高速公路隧道事故風險規(guī)避新技術應用分析和探討

蘇保鋒， 胡江碧

(北京工業(yè)大學建筑工程學院， 北京 100124)

0 引言

近年來，全球公路隧道尤其是高速公路隧道建設呈逐年增長趨勢。截至2020年底，中國公路隧道21 316處、2 199.93萬延米[1]，隧道規(guī)模和數(shù)量居世界之首。隧道結構物作為道路基礎設施的重要組成要素，大幅提升了相應區(qū)域的交通運輸效率及物資保障水平。

然而，隨著近年來社會車輛保有量增加、行車經驗成熟度不足的駕駛員增多、社會經濟發(fā)展與居民生活對物流時效的急迫性提高等因素變化，隧道區(qū)域的交通安全形勢日趨嚴峻；同時，隧道區(qū)域駕駛受限于信息誘導、路面性能、交通量、通風、照明、環(huán)境和限速等與開放路段的差異性因素，一定程度上加重了隧道區(qū)域行車的駕駛工作負荷，進而增大了隧道區(qū)域的交通運行風險，致使隧道區(qū)域成為交通安全全面提升的瓶頸路段；再者，當下互聯(lián)網應用快速迭代、信息高度爆炸、交通流急劇增加、交通工具娛樂形式愈加多樣化、人類對即時信息高度依賴，此類干擾因素易于誘導分心駕駛行為的發(fā)生；更甚者，隧道交通事故一旦發(fā)生，容易引發(fā)二次事故、救援處理困難、經濟損失和社會影響巨大等連鎖反應。

在此背景下，隧道區(qū)域的交通安全得到社會各界的廣泛關注。2021年2月，國務院印發(fā)《國家綜合立體交通網規(guī)劃綱要》，作為地下空間或公路實體的重要組件，智慧隧道不可或缺地成為構建立體交通網的必要節(jié)點。如何確保和提高隧道區(qū)域的交通安全具有現(xiàn)實的必要性。

隧道交通事故的危害性與用戶對交通安全期望值不斷提升之間的矛盾，促使隧道交通安全的研究必須突破傳統(tǒng)模式的局限性。傳統(tǒng)模式注重事故發(fā)生后的快速響應和緊急事故救援能力的提升，強調隧道運維、急救、消防、公安、醫(yī)療等多部門的聯(lián)動機制。然而，隨著隧道事故致因、嚴重程度、救援難易等發(fā)生變遷，傳統(tǒng)隧道事故處置倚重多部門協(xié)同和大量人員調度的策略相當被動和低效。 本研究則期望借助當前通信、互聯(lián)網、大數(shù)據(jù)處理與人工智能的技術進步，研究隧道交通事故的預防與風險因素的規(guī)避策略，探討事故應對和規(guī)避的新技術，期望突破傳統(tǒng)交通研究的專業(yè)藩籬，促進交通研究的跨專業(yè)融合，以期轉變傳統(tǒng)隧道事故的被動應對為隧道風險因素的主動規(guī)避。 國內外研究人員進行了大量的交通安全理論分析及工程實踐，但多數(shù)傳統(tǒng)手段側重于事故發(fā)生后的實時性響應與緊急事故救援能力的提升等方面。本研究首先歸納分析國內外隧道區(qū)域事故致因及應對策略的研究進展，然后結合現(xiàn)代通信、交通控制、車輛控制的研究成果，構建融合異常監(jiān)管和安全預警的多模車路協(xié)同技術框架，探索降低隧道區(qū)域運行風險和事故危害、改善隧道事件管控實時性和可靠性、增強隧道運維信息化和智慧化的策略和新技術。

1 隧道常見事故及原因

公路隧道是交通事故率居高不下路段。我國公路隧道里程僅占公路總里程的0.03%，但隧道交通事故起數(shù)占公路交通事故總起數(shù)的0.36%，隧道內的事故率明顯高于非隧道路段。高速公路隧道交通事故占全部隧道交通事故近六成。隧道交通事故類型主要有追尾、側滑撞壁、翻車、火災等，其中追尾、撞壁、翻車事故居多。隧道事故原因的研究主要從人、車、隧道以及管理方面來進行分析。

1.1 人的因素

人的因素主要包含駕駛員的生理和心理2方面因素，即駕駛員在行車過程中的觀察、判斷和操作等環(huán)節(jié)可能出現(xiàn)的失誤，以及隧道運營人員對交通安全的無意識干擾。駕駛員的操作失誤往往與駕駛員的身體條件、駕駛水平、風險意識、心理狀態(tài)變化、是否存在危險駕駛行為等因素密切相關。希臘學者K. Kirytopoulos等[2]研究發(fā)現(xiàn)，很大比例調查對象認為隧道內駕駛與開放路段沒有差異。胡江碧等[3]通過試驗，利用心率變異性(HRV) 指標的波動所反映的交感神經活動的強弱變化，針對晴天、中雨、中雨+霧(能見度分100 m和50 m)等不同天氣情況，發(fā)現(xiàn)駕駛工作負荷在不同天氣條件下具有差異性，隨著天氣條件的惡劣程度增加，駕駛工作負荷增大，其中駕駛工作負荷受駕駛環(huán)境的能見度影響最大，隧道環(huán)境的能見度變化對安全行車尤為重要。

