高速公路隧道智能監(jiān)測(cè)系統(tǒng)的探索與實(shí)踐

■徐 勁

（福建省高速公路集團(tuán)有限公司福州管理分公司，福州 350001）

我國(guó)是世界上公路隧道里程最長(zhǎng)、規(guī)模最大、發(fā)展最快的國(guó)家。 據(jù)交通運(yùn)輸部2023 年5 月發(fā)布的《2022 年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》統(tǒng)計(jì)，2022 年底全國(guó)公路隧道突破24500 處，總長(zhǎng)度達(dá)到2700 萬延米。隧道作為高速公路交通網(wǎng)的關(guān)鍵組成和控制性節(jié)點(diǎn)，在縮短行車距離、提高車速、保護(hù)環(huán)境等方面發(fā)揮了積極作用，在解決交通干線翻山過海受到的限制、縮短線路里程等方面具有顯著優(yōu)勢(shì)，取得了良好的社會(huì)和經(jīng)濟(jì)效果。 隨著公路隧道數(shù)量和里程的不斷增加，隧道在給人們生產(chǎn)生活帶來便利的同時(shí)，隧道內(nèi)發(fā)生的安全風(fēng)險(xiǎn)事故也越來越多。 與一般的路基工程、橋梁工程相比，隧道結(jié)構(gòu)設(shè)施復(fù)雜、環(huán)境封閉、通風(fēng)條件受限、出入口少、疏散線路長(zhǎng)、逃生救援困難，運(yùn)營(yíng)管理更復(fù)雜、難度更大，一旦發(fā)生事故其持續(xù)時(shí)間長(zhǎng)、影響范圍大，易造成重大的人員傷亡和經(jīng)濟(jì)損失，甚至造成二次事故。如何通過加強(qiáng)隧道運(yùn)營(yíng)實(shí)時(shí)監(jiān)測(cè)，提升隧道運(yùn)風(fēng)險(xiǎn)營(yíng)預(yù)警預(yù)報(bào)，實(shí)施隧道突發(fā)事件智能化應(yīng)急處突措施，對(duì)提高長(zhǎng)大隧道安全及服務(wù)水平，有效遏制隧道重特大事故，解決長(zhǎng)隧道群運(yùn)行服務(wù)和應(yīng)急救援的需求，提升群眾出行的安全感，具有現(xiàn)實(shí)意義。

1 隧道事件監(jiān)測(cè)的發(fā)展趨勢(shì)

1.1 面臨的問題

隧道安全直接關(guān)系到高速公路的總體安全與交通秩序的穩(wěn)定。 近年來，我國(guó)高速公路隧道運(yùn)行監(jiān)測(cè)與安全風(fēng)險(xiǎn)管控水平提升較快，但仍還存在一些不足。 主要表現(xiàn)在以下幾個(gè)方面：傳統(tǒng)隧道運(yùn)行管理不夠智慧，運(yùn)行狀況主要以人工視頻監(jiān)控為主，效率有限，精確度不高；服務(wù)能力不足，出行信息發(fā)布時(shí)效性和準(zhǔn)確性還有上升空間，服務(wù)體驗(yàn)不佳；面對(duì)隧道擁堵的運(yùn)行管控能力還需進(jìn)一步增強(qiáng)，路網(wǎng)指揮調(diào)度、應(yīng)急處置仍以事后應(yīng)對(duì)為主，智慧主動(dòng)管控決策能力尚不具備， 公眾出行獲得感不高；安全能力方面不足，缺少主動(dòng)安全預(yù)警與控制誘導(dǎo)的智能化手段；在運(yùn)營(yíng)過程中積累了大量設(shè)施、車輛、運(yùn)行、管理、環(huán)境等信息，但既有隧道運(yùn)行安全研究對(duì)數(shù)據(jù)的開發(fā)和利用還不夠[1]；隧道機(jī)電設(shè)施信息安全防護(hù)不足，隧道內(nèi)多元感知終端硬件、多樣化的接入方式，以及開放、復(fù)雜的現(xiàn)場(chǎng)條件，使得敏感數(shù)據(jù)面臨著在感知、傳輸、存儲(chǔ)、處理等環(huán)節(jié)的安全風(fēng)險(xiǎn)。 針對(duì)以上問題，交通運(yùn)輸部相繼組織開展了一系列隧道治理提升專項(xiàng)行動(dòng)，隧道運(yùn)營(yíng)安全水平得到有力提升。 但目前，隧道突發(fā)事件應(yīng)急能力仍然相對(duì)滯后，應(yīng)急處置能力仍存短板，亟待加強(qiáng)。

