趙榮達(dá),王 斌,張立峰,孫 玉,和四勇
(云南省交通投資建設(shè)集團(tuán)有限公司,云南 昆明 650103)
隨著公路建設(shè)里程的不斷增長,我國長隧道及特長隧道的規(guī)模增加十分迅速。交通運(yùn)輸部的統(tǒng)計(jì)數(shù)據(jù)顯示,截至2020年,全國公路隧道共21 316處、2 199.93萬m。從隧道的里程數(shù)和特長隧道的占比來看,在以山地為主的云南地區(qū),隧道交通運(yùn)行的安全保障尤為重要。伴隨著隧道數(shù)量的快速增長,隧道交通事故也呈現(xiàn)出上升趨勢,且交通事故具有傷亡大、救援難的特點(diǎn),可見,對于隧道交通的運(yùn)行安全保障是一個(gè)關(guān)乎人民生命財(cái)產(chǎn)安全的重大問題。
當(dāng)隧道內(nèi)發(fā)生事故、擁堵等交通事件時(shí),隧道及其近鄰路段的交通運(yùn)行將受到巨大影響。由于隧道內(nèi)外環(huán)境差異,高速公路隧道的結(jié)構(gòu)相較于普通路段比較封閉,空間狹小,產(chǎn)生交通事件后若交通組織不當(dāng),滯留車輛將不能及時(shí)疏散,極易導(dǎo)致連鎖反應(yīng),引起整個(gè)路段的嚴(yán)重?fù)矶禄虬l(fā)生二次事故,造成更嚴(yán)重的影響。
高速公路隧道交通安全管理是一個(gè)涵蓋了交通風(fēng)險(xiǎn)時(shí)空變換的動態(tài)非線性系統(tǒng),影響高速公路隧道交通安全的風(fēng)險(xiǎn)因素主要包括了駕駛?cè)艘蛩亍④囕v因素、道路因素、環(huán)境因素以及管理因素。與開放路段相比,駕駛?cè)嗽谒淼纼?nèi)行駛時(shí)受限速、信息誘導(dǎo)、照明、通風(fēng)、路面性能、交通量等因素的影響,導(dǎo)致了較大的駕駛負(fù)荷,進(jìn)一步增加了隧道內(nèi)交通運(yùn)營的風(fēng)險(xiǎn),使得隧道路段容易成為高速公路的交通運(yùn)行的瓶頸路段。隨著計(jì)算機(jī)技術(shù)在交通領(lǐng)域的廣泛應(yīng)用以及交通工具娛樂方式逐漸多樣化,人類對當(dāng)下智能交通工具的依賴性逐漸增強(qiáng),這也成為分心駕駛行為出現(xiàn)的重要誘因,尤其是在隧道內(nèi)單調(diào)的運(yùn)行環(huán)境下,駕駛?cè)巳菀桩a(chǎn)生輕視心理,安全隱患極大。
總的來說,高速公路現(xiàn)有交通基礎(chǔ)設(shè)施愈發(fā)難以滿足快速增長的交通出行需求,無法提供完善的出行信息服務(wù),因此,建設(shè)統(tǒng)一高效的公路運(yùn)營安全風(fēng)險(xiǎn)管理體系,形成事前主動防控的管理理念,提升高速公路整體運(yùn)營安全水平是行業(yè)發(fā)展的必然要求。
目前,我國隧道交通管控缺乏系統(tǒng)性的指揮調(diào)度體系,運(yùn)營數(shù)據(jù)整理成本高、速度慢、難度大,實(shí)際運(yùn)營數(shù)據(jù)組織成本高,管理者大多憑經(jīng)驗(yàn)判斷指揮決策,相關(guān)理論研究基礎(chǔ)較為薄弱,對實(shí)時(shí)有效管理控制隧道內(nèi)交通流特別不利,隧道交通運(yùn)行的安全形勢不容樂觀。
因此,實(shí)現(xiàn)“全方位、全時(shí)段、全天候”的隧道交通運(yùn)行狀態(tài)監(jiān)控管理及風(fēng)險(xiǎn)的智能化識別與預(yù)警,將有助于提高隧道通行安全和效率,幫助政府和交管部門進(jìn)行業(yè)務(wù)管理及分析,形成健全協(xié)調(diào)的指揮體系,提高數(shù)據(jù)管理水平,通過多種方式服務(wù)出行者。
