城市交通運(yùn)輸風(fēng)險(xiǎn)識(shí)別與防控策略

馮 川,張 孜,黃欽炎

(1.廣州交信投科技股份有限公司,廣東 廣州 510199;2.廣州市交通運(yùn)輸局,廣東 廣州 510620)

交通行業(yè)車輛規(guī)模大、服務(wù)群體多、道路覆蓋面廣,安全管理難度大,一旦發(fā)生安全事故,可能造成重大的經(jīng)濟(jì)損失和惡劣的社會(huì)影響。在交通基礎(chǔ)設(shè)施不斷完善且提升空間有限的情況下,如何提升行車安全、減少交通事故一直都是關(guān)注的熱點(diǎn)。相關(guān)研究主要集中于行車安全預(yù)警、安全管控平臺(tái)設(shè)計(jì)以及道路交通安全防控三個(gè)方面[1-8],現(xiàn)階段行業(yè)已經(jīng)具備一定的安全防范理論與技術(shù)研究應(yīng)用基礎(chǔ),但是系統(tǒng)性針對(duì)不同風(fēng)險(xiǎn)源、不同風(fēng)險(xiǎn)時(shí)態(tài)場(chǎng)景的差異性安全防控應(yīng)用鮮見報(bào)道。在此背景下,綜合應(yīng)用大數(shù)據(jù)、人工智能、邊緣計(jì)算等新一代信息技術(shù),系統(tǒng)性分析交通運(yùn)輸風(fēng)險(xiǎn)源、場(chǎng)景的差異性,研究城市交通運(yùn)輸風(fēng)險(xiǎn)識(shí)別與安全防控策略,對(duì)促進(jìn)城市交通運(yùn)輸安全水平上新臺(tái)階、完善交通安全防控理論與技術(shù)具有積極意義。

1 城市交通運(yùn)輸安全防控發(fā)展趨勢(shì)

當(dāng)前,“新基建”帶動(dòng)5G、大數(shù)據(jù)、智能網(wǎng)聯(lián)、車路協(xié)同等技術(shù)在交通運(yùn)輸領(lǐng)域融合應(yīng)用,進(jìn)一步提升了交通信息感知、分析、管控、服務(wù)的覆蓋面、精細(xì)度和智能化水平,為研究體系化城市級(jí)的交通主動(dòng)安全防控技術(shù)及創(chuàng)新應(yīng)用賦予更多可能,其發(fā)展趨勢(shì)可總結(jié)為以下三個(gè)方面。

1.1 防控需求多元化

在交通運(yùn)輸行業(yè)迅速發(fā)展和公眾出行需求急劇增長的情況下,管理部門、企業(yè)和乘客等各類交通參與者對(duì)交通運(yùn)輸安全性、舒適性等期望與要求越來越高。例如,以往對(duì)安全事故的關(guān)注在于事故處置,隨著技術(shù)進(jìn)步現(xiàn)在更側(cè)重于事前風(fēng)險(xiǎn)預(yù)測(cè)和防控;以往對(duì)駕駛員操作要求不超速、符合道路通行規(guī)定,現(xiàn)在還要求不急加速減速,保持平穩(wěn)駕駛。因此,亟需多源智能化技術(shù)滿足不同安全防控需求,構(gòu)建交通運(yùn)輸主動(dòng)安全防控模式。

1.2 安全防控協(xié)同化

依靠單項(xiàng)技術(shù)能實(shí)現(xiàn)一定的交通運(yùn)輸安全防控效果,然而人、車、路等交通要素之間存在有機(jī)聯(lián)系,且隨著交通運(yùn)輸安全防控應(yīng)用場(chǎng)景不斷細(xì)化,安全防控需求趨于復(fù)雜,因此亟需采集人、車、路全要素信息,強(qiáng)化不同場(chǎng)景內(nèi)各要素關(guān)聯(lián)分析,協(xié)同提升風(fēng)險(xiǎn)識(shí)別與防控能力。

1.3 防控體系立體化

交通運(yùn)輸安全涉及人、車、路各要素,城市交通運(yùn)輸行業(yè)涵蓋多個(gè)細(xì)分領(lǐng)域,安全防控應(yīng)用需面向駕駛員、企業(yè)、行業(yè)監(jiān)管部門等不同應(yīng)用主體,需要不斷擴(kuò)展交通要素、行業(yè)領(lǐng)域、應(yīng)用主體的覆蓋面,同時(shí)處理好局部和整體之間的有機(jī)銜接,系統(tǒng)性提高安全防控水平。