1.2 發(fā)展趨勢(shì)

通過建立完善的高速公路隧道運(yùn)行狀態(tài)及突發(fā)事件智能監(jiān)測(cè)， 有助于提高運(yùn)營(yíng)管理服務(wù)質(zhì)量。此外，通過增設(shè)和提高隧道監(jiān)控前段感知設(shè)備能夠更加直觀、及時(shí)地了解、掌握高速公路的實(shí)時(shí)狀況。當(dāng)前隧道視頻監(jiān)控系統(tǒng)已不僅是隧道監(jiān)控?cái)z像機(jī)，還包括激光雷達(dá)、毫米波雷達(dá)、卡口攝像機(jī)、雷視一體機(jī)等，可配合邊緣計(jì)算單元獲取隧道車輛的多維數(shù)據(jù)。 更有系統(tǒng)可通過仿真技術(shù)同步還原實(shí)時(shí)通行狀態(tài)，當(dāng)后臺(tái)服務(wù)器通過前端感知設(shè)備獲取數(shù)據(jù)，結(jié)合AI 分析、大數(shù)據(jù)等技術(shù)手段可實(shí)時(shí)呈現(xiàn)高速公路隧道內(nèi)可視化的交通狀況，可輔助管理者據(jù)此提前做出預(yù)判，避免長(zhǎng)時(shí)間擁堵和重大交通事故發(fā)生。

2 隧道運(yùn)行狀態(tài)及突發(fā)事件智能監(jiān)測(cè)系統(tǒng)

隧道運(yùn)行狀態(tài)及突發(fā)事件智能監(jiān)測(cè)系統(tǒng)主要基于AI 視覺、 雷視融合技術(shù)和高精地圖并輔助隧道原有機(jī)電設(shè)施來實(shí)現(xiàn)3D 感知， 從而實(shí)現(xiàn)隧道群交通態(tài)勢(shì)智能感知和全景可視化呈現(xiàn)，具備事件智能檢測(cè)識(shí)別、隧道基礎(chǔ)設(shè)施數(shù)字孿生建模、交通事件動(dòng)態(tài)預(yù)警、隧道其他監(jiān)測(cè)設(shè)備的聯(lián)動(dòng)等功能。 儀器設(shè)置上主要利用隧道原有攝像機(jī)，并在試驗(yàn)隧道部署毫米波雷達(dá)，以及配合接入ETC 門架和原有的攝像機(jī)數(shù)據(jù)。

2.1 智能監(jiān)測(cè)系統(tǒng)功能設(shè)置

智能監(jiān)測(cè)系統(tǒng)主要有以下功能。 （1）交通狀態(tài)監(jiān)測(cè)，包括流量監(jiān)測(cè)及事件監(jiān)測(cè)。 此次研究使用雷視融合技術(shù)（圖1）對(duì)車輛目標(biāo)、特征和狀態(tài)進(jìn)行精準(zhǔn)感知，通過對(duì)交通流狀態(tài)實(shí)時(shí)監(jiān)測(cè)并進(jìn)行數(shù)據(jù)采集、統(tǒng)計(jì)實(shí)現(xiàn)對(duì)車道交通量、平均速度、車道時(shí)間占有率等數(shù)據(jù)分析，為高速公路運(yùn)行狀態(tài)提供數(shù)據(jù)支撐。（2）交通事件監(jiān)測(cè)。交通事件監(jiān)測(cè)是對(duì)道路上突發(fā)的動(dòng)態(tài)交通異常事件進(jìn)行監(jiān)測(cè)，通過雷視融合技術(shù)對(duì)高速車輛的特征、狀態(tài)以及軌跡進(jìn)行連續(xù)感知，通過歷史觀測(cè)和實(shí)時(shí)綜合判別及融合，實(shí)現(xiàn)智能識(shí)別的交通事件檢測(cè)和監(jiān)測(cè)。 交通事件包括但不限于停止事件、擁堵事件、交通事故等。 此次提出的基于雷達(dá)視頻融合的隧道運(yùn)行狀態(tài)監(jiān)測(cè)研究能夠?qū)τ诒槐O(jiān)測(cè)的事件進(jìn)行及時(shí)智能分析并識(shí)別，精準(zhǔn)地記錄發(fā)生時(shí)間、車道位置、涉及的單個(gè)車輛和用戶，可為以后針對(duì)車道和單車或單用戶的精準(zhǔn)協(xié)同、控管和服務(wù)夯實(shí)基礎(chǔ)。