李長城[4]在高速公路交通流特性及引導控制研究中發(fā)現(xiàn)，全國干線高速公路網交通阻斷事件約1/3是由于不良天氣導致的，針對高速公路運營管理中不良天氣預測的不足之處，基于對京港澳高速湖北段交通流的大數(shù)據(jù)分析，建立了不良天氣環(huán)境下不同車輛類型、不同車道位置、不同時間段車速差異性等多因素的平均車速預測模型，意圖提升高速公路乃至路網在不良天氣環(huán)境下運營管理與應急水平。同時，由于中國疆域遼闊，緯度跨度與海拔差異大，全國多個氣候帶特征造成季節(jié)性天氣變化的區(qū)域性差異，北方地區(qū)秋冬季節(jié)的惡劣天氣對高速公路交通安全，尤其是隧道出入口能見度的劇烈變化、隧道路面摩擦因數(shù)的不規(guī)則分布、駕駛員對隧道環(huán)境與露天道路行車環(huán)境差異性受惡劣天氣影響的認知不足與不當應激反應，造成碰撞隧道洞口擋墻、側滑撞壁等事故發(fā)生的概率增加。鐘鼎文[5]統(tǒng)計表明，冬季(12月至來年2月)是隧道交通事故頻發(fā)季節(jié)；另外，隧道通風狀況與環(huán)境能見度緊密相關，通風不良經常導致能見度的降低，同時良好通風是事故施救與人員疏導的必要條件，隧道事故發(fā)生后通風能力的惡化有加劇事故危害程度或誘發(fā)二次事故的風險。近年來，隧道通風與照明系統(tǒng)聯(lián)動機制的研究成為兼顧能見度改善、空氣凈化、駕駛舒適性提高、能耗效率優(yōu)化的智能監(jiān)控與安全預防的重要環(huán)節(jié)。

1.2 車的因素

賴金星等[6]統(tǒng)計表明，運營車輛的差異性與隧道事故的特征密不可分，例如： 隧道火災的主要誘因是車輛自身故障，尤其是保養(yǎng)維護不到位、存在安全隱患的大型車輛； 而對于重型車輛事故，車輛技術問題是引起火災事故的主要原因，例如： 2019年沈海高速貓貍嶺隧道“8.27”事故中制動器故障引起輪胎起火并引燃運載物品，短時間大量有毒氣體致使隧道滯留人員及救援人員大量傷亡。據(jù)統(tǒng)計，汽車火災中近四成是貨車火災，而車輪著火占貨車火災的五成。Shy[7]推導了車輛的個體行車速度、不同車輛間的車速標準差與隧道交通事故率的相關性，并嘗試以此劃分隧道的安全等級(Ⅰ～Ⅳ級)，隨著交通飽和度和貨車比例的上升，車速的標準差與隧道事故的發(fā)生率成正相關性。

多數(shù)情形下，高速路網中客貨混行是常態(tài)，根據(jù)公安部隧道事故分布規(guī)律統(tǒng)計，隧道事故中小型車和大貨車占比最大，小型客車中以底盤較輕的轎車和面包車為主，大型貨車中以重型貨車為主，且大多超載超限。在長大隧道中客貨混行經常誘使駕駛員產生逃離心理、進而違規(guī)超速或違規(guī)變道。另外，客貨車輛比例的變化也是隧道交通安全等級的擾動因素，馬皓[8]研究發(fā)現(xiàn)，在高速公路進口概率高于0.5之后，在貨車占比由小變大的過程中，高速路網的整體流量呈現(xiàn)下降趨勢；同時，貨車占比的變化影響不同交通飽和度下車輛換道次數(shù)的波動，換道次數(shù)增多是影響交通流穩(wěn)定性的不利因素。當高速路網中?；愤\輸車輛占比上升時，交通事故導致的危害程度呈上升趨勢，并且涉及?；奋囕v的交通事故施救難度大，誘發(fā)二次事故與人員傷亡的可能性增高。數(shù)據(jù)統(tǒng)計表明，近年來國內?；肥鹿手?7%發(fā)生在運輸階段，例如2014年山西晉城段晉濟高速巖后隧道“3.1”特大?；啡急鹿?、2017年保定張石高速浮圖峪五號隧道“5.23”重大危化品運輸燃爆事故，均造成重大人員和財產損失。