隨著目標(biāo)檢測技術(shù)在圖像處理、計(jì)算機(jī)視覺領(lǐng)域得到重要應(yīng)用,車輛檢測技術(shù)逐漸在智能交通領(lǐng)域受到廣泛關(guān)注,利用高速公路隧道側(cè)裝攝像頭獲取車輛運(yùn)行的高清視頻,提出一種基于YOLOv5算法的隧道車輛檢測技術(shù),實(shí)時(shí)獲取隧道內(nèi)車輛的類別和位置信息,并進(jìn)一步分析得出車輛微觀軌跡、速度、流量、加速度、跟車間距等宏微觀交通運(yùn)行參數(shù),為隧道智能化交通管控系統(tǒng)的構(gòu)建奠定堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)[4]。
YOLOv5算法首先將圖像分為X×X個(gè)網(wǎng)格,每個(gè)網(wǎng)格分別負(fù)責(zé)檢測網(wǎng)格中心的目標(biāo),由這些網(wǎng)格生成X×X×Y個(gè)邊界框,每個(gè)邊界框包含目標(biāo)寬高尺寸(X,Y,W,H)、目標(biāo)中心點(diǎn)坐標(biāo)和是否包含目標(biāo)的置信度五個(gè)參數(shù)[5];然后,由X×X個(gè)網(wǎng)格預(yù)測這個(gè)網(wǎng)格中的目標(biāo)預(yù)測邊界框的類別概率乘以預(yù)測邊界框置信度和類別概率,得到每個(gè)預(yù)測框的類別得分;最后,對這些預(yù)測框進(jìn)行閾值篩選和非極大值抑制(Non-Maximum Suppression,NMS)操作后得到最終的測試結(jié)果。
YOLOv5的輸入端(Input)采用Mosaic數(shù)據(jù)增強(qiáng)方法,數(shù)據(jù)集輔以隨機(jī)縮放、隨機(jī)裁剪和隨機(jī)排列。主干層(Backbone)由Focus模塊快速實(shí)現(xiàn)了下采樣,不僅增強(qiáng)算法的學(xué)習(xí)能力而且可以保持算法的輕量化。檢測層(Neck)由FPN和PAN結(jié)合。一般情況下,深層特征圖定位信息弱,但具有更強(qiáng)的語義信息,淺層的圖像與之相反。PAN從淺層特征層到深層特征層傳遞定位信息,FPN從深層特征圖到淺層特征圖傳遞語義信息,在FPN與PAN組合下,參數(shù)聚合由不同的主干層到不同的檢測層,很大程度上增強(qiáng)了網(wǎng)絡(luò)的特征融合能力。輸出層(Output)邊界框回歸損失函數(shù)采用CIOU Loss,YOLOv5輸出時(shí)充分考慮到了長寬比、中心點(diǎn)距離、重疊面積三個(gè)重要因素,這讓遮擋重疊的目標(biāo)得到檢測,也提高了預(yù)測框回歸的精度和速度。總的來說,YOLOv5目標(biāo)檢測算法匯集了各個(gè)算法網(wǎng)絡(luò)的優(yōu)點(diǎn),讓檢測速度和精度都有了很好的效果,并且轉(zhuǎn)換格式容易,使部署更方便。
基于專業(yè)視頻控制系統(tǒng)的集成,根據(jù)問題所在位置獲取圖像的動態(tài)畫面,方便現(xiàn)場實(shí)時(shí)控制,實(shí)現(xiàn)隧道全方位、全時(shí)段的可視化監(jiān)控管理。
(1)數(shù)據(jù)采集層:從現(xiàn)有隧道視頻監(jiān)控系統(tǒng)存儲服務(wù)器獲取隧道側(cè)裝視頻數(shù)據(jù),通過YOLOv5視頻檢測算法識別車輛,實(shí)現(xiàn)對視頻車流的智能分析,獲取平均車間距、斷面交通流量、車流平均速度數(shù)據(jù),再從視頻事件檢測系統(tǒng)和收費(fèi)系統(tǒng)獲取交通事件數(shù)據(jù)和收費(fèi)站流量數(shù)據(jù)。