2.2 技術(shù)方案

此次研究選擇了京臺(tái)高速福州段長(zhǎng)隧道群，包括牛巖山隧道、黃竹山隧道、天龍山隧道。 以天龍山隧道新安裝的設(shè)備為主，輔助牛巖山隧道、黃竹山隧道的現(xiàn)有視頻與門架設(shè)備，實(shí)現(xiàn)檢測(cè)識(shí)別。 通過接入前端感知設(shè)備采集事件、 車輛等動(dòng)態(tài)數(shù)據(jù)，構(gòu)建基于高精度地圖的全路況感知系統(tǒng)，感知隧道內(nèi)?；奋囕v特征、位置、速度、車牌、交通事件；通過邊緣計(jì)算設(shè)備實(shí)現(xiàn)交通事故預(yù)警、 車輛特征識(shí)別、基于高精地圖的車輛軌跡、視頻動(dòng)態(tài)跟蹤。 本次研究提出的基于雷達(dá)視頻融合技術(shù)的隧道運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)能夠識(shí)別突發(fā)的交通事件/事故、識(shí)別風(fēng)險(xiǎn)車輛，并在基于高精度地圖的隧道全景可視化數(shù)字孿生運(yùn)營(yíng)管理與服務(wù)系統(tǒng)上實(shí)時(shí)映射并彈出預(yù)警，對(duì)于已發(fā)生的交通事故進(jìn)行視頻回溯、風(fēng)險(xiǎn)車輛軌跡跟蹤，并進(jìn)行事故發(fā)生原因跟蹤分析，以實(shí)現(xiàn)對(duì)隧道全程實(shí)時(shí)可視化監(jiān)管，技術(shù)路徑如圖2 所示。

圖2 基于雷達(dá)視頻融合技術(shù)的隧道運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)技術(shù)路徑

本研究的核心為視頻檢測(cè)AI 算法。 AI 算法通過對(duì)隧道內(nèi)異常事件進(jìn)行了人為定義，規(guī)定了幾個(gè)需要檢測(cè)的異常行為，構(gòu)建出真實(shí)隧道場(chǎng)景下的異常行為檢測(cè)數(shù)據(jù)庫(kù)。 算法數(shù)據(jù)庫(kù)明確規(guī)定了本研究需要檢測(cè)的異常行為，并在無監(jiān)督數(shù)據(jù)庫(kù)基礎(chǔ)上加入了一些監(jiān)督信息，成為一個(gè)弱監(jiān)督數(shù)據(jù)庫(kù)[2]。 最后通過不斷的模型優(yōu)化，形成正樣本庫(kù)以及負(fù)樣本庫(kù)，使得檢測(cè)算法達(dá)到精確。 本研究主要涉及的場(chǎng)景算法有：交通事故、隧道火災(zāi)、隧道擁堵、停車占道（異常停車）、施工布控等，此外還可實(shí)現(xiàn)相關(guān)的交通斷面流量、平均速度、時(shí)間占有率、空間占有率、車頭間距、車頭時(shí)距等交通參數(shù)的統(tǒng)計(jì)功能。

2.2.1 單目視覺3D 目標(biāo)感知應(yīng)用技術(shù)

本研究涉及的單目視覺3D 目標(biāo)感知技術(shù)能夠?qū)崟r(shí)準(zhǔn)確地完成單幀的障礙物檢測(cè)，并借助傳感器內(nèi)外參標(biāo)定轉(zhuǎn)換矩陣，將檢測(cè)結(jié)果映射到統(tǒng)一的車身坐標(biāo)系或世界坐標(biāo)系中（圖3）[3]。 該算法中，準(zhǔn)確率、召回率、算法耗時(shí)是物體檢測(cè)的重要指標(biāo)。 感知算法基于YOLO V2 設(shè)計(jì)了單目攝像頭下的物體檢測(cè)。 利用高分辨率多通道特征圖，捕捉圖像細(xì)節(jié)，深層低分辨率多通道特征圖， 編碼更多圖像上下文信息，實(shí)現(xiàn)單目視覺3D 目標(biāo)感知。