2 城市交通運(yùn)輸安全防控技術(shù)體系框架

圍繞城市交通運(yùn)輸安全防控需求,結(jié)合當(dāng)前科學(xué)技術(shù)研究應(yīng)用情況及行業(yè)發(fā)展趨勢(shì),提出“信息感知、風(fēng)險(xiǎn)識(shí)別、安全防控”的城市交通運(yùn)輸安全防控技術(shù)體系框架,信息感知為風(fēng)險(xiǎn)識(shí)別提供研判數(shù)據(jù)基礎(chǔ),安全防控依據(jù)風(fēng)險(xiǎn)識(shí)別開展針對(duì)性有效防控措施。

2.1 框架底層——信息感知

交通運(yùn)輸系統(tǒng)是由人、車、路等要素構(gòu)成的復(fù)雜動(dòng)態(tài)系統(tǒng),任何環(huán)節(jié)都可能存在安全風(fēng)險(xiǎn),需要全方位感知的交通要素信息,為風(fēng)險(xiǎn)識(shí)別提供信息基礎(chǔ)。人的信息感知主要包括駕駛員狀態(tài)、駕駛操作行為、乘車人數(shù)量、乘車人行為等信息。車輛作為交通運(yùn)輸?shù)某休d工具,其運(yùn)行工況及狀態(tài)可對(duì)交通安全產(chǎn)生直接影響。道路上的行人、車輛、障礙物等都可能影響道交通運(yùn)輸活動(dòng),因此需要?jiǎng)討B(tài)感知行進(jìn)中的道路環(huán)境信息。

2.2 框架中層——風(fēng)險(xiǎn)識(shí)別

在人、車、路全量信息感知的基礎(chǔ)上,結(jié)合公交、出租、客運(yùn)、貨運(yùn)、橋梁等不同行業(yè)業(yè)務(wù)特性,充分利用掌握的數(shù)據(jù)資源,綜合開展風(fēng)險(xiǎn)研判。根據(jù)風(fēng)險(xiǎn)來源可將其劃分為駕駛員風(fēng)險(xiǎn)、車輛風(fēng)險(xiǎn)、道路環(huán)境風(fēng)險(xiǎn)、營運(yùn)行為風(fēng)險(xiǎn)四個(gè)類別。駕駛員風(fēng)險(xiǎn)包括駕駛員身份異常、行為異常、操作不當(dāng)?shù)惹闆r。車輛狀態(tài)風(fēng)險(xiǎn)主要來自于載運(yùn)工具運(yùn)行工況、重要零部件運(yùn)行狀態(tài)等。道路環(huán)境風(fēng)險(xiǎn)比較復(fù)雜,路網(wǎng)中的人、車、路均可能導(dǎo)致風(fēng)險(xiǎn)發(fā)生。營運(yùn)行為風(fēng)險(xiǎn)在不同行業(yè)差異性明顯,需要結(jié)合業(yè)務(wù)場(chǎng)景針對(duì)性開展識(shí)別研究,是交通運(yùn)輸安全防控內(nèi)涵的重要補(bǔ)充。

2.3 框架上層——安全防控

加強(qiáng)駕駛員風(fēng)險(xiǎn)、車輛狀態(tài)風(fēng)險(xiǎn)、道路環(huán)境風(fēng)險(xiǎn)、營運(yùn)行為風(fēng)險(xiǎn)四類風(fēng)險(xiǎn)事件的評(píng)估與防范,強(qiáng)化風(fēng)險(xiǎn)源頭治理,使安全防控工作關(guān)口前移,進(jìn)而提高交通運(yùn)輸安全風(fēng)險(xiǎn)化解能力?；诔B(tài)規(guī)避、短臨預(yù)警、應(yīng)急響應(yīng)的安全防控技術(shù)模式,從規(guī)避風(fēng)險(xiǎn)、評(píng)估風(fēng)險(xiǎn)、控制風(fēng)險(xiǎn)三個(gè)環(huán)節(jié)開展防控研究與應(yīng)用,提升城市交通運(yùn)輸各場(chǎng)景安全防控水平。

3 基于風(fēng)險(xiǎn)源的風(fēng)險(xiǎn)識(shí)別與防控策略

交通系統(tǒng)是由人、車、路等要素構(gòu)成的復(fù)雜動(dòng)態(tài)系統(tǒng),每個(gè)要素都可能成為風(fēng)險(xiǎn)源,導(dǎo)致安全事故的發(fā)生。