(2)數(shù)據(jù)處理層:采用分布式存儲系統(tǒng)和關(guān)系型數(shù)據(jù)庫相結(jié)合的數(shù)據(jù)存儲方式,綜合應(yīng)用信號處理、統(tǒng)計(jì)學(xué)、人工智能、模式識別、認(rèn)知理論等多學(xué)科知識,形成統(tǒng)一坐標(biāo)系、車輛運(yùn)動狀態(tài)、全方位駕駛場景、駕駛員控制狀態(tài)等融合數(shù)據(jù),依托各種隧道設(shè)施(紅綠燈、信息牌、車輛探測器等)信號,依托車輛高精度地圖、隧道網(wǎng)絡(luò)等數(shù)據(jù),對異常交通事件進(jìn)行識別和跟蹤,進(jìn)而結(jié)合交通事件以自主研發(fā)的隧道智能安控云平臺、隧道域控制器等輸出數(shù)據(jù)作為決策層的輸入信號。
(3)數(shù)據(jù)決策層:利用數(shù)據(jù)處理層的輸出數(shù)據(jù),形成車輛行駛行為規(guī)劃的決策指令和隧道內(nèi)異常事件的預(yù)警信號。同時(shí)控制隧道內(nèi)照明和通風(fēng)設(shè)施的聯(lián)合應(yīng)用,調(diào)用智能服務(wù)模塊,針對隧道異?;蚴鹿拾l(fā)出應(yīng)急信號。
(4)數(shù)據(jù)應(yīng)用層:用戶和交管部門通過高性能、低延時(shí)的通信載體(5GNR、LTE-A、DSRC等),通過高效傳輸?shù)?G技術(shù)及強(qiáng)大的人工智能算力和算法,實(shí)現(xiàn)隧道內(nèi)交通運(yùn)行狀態(tài)實(shí)時(shí)監(jiān)測,車-車,車-路數(shù)據(jù)實(shí)時(shí)同步,路況實(shí)時(shí)動態(tài)感知,為車輛實(shí)時(shí)提供交通環(huán)境信息。在多維數(shù)據(jù)賦能條件下,精準(zhǔn)識別隧道內(nèi)突發(fā)事件,基于三維地圖、視頻圖像序列對交通運(yùn)行狀態(tài)、交通管控位置等進(jìn)行可視化監(jiān)測。實(shí)現(xiàn)交通運(yùn)行監(jiān)測、狀態(tài)判別、參數(shù)預(yù)測、風(fēng)險(xiǎn)預(yù)警、管控預(yù)案、三維可視化、車輛實(shí)時(shí)仿真等功能。
為有效提升公路隧道運(yùn)營風(fēng)險(xiǎn)預(yù)警和智慧管控的水平,助力云南以特殊的區(qū)位優(yōu)勢融入“一帶一路”倡議及RCEP建設(shè)中,發(fā)揮云南在國際經(jīng)濟(jì)發(fā)展圈中的作用,隧道智能安控系統(tǒng)利用交通大數(shù)據(jù)深度學(xué)習(xí)算法、三維高精度地圖、分布式計(jì)算與存儲等技術(shù)進(jìn)行系統(tǒng)開發(fā),實(shí)現(xiàn)基于隧道側(cè)裝攝像頭視頻的交通流數(shù)據(jù)實(shí)時(shí)檢測、處理與應(yīng)用,支持隧道可視化交通運(yùn)行監(jiān)測、隧道風(fēng)險(xiǎn)識別、風(fēng)險(xiǎn)主動管控、應(yīng)急協(xié)同聯(lián)動、智慧管控等功能,如圖1所示。
圖1 系統(tǒng)總體框架
系統(tǒng)在云南省汕昆高速陽宗隧道進(jìn)行了實(shí)際運(yùn)行測試,總體性能達(dá)到了預(yù)期設(shè)計(jì)目標(biāo),能夠準(zhǔn)確描述隧道交通運(yùn)行狀態(tài),及時(shí)發(fā)現(xiàn)交通運(yùn)行風(fēng)險(xiǎn),在三維可視化管控、交通監(jiān)測、風(fēng)險(xiǎn)預(yù)警及大數(shù)據(jù)融合分析方面取得一定成效,隧道基本信息如表1所示。
表1 隧道基本信息