圖3 單目視覺3D 目標(biāo)感知

2.2.2 高精度定位技術(shù)

預(yù)先使用高精地圖中的道路信息，將感知的動(dòng)態(tài)障礙物的結(jié)果和高精地圖道路對(duì)齊，實(shí)現(xiàn)對(duì)靜態(tài)道路元素的感知，從而將在線獲得的動(dòng)態(tài)物體放入道路中（圖4）。

圖4 基于車路數(shù)據(jù)融合的高精度定位技術(shù)

2.2.3 深度學(xué)習(xí)技術(shù)

針對(duì)隧道場(chǎng)景下存在事件圖像數(shù)量少且標(biāo)注代價(jià)高的問題，本次研究將大量無標(biāo)注的數(shù)據(jù)經(jīng)過預(yù)處理之后送入通用目標(biāo)檢測(cè)網(wǎng)絡(luò)中進(jìn)行偽標(biāo)注，將偽標(biāo)注的數(shù)據(jù)經(jīng)過人機(jī)交互生成高質(zhì)量的標(biāo)注數(shù)據(jù)，從而大幅減少工作量。 同時(shí)通過圖像目標(biāo)分類與目標(biāo)檢測(cè)損失函數(shù)的聯(lián)合優(yōu)化，結(jié)合鄰域粗糙集的特征融合和基于最大熵模糊聚類方法，實(shí)現(xiàn)端到端的低質(zhì)圖像增強(qiáng)以及目標(biāo)檢測(cè)過程算法框架的聯(lián)合，有效提升了低質(zhì)圖像目標(biāo)檢測(cè)算法的性能（圖5）。

圖5 基于深度學(xué)習(xí)技術(shù)的隧道事件檢測(cè)

2.2.4 灰塵與低照度交通環(huán)境成像重構(gòu)與增強(qiáng)技術(shù)

考慮面向隧道內(nèi)突出的重載運(yùn)輸和高速公路隧道低照度環(huán)境應(yīng)用， 本研究設(shè)計(jì)了一個(gè)端到端、采用注意力機(jī)制、無監(jiān)督地進(jìn)行亮度自調(diào)節(jié)的圖像增強(qiáng)模型。 該模型輸入低光或有灰塵圖像，能夠得到低光增強(qiáng)圖像。 開展亮度自調(diào)節(jié)的無監(jiān)督圖像去灰塵與低光圖像增強(qiáng)算法研究，算法思路如圖6 所示。 如圖6 所示，給定一個(gè)模糊的輸入圖像，首先通過編碼器轉(zhuǎn)化為特征圖，然后通過聚合更多上下文信息并融合不同級(jí)別的特征， 對(duì)于特征進(jìn)行增強(qiáng)。利用平滑的擴(kuò)張卷積和額外的門子網(wǎng)絡(luò)，將增強(qiáng)的特征圖解碼回原始圖像空間以獲得目標(biāo)霧度殘留。最終，通過將其添加到輸入的模糊圖像上，獲得最終的無霧圖像。

圖6 圖像去霧增強(qiáng)算法思路

3 工程實(shí)踐

本研究選取京臺(tái)高速福州段長(zhǎng)隧道群（包括牛巖山隧道、黃竹山隧道、天龍山隧道），以天龍山隧道新安裝的設(shè)備為主，輔助牛巖山隧道、黃竹山隧道的現(xiàn)有視頻與門架設(shè)備，實(shí)現(xiàn)檢測(cè)識(shí)別。 通過運(yùn)用搭建基于雷達(dá)視頻融合的隧道運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)對(duì)交通狀態(tài)監(jiān)測(cè)包括交通流量監(jiān)測(cè)及交通事件監(jiān)測(cè)。