1.3 隧道的因素

隧道結構物的自身特征是影響隧道安全的先天性因素。蘇東蘭等[9]研究發(fā)現(xiàn)，直線隧道線形與曲線隧道線形對行車過程的影響不同，直線隧道事故發(fā)生的可能性往往高于曲線隧道。郭忠印等[10]發(fā)現(xiàn)隧道出入口線形連續(xù)性、路面抗滑性和照明過渡性較差是隧道出入口事故高發(fā)的主要原因，在隧道出入口和中間段，黑白洞效應與閃爍效應影響駕駛員對行車方向遠處目標的認識，此類視錯覺是追尾和碰撞側壁事故的主要誘因。

1.4 管理因素

影響隧道安全的管理因素主要指管理方面的缺失，主要體現(xiàn)在隧道結構的土建與機電維護、控制系統(tǒng)維護及管理人員的安全教育等方面，而管理缺失對人、車、隧道和環(huán)境方面的因素均起著激發(fā)的作用。

總之，隧道事故是多維因素的綜合影響對隧道正常運營造成的異常事件，難以精確量化特定類型事故與具體因素的因果關系。本文以圖1嘗試概括隧道常見事故與風險因素的相關性。

2 國內外隧道交通事故應對策略的研究現(xiàn)狀

隧道交通事故的應對策略大致分為隧道交通設施升級和基于人因工程的隧道景觀優(yōu)化與安全教育2個類別，主要包含駕駛員安全負荷、隧道照明改善、駕駛員視線誘導、隧道景觀優(yōu)化、應急救援處理、駕駛員心生理及社會學分析與干預、隧道風險意識的社會教育等方面。

圖1 隧道交通事故與安全風險因素相關性示意圖

2.1 隧道交通設施升級

根據(jù)JTG D70/2—2014《公路隧道設計規(guī)范》[11]，公路隧道交通工程與附屬設施的配置劃分為A+、A、B、C、D 5級。隧道附屬設施包含交通安全設施、通風設施、照明設施、交通監(jiān)控設施、緊急呼叫設施、火災探測報警設施、消防設施與通道、供配電設施、中央控制管理系統(tǒng)、接地與防雷設施、線纜及相關設施等。對于既有隧道安全服務水平的提升，主要圍繞隧道附屬設施的升級改造進行，其中尤以照明設施、監(jiān)控設施、中央控制管理系統(tǒng)的研究得到交通科研和隧道運營管理部門的關注。

2.1.1 照明設施

隧道照明問題多種多樣，燈具亮暗、老化、色溫偏差、頻閃或眩光、高配低用等現(xiàn)象導致隧道出入口的黑白洞效應、路面亮度均勻度不足、誘導設施誘導性差、司乘人員視覺舒適性不良等問題。隧道照明品質依賴于照明理論的發(fā)展完善和新型照明設備的不斷部署。胡江碧等[12]基于駕駛員工作負荷理論，根據(jù)駕駛工作負荷與行駛速度、路面亮度之間的關系模型，以小客車駕駛工作負荷為對象，確定了符合駕駛員心理需求并且低于國家標準的路面亮度閾值。另外，實踐驗證了LED變色溫燈具智能控制系統(tǒng)改善駕駛員視覺舒適度和隧道照明的經濟性。M. Sato等[13]驗證了LED順光照明模式在目標識別、預防追尾和能效方面的良好效果，是對傳統(tǒng)對稱照明模式的增強。Pea-García[14]研究在特長隧道洞口設置遮光棚或藤蘿，結合LED照明解決洞口視覺平滑過渡和頻閃效應，該措施兼顧了隧道照明的安全、舒適與節(jié)能可持續(xù)性。

總之，國內外研究與實踐傾向于利用LED取代傳統(tǒng)的高壓鈉燈，同時針對LED照明的布設方式及LED燈具色溫和亮度的智能控制正受到高度重視，LED變色溫照明控制系統(tǒng)多數(shù)處于工程驗證階段，尚未形成成熟的工程規(guī)范或理論。

2.1.2 監(jiān)控設施

高速公路隧道監(jiān)控系統(tǒng)利用車輛檢測器、氣象檢測器、能見度檢測器、攝像機、緊急電話等設備采集信息，經過隧道監(jiān)控中心處理形成控制方案后通過可變信息標志、可變限速標志、路側廣播、緊急電話等發(fā)布誘導信息。相較而言，視頻監(jiān)控應用廣泛，但受限于攝像機屬性、隧道環(huán)境、車輛差異等因素，隧道環(huán)境視頻識別算法研究和優(yōu)化方案較多。