通過確定車輛在三維地圖上的位置,實(shí)現(xiàn)三維地圖與車輛高頻軌跡點(diǎn)的匹配,基于三維地圖直接展示隧道基本路段、匝道、匝道-主線連接段通行能力,實(shí)時(shí)計(jì)算交通狀態(tài)、交通參數(shù)和交通事件等交通狀態(tài)數(shù)據(jù),預(yù)測交通風(fēng)險(xiǎn)位置和等級預(yù)警提示等,交通運(yùn)行風(fēng)險(xiǎn)評估指標(biāo)具體如表2所示。
表2 交通運(yùn)行風(fēng)險(xiǎn)評估指標(biāo)
可以看出,系統(tǒng)能夠準(zhǔn)確實(shí)現(xiàn)隧道交通運(yùn)行參數(shù)的信息提取,并通過相關(guān)風(fēng)險(xiǎn)指標(biāo)的計(jì)算,為隧道交通運(yùn)行異常狀態(tài)的識別及管控提供有力的支持。同時(shí),通過分析流量差、速度差等風(fēng)險(xiǎn)指標(biāo),可以得到各車道之間流量、速度的不均衡性,可反映由于追尾、拋錨等事件導(dǎo)致的車道癱瘓現(xiàn)象,為隧道管制方案的制定與設(shè)計(jì)提供一定的理論支撐。
通過對分布式數(shù)據(jù)庫進(jìn)行清洗、挖掘,并基于圖形圖標(biāo)等多種方式對實(shí)時(shí)交通數(shù)據(jù)、預(yù)測數(shù)據(jù)、歷史數(shù)據(jù)等進(jìn)行展示和比較分析,匯聚隧道完備數(shù)據(jù)集,為交通運(yùn)行場景準(zhǔn)確識別、實(shí)時(shí)預(yù)測預(yù)警、管控信息發(fā)布提供主動風(fēng)險(xiǎn)防控直觀可靠的可視化結(jié)果。
系統(tǒng)的設(shè)計(jì)充分考慮到高速公路管理的實(shí)用性、安全性、先進(jìn)性以及標(biāo)準(zhǔn)化等原則,為了充分發(fā)揮隧道交通運(yùn)行動態(tài)分析功能,在硬件、網(wǎng)絡(luò)和平臺軟件的建設(shè)方面充分考慮到高速公路運(yùn)營管理的特點(diǎn),基于實(shí)時(shí)、準(zhǔn)確的隧道視頻交通流檢測數(shù)據(jù)和隧道交通運(yùn)行預(yù)警管控流程、方法、參數(shù)及模型技術(shù)體系,開發(fā)了大數(shù)據(jù)后臺軟件系統(tǒng),實(shí)現(xiàn)了該隧道運(yùn)行交通流數(shù)據(jù)監(jiān)測、狀態(tài)判斷、參數(shù)預(yù)測、風(fēng)險(xiǎn)預(yù)警和管控預(yù)案等應(yīng)用功能。
在各子模塊的界面設(shè)計(jì)上,充分考慮了監(jiān)管人員的體驗(yàn)與習(xí)慣,提供二維平面、三維立體隧道樣式,以及自由模式、經(jīng)典模式界面的任意切換,實(shí)現(xiàn)了工作場景的多方面覆蓋,提升了用戶操作的便捷性和實(shí)用性。
根據(jù)高速公路隧道交通管控技術(shù),項(xiàng)目團(tuán)隊(duì)開發(fā)了隧道交通運(yùn)行動態(tài)仿真平臺,并搭建了高速公路隧道交通運(yùn)行管控可視化平臺,并于云南省汕昆高速陽宗隧道進(jìn)行了應(yīng)用??梢钥闯?基于視頻信息的高速公路隧道交通管控技術(shù)可在充分利用隧道原有機(jī)電、安控設(shè)施的基礎(chǔ)上,通過后端算法,利用高速公路隧道側(cè)裝監(jiān)控視頻,實(shí)現(xiàn)了交通運(yùn)行監(jiān)測、狀態(tài)判別、參數(shù)預(yù)測、風(fēng)險(xiǎn)預(yù)警、管控預(yù)案、三維可視化、車輛實(shí)時(shí)仿真等功能,可為高速公路交通運(yùn)行安全提供有力保障。