斷所選定的檢測范圍內(nèi)有車輛經(jīng)過的時間與檢測總時間的比例，并掌握檢測誤差的影響因素及誤差修正方法。

3 無人機檢測實驗的優(yōu)劣分析

與傳統(tǒng)的交通流調(diào)查實驗相比無人機檢測實驗具有以下幾方面的優(yōu)勢：

（1）與人工交通流調(diào)查相比，采用無人機進行檢測的實驗方法，具有檢測范圍廣，效率高，節(jié)省人力的優(yōu)勢。例如要調(diào)查一個道路交叉口的交通流量，傳統(tǒng)的人工調(diào)查需要8人一組，而采用無人機調(diào)查只需2-4人一組。

（2）與傳統(tǒng)的路側(cè)交通視頻圖像檢測實驗相比，無人機視頻圖像具有視角范圍廣，視角與地面垂直，拍攝范圍機動可控等優(yōu)勢，非常有利于提高交通圖像檢測的識別率。

（3）與傳統(tǒng)的地感線圈檢測方法相比，無人機交通流檢測實驗提供了一種全新的實驗方法，可以鍛煉學(xué)生對無人機的動手操控能力及計算機編程能力，這些都是傳統(tǒng)實驗方法無法達到的。

然而目前無人機交通流檢測仍存在一些不足之處，首先由于無人機是新興事物，目前還比較缺乏標準的實驗教材;其次，目前的電池技術(shù)仍有待提高，無人機的續(xù)航時間普遍在30分鐘以內(nèi)，因此無法進行長時間的拍攝;最后，目前無人機實驗設(shè)備價格還比較昂貴，實驗成本較高。

4 結(jié)語

無人機的興起為交通流調(diào)查實驗提供了新的實驗設(shè)備和新的實驗方案，基于多旋翼無人機的交通流檢測實驗教學(xué)方法是交通運輸相關(guān)專業(yè)的一種新型實驗教學(xué)方法。與其它傳統(tǒng)的實驗方法相比，該方法具有實驗內(nèi)容豐富，節(jié)省實驗人力，鍛煉學(xué)生動手操作能力和編程能力等優(yōu)點。隨著無人機技術(shù)的發(fā)展，該實驗方案將在交通運輸相關(guān)專業(yè)本科實驗教學(xué)中具有較好的應(yīng)用前景。

廣東技術(shù)師范大學(xué)教學(xué)改革與研究重點項目（JGZD201710）資助

參考文獻

[1] 賀明光，孫楊，葉臻.新時期綜合交通運輸規(guī)劃調(diào)查方法研究[J].綜合運輸，2018.40（12）：50-56.

[2] 曹鑫勝，韓一德.基于固定視頻圖像的高速公路交通流參數(shù)檢測研究[J].山西電子技術(shù)，2018（06）：77-80，87.

[3] 陳厚仁，蔡延光.基于視頻的干線交通流檢測系統(tǒng)的研究與實現(xiàn)[J].工業(yè)控制計算機，2017.30（07）：85-87.

[4] 徐蕾，王旭，朱青山，龔正毅.基于無線地磁傳感器的交通流檢測系統(tǒng)協(xié)議設(shè)計[J].數(shù)字通信，2013.40（03）：42-45.

[5] 楊亞鵬.基于多傳感信息的交通流參數(shù)檢測設(shè)備研究[D].哈爾濱工業(yè)大學(xué)，2015.

[6] 李碩，張久浩，張萌萌.一種基于RFID技術(shù)的交通流檢測方案[J].智能城市，2016.2（05）：115.

[7] 彭華軍.基于RFID檢測的綠波控制方法研究[D].重慶交通大學(xué)，2015.

[8] 艾葉青，王中平.基于遙感技術(shù)的交通流檢測[J].公路與汽運，2014（04）：53-56.

[9] 李士堯，魯元博，裴玉龍.道路交通流參數(shù)無人機調(diào)查與識別方法研究[J].森林工程，2018.34（05）：72-77.