Huang等[15]提出基于背景減除和隱式3層深度信念網絡的算法，在Hsuehshan隧道的試驗獲得96.59%的車輛識別率。陳小佳等[16]提出基于圖像紋理特征、不變矩陣特征和小波能量特征的多特征融合和集成機器學習的隧道內車輛識別算法，該方法具有良好的識別能力及穩(wěn)定性，能夠適應隧道照明電路故障造成的照明光線不規(guī)律閃爍、車燈開關的隨機性和重型車輛引起攝像設備的抖動等。李東建[17]通過優(yōu)化視頻監(jiān)測算法實現(xiàn)車輛識別和跟蹤，依據(jù)車輛運動軌跡和交通流參數(shù)，實現(xiàn)了隧道內超速、緩速、換道、逆行等危險行為的檢出，但該方案對于隧道光環(huán)境時明時暗的自適應能力不夠。

另外，基于聲頻的監(jiān)測系統(tǒng)在國內外也開始部署。奧地利AKUT音頻事件檢測系統(tǒng)，通過隧道專用麥克風裝置采集聲源信號，可以檢測碰撞、爆胎、急剎車、車門關閉聲、車輛鳴笛、呼救叫喊等事件。上海其高科技[18]利用麥克風陣列組成的聲吶電子眼實現(xiàn)了鳴笛聲源的精準定位和抓拍。鳳鵬飛等[19]利用頻譜分析探索將聲音識別技術應用于重大交通事故的檢測和報警。

隧道監(jiān)控系統(tǒng)的功能性、完備性和可靠性高度依賴于外界環(huán)境工況。隧道視頻聲頻監(jiān)測算法經常局限于特定場景，而照明、煙霧、聲場和交通行為的多態(tài)性進一步影響了視頻聲頻監(jiān)測算法的普適性。相較于視頻監(jiān)控，基于聲頻的監(jiān)控研究則更不充分。

2.1.3 中央控制室設施

隧道中央控制室通過多級控制或集中控制與執(zhí)行交通監(jiān)控、通風與照明控制、緊急呼叫、火災報警及消防控制、電力監(jiān)控、視頻事件監(jiān)測等功能的專用設備交互，誘導過往車輛在不同工況時都能各行其道、安全順暢地通過隧道。增強中央控制室的預警功能是完善高速公路隧道風險規(guī)避的重要策略之一。隧道預警系統(tǒng)通過事件檢測、視頻監(jiān)控、火災報警、交通控制與誘導、通風照明監(jiān)測等子系統(tǒng)間的數(shù)據(jù)交互，協(xié)調隧道機電系統(tǒng)的聯(lián)動，實現(xiàn)事故發(fā)現(xiàn)的自動化、交通管控響應的快速化、措施決策的科學化，有效降低二次事故的發(fā)生率。

張偉偉等[20]提出預警系統(tǒng)應能對隧道異常交通事件自動檢測、預警，應該提供隧道火災、交通事故、危險物品泄漏等事故分級標準及其響應措施，針對突發(fā)事故的不同等級設定不同級別的應急預案。蘇東蘭等[9]通過分析不同事件對隧道路段運營安全的影響，建立了針對隧道內不同事件的綜合交通管制對策庫，并從系統(tǒng)功能、設備布設及系統(tǒng)流程等方面，建立了高速公路隧道路段動態(tài)預警系統(tǒng)，可全面實現(xiàn)山區(qū)隧道路段災害天氣、交通事件、危險品運輸?shù)仁录膶崟r監(jiān)測預警。

中央控制室作為智慧隧道管理系統(tǒng)的神經中樞，可以借鑒物聯(lián)網、無線通信、大數(shù)據(jù)、現(xiàn)代控制、人工智能的實踐成果，通過隧道設施和車輛運行狀態(tài)信息的高效融合，形成交通事件的合理預判和快速處置，實現(xiàn)隧道運營管理的閉環(huán)和智能控制。

2.2 基于人因工程的隧道景觀優(yōu)化和安全教育

近年來，由駕駛員心理生理負荷特性分析所啟發(fā)的駕駛員視線誘導和景觀隧道等安全設施不斷涌現(xiàn)。朱彤等[21]基于因子模型的高速公路特長隧道駕駛人心理負荷特性研究發(fā)現(xiàn)，駕駛人在距離隧道入口較遠處和距離隧道出口較近時負荷較大；在隧道路段的平均心理負荷大小依次為入口段、出口段、行車段；熟練駕駛人心理負荷在隧道入口前升高,而非熟練駕駛人心理負荷在進入隧道后仍保持較高水平。但是，希臘學者K. Kirytopoulos等[2]研究發(fā)現(xiàn)，很大比例調查對象認為隧道內駕駛與開放路段沒有差異；在隧道交通事故之初，小部分司乘人員對隧道推薦行為指示的遵從，對其他人員具有重要的啟示作用。由于隧道和人類行為的多態(tài)性，很難推薦適用于所有情形和絕對正確的行為措施。