3.1 京臺(tái)福州段面臨的問題

京臺(tái)高速（福州段）起點(diǎn)位于古田與閩清交界的黃竹山特長(zhǎng)隧道中部，終點(diǎn)位于閩侯縣荊溪鎮(zhèn)白頭村，與福州繞城高速西北段銜接，全長(zhǎng)52.952 km。從福州荊溪收費(fèi)站開始往建甌方向有3 座特長(zhǎng)隧道依次為天龍山隧道（6512 m）、牛巖山隧道（9252 m）、黃竹山隧道（8659 m）。 在實(shí)際運(yùn)營(yíng)管理中，存在以下痛點(diǎn)：（1）目前隧道監(jiān)控主要以人工視頻巡檢為主，效率低、精度不高；（2）服務(wù)能力不足，出行信息發(fā)布時(shí)效性和準(zhǔn)確性不高；（3）隧道擁堵的運(yùn)行管控能力較低，路網(wǎng)指揮調(diào)度、應(yīng)急處置仍以事后應(yīng)對(duì)為主；（4）對(duì)“兩客一?！避囕v無法實(shí)時(shí)跟蹤，缺少主動(dòng)安全預(yù)警與控制誘導(dǎo)的智能化手段。

3.2 解決方案

先是通過接入前端感知設(shè)備采集事件、車輛等動(dòng)態(tài)數(shù)據(jù)， 構(gòu)建基于高精度地圖的全路況感知系統(tǒng)，感知隧道內(nèi)?；奋囕v特征、位置、速度、車牌、交通事件； 通過邊緣計(jì)算設(shè)備實(shí)現(xiàn)交通事故預(yù)警、車輛特征識(shí)別、基于高精地圖的車輛軌跡、視頻動(dòng)態(tài)跟蹤。 通過基于雷達(dá)視頻融合的隧道運(yùn)行狀態(tài)監(jiān)測(cè)研究系統(tǒng)能夠識(shí)別突發(fā)的交通事件/事故、識(shí)別風(fēng)險(xiǎn)車輛，并在基于高精度地圖的隧道全景可視化數(shù)字孿生運(yùn)營(yíng)管理與服務(wù)系統(tǒng)上實(shí)時(shí)映射并彈出預(yù)警，對(duì)于已發(fā)生的交通事故進(jìn)行視頻回溯、風(fēng)險(xiǎn)車輛軌跡跟蹤，并進(jìn)行事故發(fā)生原因跟蹤分析，以實(shí)現(xiàn)對(duì)隧道全程實(shí)時(shí)可視化監(jiān)管。

具體的設(shè)備部署方案如下：每150 m 部署1 個(gè)相機(jī)、每300 m 部署1 個(gè)毫米波雷達(dá)。其中，將每4 個(gè)相機(jī)以及2 個(gè)雷達(dá)共用1 個(gè)邊緣計(jì)算單元的方式與150 m 部署1 個(gè)雷視融合一體機(jī)的方案進(jìn)行比較，選擇出最適合、最低價(jià)以及最精準(zhǔn)的隧道事件智能事件檢測(cè)部署方案（圖7）。

圖7 設(shè)備部署方案

隧道群發(fā)生交通事故的車輛主要為小型客車和大型貨車， 對(duì)于發(fā)生交通事故的小型車輛而言，車速過快是引發(fā)車輛事故的主要原因。 對(duì)于大型貨車而言，車輛重載或超載、車輛自身制動(dòng)效果差等是發(fā)生交通事故的重要原因。

此次研究融合視頻、雷達(dá)以及互聯(lián)網(wǎng)地圖大數(shù)據(jù)，跟蹤隧道內(nèi)動(dòng)態(tài)目標(biāo)，重點(diǎn)分析了隧道群運(yùn)行狀態(tài)，并進(jìn)行突發(fā)事件智能檢測(cè)。 當(dāng)牛巖山隧道以及黃竹山隧道內(nèi)發(fā)生交通事件或者擁堵后，基于深度學(xué)習(xí)算法，檢測(cè)隧道內(nèi)的交通事件，配合基于注意力機(jī)制、無監(jiān)督地進(jìn)行亮度自調(diào)節(jié)的圖像增強(qiáng)模型，實(shí)現(xiàn)亮度自調(diào)節(jié)的無監(jiān)督圖像去灰塵與低光圖像增強(qiáng)算法，得到低光增強(qiáng)圖像。同時(shí)通過高精地圖、可變情報(bào)板、語(yǔ)音廣播等方式，向即將經(jīng)過天龍山隧道的運(yùn)行車輛進(jìn)行消息通知，避免造成荊溪收費(fèi)站到天龍山隧道的擁堵，提前開展分流誘導(dǎo)（圖8）。