李海光等[22]從駕駛視覺需求與事故預防出發(fā)，提出以逆反射技術為主的隧道入口視線誘導設施設置方法，通過保證駕駛員的合理心理反應，使駕駛員保持適當緊張、興奮與期待，從而弱化駕駛員逃離隧道的本能，但該方法對不同長度、不同照明條件的隧道驗證不充分。曾慶展等[23]針對公路特長隧道內行車容易出現(xiàn)的心理和視覺疲勞問題，提出將LED天幕技術應用于隧道照明亮化的方案，期望緩解駕駛員在封閉空間的視覺疲勞和心理影響。陳柳曉等[24]試驗表明，設置在隧道入口區(qū)段間隔逐漸減小的黃色空間減速景觀，其警示和減速效果較好，并能滿足駕駛員的行車舒適性。張忻等[25]基于人機工程學和隧道景觀對駕駛員的影響因素分析，提出以安全性為首要考慮因素、包含冬奧元素的隧道景觀設計原則。劉暢等[26]在回頭溝隧道照明設計中引入光線與視覺傳達理論，實現(xiàn)了隧道洞壁藝術照明與路面的良好界定，意圖實現(xiàn)駕駛的安全性與視覺愉悅感。

總之，基于人因工程的隧道景觀優(yōu)化綜合考慮隧道區(qū)域地形、地貌、景觀資源等自然因素，人文、民俗等社會因素，同時兼顧隧道設施、標志標線等既存場景現(xiàn)狀，通過多種交通影響要素和安全技術手段的有機融合，有效緩解隧道駕駛引起的心理煩躁和視覺疲勞，實現(xiàn)隧道駕駛安全感、視覺愉悅感、藝術體驗感的進一步提升。另外，針對嚴重交通事故(如火災)的應對處理中，駕駛員經常因恐慌導致錯誤駕駛和隧道用戶誤判疏導路線等行為，隧道區(qū)域的交通安全教育有進一步普及提高的必要性。

3 現(xiàn)代科技進步對隧道交通事故風險規(guī)避策略的啟示

2019年7月，中國聯(lián)通完成宜興陽靈公路隧道5G通信3.5 GHz試點部署及驗證，該方案技術指標滿足V2X應用需求。2019年9月，國務院發(fā)布《交通強國建設綱要》，不僅強調全方位提升交通參與者文明素養(yǎng)，推動全社會交通文明程度大幅提升，而且重點關注發(fā)展智慧交通、構建綜合交通大數(shù)據(jù)中心體系、加強智能網聯(lián)汽車(智能汽車、自動駕駛、車路協(xié)同)研發(fā)、開發(fā)新一代智能交通管理系統(tǒng)、推進交通裝備的智能升級等技術措施?！督煌◤妵ㄔO綱要》的發(fā)布和5G隧道試點的成功，為研究隧道交通事故的風險規(guī)避策略提供了新的思路。

3.1 自動駕駛與車路協(xié)同技術研究進展

2015年9月，國家工信部《基于移動寬帶物聯(lián)網的智能汽車和智慧交通應用示范》確定我國車路協(xié)同基于移動寬帶物聯(lián)網即LTE-V/5G的技術發(fā)展方向。2016年9月，SAE-2016標準即自動駕駛全球行業(yè)參考標準發(fā)布，并得到NHTSA認可。自動駕駛和車路協(xié)同成為當前汽車和交通領域的研究熱點。自動駕駛策略和路徑規(guī)劃依賴于環(huán)境感知、高精確定位、車輛控制與執(zhí)行、高精度地圖與車聯(lián)網、先進無線通信等支撐技術。車路協(xié)同強調車輛與各種交通要素之間的信息交互，意圖借助技術手段消除車輛在協(xié)調控制區(qū)的隨機化，調和交通參與者對路權的爭奪，從而能夠提升汽車駕駛的安全性。2020年12月，美國正式宣布放棄技術相對成熟但基于IEEE802.11p的DSRC技術，而轉向基于LTE/5G的C-V2X標準。

當前，隧道場景下自動駕駛與車路協(xié)同技術研究成果較少。朱彤等[21]利用2個典型的超長隧道進行實車試驗，通過采集熟練駕駛員與非熟練駕駛員的試驗數(shù)據(jù)提出基于安全車速差的駕駛員行為風險模型，并提出仿真環(huán)境下的自動駕駛員模型。M. Boban等[27]總結分析了V2X的主要用例類別及各自對V2X技術在可靠性、通信延遲、通信速率方面的要求，詳細比較了主流V2X技術的優(yōu)勢和劣勢。Guo等[28]針對不確定性復雜環(huán)境(含隧道)下自動駕駛系統(tǒng)頻繁發(fā)生的錯誤或異常行為，利用有監(jiān)督機器學習法對54個公共駕駛數(shù)據(jù)集分類比較，用以訓練復雜和危險條件下的駕駛模型和自主汽車的魯棒性。5G通信超高數(shù)據(jù)速率、超高可靠性和超低時延的特性以及5G系統(tǒng)在隧道場景的部署和驗證，為推動隧道區(qū)域高等級自動駕駛和V2X研究提供了高效信息交換的技術準備。

3.2 隧道交通安全預警的技術進步

道路交通安全預警是依據(jù)對道路交通事故發(fā)展穩(wěn)定狀況的判斷，采用定性與定量相結合的方法，對道路交通安全發(fā)展態(tài)勢進行過程描述、追蹤分析和警情預報。為適應現(xiàn)代交通智慧化趨勢，隧道預警水平的進步需要無線通信、隧道大數(shù)據(jù)與互聯(lián)網、隧道多源信號感知等技術手段的激勵。

3.2.1 無線通信與定位技術演進

現(xiàn)代交通工程的智慧化倚重無線通信技術的演進，交通數(shù)據(jù)承載的高吞吐率和低延時是預警系統(tǒng)發(fā)揮作用的必要條件，其中交通要素的準確位置是鎖定交通事件和處理警情的關鍵數(shù)據(jù)。對于已經敷設模擬GNSS系統(tǒng)的隧道環(huán)境，很多研究致力于探討GNSS與移動通信系統(tǒng)融合對交通要素和交通事件的高精度定位。隨著中國北斗系統(tǒng)的部署完成，GNSS與5G系統(tǒng)相結合可以實現(xiàn)10 cm級別的定位精度，該技術指標將很大程度上對駕駛安全、交通設施管控、交通預警有正向激勵作用。

劉建圻[29]研究了基于車輛與路側設備(RSU)的通信，解決了隧道區(qū)域的無線測距與車輛定位問題，提出了基于聯(lián)合卡爾曼濾波信息融合技術的RSU/GNSS/DR(航位推算)組合定位算法。后茜[30]針對A-GNSS方法適用性差的缺點，研究了基于LTE系統(tǒng)的OTDOA定位技術。E.I.Adegoke等[31]針對自動駕駛車輛對自身位置的高精度需求，提出在隧道環(huán)境基于WiFi的定位方法，并探索融合GNSS/INS(慣性定位系統(tǒng))等多種定位精度與復雜度的混合定位服務。鑒于目前隧道環(huán)境5G部署尚顯不足，如何協(xié)調2G/3G/4G/5G通信的長期共存并提高隧道區(qū)域的定位精度是必須克服的技術難題。

3.2.2 隧道大數(shù)據(jù)與事故管控人工智能

基于隧道大數(shù)據(jù)挖掘與互聯(lián)網融合的交通事故預防策略是智慧隧道建設的重要技術分支，盡管隧道環(huán)境的多變性對交通事件識別準確率的擾動經常導致基于隧道大數(shù)據(jù)與人工智能的判決策略可靠性降低，國內外學者這方面的研究仍然取得很大成果。

王堅等[32]基于大數(shù)據(jù)平臺和隧道環(huán)境歷史數(shù)據(jù)的對比分析，自動控制隧道環(huán)境因素采集和通風設備運行，強化隧道智能控制系統(tǒng)的預警監(jiān)測，避免隧道內污濁空氣積聚危害駕駛人和隧道設備。王文等[33]提出基于視頻大數(shù)據(jù)的隧道安全監(jiān)測系統(tǒng)，意圖克服傳統(tǒng)監(jiān)控系統(tǒng)智能化低、異常事件響應不及時、可靠性差導致監(jiān)測系統(tǒng)停用半停用的缺點。馬慶祿等[34]基于云監(jiān)控的隧道群區(qū)域性聯(lián)測聯(lián)控理念和重慶市幾條高速公路隧道的仿真測試，以隧道病害的大數(shù)據(jù)分析為基礎實現(xiàn)了隧道集群管理和隧道安全分級，通過隧道監(jiān)測視頻與GIS地圖集成二次開發(fā)實現(xiàn)隧道結構健康及行車狀況的動態(tài)監(jiān)控預警。Tian等[35]利用改進的FCM聚類算法，基于公路隧道的實際交通流數(shù)據(jù)，提出公路隧道交通流安全屬性分析和隧道安全區(qū)段劃分的理論基礎。Wu等[36]基于人工智能和大數(shù)據(jù)技術，通過構造大量不同火源位置、火災規(guī)模、通風條件的隧道火災數(shù)據(jù)庫，利用多傳感設備采集的時變溫度訓練長短記憶循環(huán)神經網絡，仿真結果表明，訓練模型有90%的準確率預測隧道火災的位置、規(guī)模與通風速度，同時基于敏感度分析優(yōu)化了滿足火災快速預測的傳感器時空配置。