圖8 隧道群示意圖

3.3 算法驗(yàn)證及預(yù)期效果

通過測(cè)試隧道擁堵、停車占道（異常停車）、施工布控、行人闖入等事件檢測(cè)準(zhǔn)確率以及響應(yīng)時(shí)間?，F(xiàn)場(chǎng)模擬測(cè)試評(píng)判條件為：車輛目標(biāo)正常行駛后由運(yùn)動(dòng)變?yōu)殪o止?fàn)顟B(tài)，并保持停止10 s（速度為0 km/h），判定為異常停車；檢測(cè)區(qū)域內(nèi)檢出3 個(gè)及以上錐桶，判定為施工布控；識(shí)別為行人的目標(biāo)進(jìn)入檢測(cè)區(qū)域，判定為行人闖入；6 輛或以上車輛，間距小于5 m，車輛平均速度小于20 km/h，判定為隧道擁堵。通過現(xiàn)場(chǎng)模擬測(cè)試評(píng)判條件，隨即觸發(fā)系統(tǒng)報(bào)警，統(tǒng)計(jì)人工判別系統(tǒng)準(zhǔn)確檢測(cè)突發(fā)事件數(shù)量與測(cè)試總數(shù)比值，評(píng)估突發(fā)事件智能檢測(cè)準(zhǔn)確率及響應(yīng)時(shí)間。

測(cè)試指標(biāo)為準(zhǔn)確率（PRE）和響應(yīng)時(shí)間（RT），計(jì)算公式如下。

其中，TP 為實(shí)際發(fā)生且正確報(bào)警樣本；FP 為實(shí)際發(fā)生且錯(cuò)誤報(bào)警樣本；FN 為實(shí)際發(fā)生但未報(bào)警樣本；TT 為人工查看錄像記錄突發(fā)事件發(fā)生時(shí)間，DT 為系統(tǒng)報(bào)警時(shí)間。

通過利用隧道雷視融合技術(shù)實(shí)現(xiàn)多維度信息感知對(duì)交通事故、隧道火災(zāi)、隧道擁堵、停車占道（異常停車）、施工布控等事件檢測(cè)準(zhǔn)確率大于98%，能夠?qū)崿F(xiàn)事件毫秒級(jí)檢測(cè)。

4 結(jié)語(yǔ)

綜上所述，此次研究基于現(xiàn)有隧道機(jī)電系統(tǒng)，融合環(huán)境監(jiān)測(cè)、毫米波雷達(dá)和高清視頻監(jiān)控系統(tǒng)等前端感知數(shù)據(jù)，結(jié)合云端數(shù)據(jù)分析與價(jià)值挖掘，實(shí)現(xiàn)對(duì)隧道內(nèi)車速、車流量、車型分類、道路占有率、行車環(huán)境、通訊狀況、交通事件信息的感知，提出基于雷達(dá)視頻融合的隧道運(yùn)行狀態(tài)監(jiān)測(cè)，系統(tǒng)能夠識(shí)別突發(fā)的交通事件/事故、識(shí)別風(fēng)險(xiǎn)車輛，并在基于高精度地圖的隧道全景可視化數(shù)字孿生運(yùn)營(yíng)管理與服務(wù)系統(tǒng)上實(shí)時(shí)映射并彈出預(yù)警，對(duì)于已發(fā)生的交通事故進(jìn)行視頻回溯、風(fēng)險(xiǎn)車輛軌跡跟蹤，并進(jìn)行事故發(fā)生原因跟蹤分析，以實(shí)現(xiàn)對(duì)隧道全程的實(shí)時(shí)可視化監(jiān)管。 該系統(tǒng)極大地提升了隧道的智慧化管理水平，保障了高速公路隧道的安全通行，為福建省乃至全國(guó)的高速公路隧道運(yùn)行狀態(tài)及突發(fā)事件研究奠定了基礎(chǔ)。