3.2.3 隧道多源信號感知與聯(lián)合預警機制的必要性

隧道區(qū)域是未來實現(xiàn)全路況自動駕駛的必要節(jié)點，而很大比例調查對象認為隧道內駕駛與開放路段沒有差異，此種誤解一定程度上源于針對隧道用戶的培訓和宣傳不到位，對隧道環(huán)境空間結構的密閉性、行車環(huán)境要求、傳感器工況等與開放空間的差異性認識不足。盡管在隧道建設方面，目前隧道監(jiān)控設備的布設相當普遍，但設備養(yǎng)護水平的參差不齊直接影響交通事件判決的準確率，同時依賴單一技術手段識別隧道異常事件的不確定性強，由此在國內外隧道實際運營管理中發(fā)生過慘痛的交通事故。比如1999年3月24日，歐洲勃朗峰隧道火災造成39人死亡和隧道嚴重毀壞，調查發(fā)現(xiàn)雖然法國方面隧道監(jiān)視系統(tǒng)探測到貨車上的煙霧，但是法國隧道操作員和貨車司機沒有及時發(fā)現(xiàn)和早期干預，致使貨車在隧道中部停止并爆炸，而在意大利一側，由于故障導致的警報關閉未能及時阻止對向車輛的駛入，加之自動滅火和排煙系統(tǒng)沒有自動啟動，同時法意兩國消防人員由于救護不協(xié)調被迫放棄與烈焰的搏斗，總之，預警與施救涉及的各子系統(tǒng)間的失調未能及時阻止事故的發(fā)生和最大限度地降低事故的危害。

近年來，針對多源感知手段融合的研究取得一定成果。鄭紹振等[37]在南京長江隧道交通監(jiān)測應用系統(tǒng)中，提出以毫米波雷達為主，以視頻監(jiān)控為輔，與公路、橋梁、隧道內其他機電設備聯(lián)動的綜合交通監(jiān)測方案，有效解決了原有視頻監(jiān)控系統(tǒng)誤報率和漏報率高的問題。郭昱秀等[38]在隧道交通安全領域將聲學檢測與人工智能結合應用，通過聲波收集和聲學音頻檢測，結合龐大的人工智能數(shù)據(jù)庫，實現(xiàn)交通事故的識別與上報，人工智能聲學檢測可以避免傳統(tǒng)視頻監(jiān)控存在的盲區(qū)局限，擴大檢測范圍。張海亮等[39]基于毫米波雷達與傳統(tǒng)檢測技術的比較，將逆向合成廣域毫米波事件檢測技術創(chuàng)新應用在隧道運營管理實踐中，大幅度節(jié)省了人員和設備成本，減少了人為失誤和系統(tǒng)疏漏。Wang等[40]通過分析隧道環(huán)境電磁波傳輸模型，提出基于LMLF的RSSI定位算法，改善了單純RSSI定位算法的精度和抗干擾能力，有效抑制隧道環(huán)境車輛定位精度的漂移，提高了事故位置上報的精度。J. Gitahi等[41]基于靜態(tài)傳感器(如感應線圈、雷達站、藍牙、WIFI等)和浮動車數(shù)據(jù)(FCD)的各自優(yōu)缺點，實驗研究了交通環(huán)境的多源傳感器感知融合技術，該技術通過融合多源傳感器數(shù)據(jù)，降低了單一感知數(shù)據(jù)源的不確定性，提高了交通時間和平均路段速度估計的確定性。

在自動駕駛研究領域，盡管存在以汽車制造商為代表的ADAS和單車智能陣營，以及互聯(lián)網企業(yè)引領的人工智能和網聯(lián)化陣營，但自動駕駛研究歷程遭遇的事故困擾一定程度上促使各方達成基本共識，即自動駕駛技術的核心之一是融合攝像機、激光雷達、微波雷達、毫米波雷達、紅外傳感器、超聲波傳感器、GNSS傳感器等設備的多源感知信號，構建高精度的環(huán)境地圖驅動車輛的安全行駛。

鑒于自動駕駛研究的進展與隧道場景的復雜性，需要摒棄隧道環(huán)境與開放公路環(huán)境自動駕駛要求無明顯區(qū)別的誤解，綜合探索隧道環(huán)境全要素的多源信號采集與聚合技術，為隧道事故的聯(lián)合預警提供可靠的數(shù)據(jù)支撐。

3.3 構建融合異常事件監(jiān)管與預警機制的多模V2X架構

課題組通過隧道事故致因及傳統(tǒng)應對策略的研究分析，結合移動通信的發(fā)展現(xiàn)狀、未來自動駕駛系統(tǒng)的部署預期，設計了以5G通信為主導載體、兼容既有車聯(lián)網技術的多模V2X架構，如圖2所示，并由此探索隧道風險規(guī)避的新策略。

按照數(shù)據(jù)信息流邏輯和功能模塊業(yè)務類別，該V2X架構分為感知層、交通事件判決層、決策層、自動駕駛指令執(zhí)行層等。系統(tǒng)中的多源信息流依靠多模V2X網絡的高效承載，形成環(huán)境感知、交通事件判決、車輛行為規(guī)劃、車輛控制等環(huán)節(jié)的高性能閉合環(huán)路。

1)感知層連續(xù)實時收集多類別車載傳感器、視頻音頻采集模塊、無線通信模塊、隧道模擬GNSS設施的多源異質或同質數(shù)據(jù)信號，綜合運用統(tǒng)計學、信號處理、模式識別、認知理論、人工智能等多學科知識，形成涵蓋車輛狀態(tài)、駕駛員操控狀態(tài)、全方位行駛場景、統(tǒng)一坐標系的融合信號，即交通事件判決層的輸入信號。

圖2 高速公路隧道多模V2X技術框架

2)交通事件判決模塊依賴車載高精度地圖、多種隧道設施(交通信號燈、情報板、車輛檢測器等)信號、隧道V2X網絡等數(shù)據(jù)實現(xiàn)對交通異常事件的識別與跟蹤，交通事件識別結果與隧道域控制器、自動駕駛云平臺等數(shù)據(jù)融合形成決策層的車輛行為與隧道管控策略的激勵信號。

3)決策層利用交通判決層的輸出數(shù)據(jù)，形成自動駕駛車輛行為規(guī)劃的決策指令、隧道異常事件的告警信號，同時控制通風與照明設施的聯(lián)動，并調度隧道智慧移動服務模塊的發(fā)布隧道異?；驊毙畔⒌取?/p>

4)自動駕駛指令執(zhí)行層通過隧道部署的高性能、低延時通信載體(5GNR、LTE-A、DSRC等)，實現(xiàn)與自動駕駛車輛的毫秒級控制指令傳送與執(zhí)行，自動駕駛車輛通過底層模塊執(zhí)行決策層的控制指令，代替人類駕駛員控制車輛，車輛的多個操作子系統(tǒng)按照決策層的總線指令精確地控制加速程度、制動程度、轉向幅度等，從而實現(xiàn)正常姿態(tài)保持、障礙避讓等操作意愿，同時車輛狀態(tài)數(shù)據(jù)以及自動駕駛指令的執(zhí)行結果在更新車載數(shù)據(jù)庫的同時，通過隧道通信網與隧道域控制器或V2X數(shù)據(jù)庫實時同步。

因隧道物理結構、隧道設施類型與部署時間、隧道設施智能化程度等存在差異，在智慧隧道的建設過程中，隧道設施不同程度地存在通信接口與協(xié)議的非標準化或多樣化，因此需要附加設備適配器實現(xiàn)異構設施的標準化整合，利用隧道敷設的有線通信網、5G主導的蜂窩技術或DSRC等廣域無線技術構建的移動通信網，協(xié)調不同類型隧道設施的多模共存，該共存模式和互聯(lián)互通利于保護既有隧道投資和已有隧道設施管理模式的平滑演進，可操作性強。

在交通要素的高精度定位方面，借助隧道模擬GNSS系統(tǒng)、4G/5G等蜂窩技術或DSRC、隧道設施的物理安裝位置、車載高精度地圖、車輛慣性定位等技術手段，通過隧道域控制器和車載終端的邊緣計算，實現(xiàn)多模式定位信號融合的10 cm等級定位精度，為實現(xiàn)車輛自動駕駛、交通事件識別與跟蹤、緊急事故告警與救援的快速實施提供依據(jù)與保障，從而有效規(guī)避或降低隧道的運行風險。

4 結論與展望

公路隧道作為道路交通事故多發(fā)的瓶頸路段，事故多發(fā)性和事故嚴重性直接關系道路交通參與者的生命與財產安全。本研究基于隧道常見事故的致因分析和傳統(tǒng)應對策略，結合當前交通安全理論研究成果，設計了基于5G技術的隧道區(qū)域自動駕駛與車路協(xié)同框架，探討兼容既存V2X技術的多源數(shù)據(jù)融合與功能模塊分配機制，同時創(chuàng)建隧道區(qū)域多源信號的聯(lián)合預警機制，變傳統(tǒng)的事故被動應對為積極主動預防，以期降低或規(guī)避隧道風險的發(fā)生。

下一階段，為滿足交通需求的實時性響應，可以進一步提高隧道域控制器的算力，通過優(yōu)化傳感器信號處理與融合算法，提升隧道AD云平臺和V2X網絡的帶寬優(yōu)化，建設端、邊、云高效協(xié)同的智慧隧道平臺和隧道風險評估及預防的人工智能訓練系統(tǒng)，為積極應對和預防隧道事故、提升隧道區(qū)域服務水平尋求突破，也是本課題后續(xù)研究的新思路與方向。