3.1 關(guān)于人的風(fēng)險(xiǎn)識(shí)別與防控

在交通運(yùn)輸系統(tǒng)中,人主要包括從業(yè)人員、乘客與路人,路人是道路環(huán)境的重要組成,此處主要討論運(yùn)輸場(chǎng)景中的從業(yè)人員與乘客。在駕駛操作行為方面,通過車輛控制器局域網(wǎng)絡(luò)(Controller Area Network,簡稱CAN)總線采集駕駛操作行為數(shù)據(jù),識(shí)別駕駛員急加減速、頻繁變道、車未停穩(wěn)開車門等不規(guī)范的駕駛操作行為,并進(jìn)行及時(shí)預(yù)警提醒駕駛員安全行駛。在駕駛員狀態(tài)方面,利用車載智能視頻技術(shù)感知識(shí)別駕駛員狀態(tài),降低駕駛員頻繁打哈欠、閉眼、疲勞駕駛等風(fēng)險(xiǎn)行為。在乘客數(shù)量與行為方面,利用圖像技術(shù)感知車廂乘客分布與異常行為,盡早發(fā)現(xiàn)司乘糾紛規(guī)避風(fēng)險(xiǎn)發(fā)生。在運(yùn)輸防疫工作方面,利用人臉識(shí)別技術(shù)測(cè)量乘客體溫,并采集人臉特征信息及司乘佩戴口罩信息,支撐同乘接觸溯源、提醒司乘規(guī)范佩戴口罩;通過視頻識(shí)別客流數(shù)據(jù)構(gòu)建模型,對(duì)公交車廂客流擁擠度進(jìn)行預(yù)測(cè)與預(yù)警。

3.2 關(guān)于車輛的風(fēng)險(xiǎn)識(shí)別與防控

車輛運(yùn)行狀態(tài)及工況監(jiān)測(cè)是識(shí)別車輛風(fēng)險(xiǎn)的重要途徑,為了實(shí)時(shí)掌握車輛位置信息、車輛運(yùn)行工況,可利用衛(wèi)星定位技術(shù)實(shí)現(xiàn)營運(yùn)車輛的實(shí)時(shí)定位與軌跡跟蹤,同時(shí)為事后安全事故復(fù)盤提供數(shù)據(jù)基礎(chǔ);另外根據(jù)車輛CAN總線數(shù)據(jù)及時(shí)識(shí)別發(fā)動(dòng)機(jī)轉(zhuǎn)速、電池電壓等狀態(tài)是否異常,有效支撐車輛安全風(fēng)險(xiǎn)識(shí)別與預(yù)警,降低風(fēng)險(xiǎn)事件發(fā)生。

3.3 關(guān)于道路環(huán)境的風(fēng)險(xiǎn)識(shí)別與防控

在運(yùn)輸過程中,道路環(huán)境主要包括道路基礎(chǔ)設(shè)施和行進(jìn)中周圍的人車環(huán)境。為識(shí)別道路基礎(chǔ)設(shè)施破損風(fēng)險(xiǎn),采用人工巡查、拍照記錄等方式進(jìn)行道路病害巡檢,便于及時(shí)養(yǎng)護(hù)道路保障通行。為幫助駕駛員對(duì)周際人、車流動(dòng)情況有更全面的掌握,在大中型客貨運(yùn)車輛車身周圍搭載視頻監(jiān)控,采用3D視角無縫拼接技術(shù)實(shí)時(shí)感知周際環(huán)境,幫助駕駛員消除車輛視角盲區(qū)。為降低碰撞風(fēng)險(xiǎn),綜合應(yīng)用雷達(dá)、視頻等設(shè)備對(duì)車道偏離、碰撞等風(fēng)險(xiǎn)進(jìn)行實(shí)時(shí)預(yù)警,提醒駕駛員安全駕駛。

3.4 關(guān)于營運(yùn)行為的風(fēng)險(xiǎn)識(shí)別與防控

交通運(yùn)輸營運(yùn)行為方面的風(fēng)險(xiǎn)主要包括合法營運(yùn)車輛違規(guī)行為與車輛非法營運(yùn)行為兩類,不同行業(yè)領(lǐng)域營運(yùn)風(fēng)險(xiǎn)行為見表1。由于不同行業(yè)的行為特征差異大,傳統(tǒng)技術(shù)難以高效識(shí)別出租、客運(yùn)、貨運(yùn)等車輛營運(yùn)行為風(fēng)險(xiǎn),主要依靠現(xiàn)場(chǎng)人力稽查,營運(yùn)行為風(fēng)險(xiǎn)防控效率難以提升。充分利用道路卡口、視頻資源,基于深度學(xué)習(xí)高效捕捉營運(yùn)車輛特征,利用多源數(shù)據(jù)關(guān)聯(lián)研判智能識(shí)別合法營運(yùn)車輛違規(guī)行為與車輛非法營運(yùn)行為,支撐交通運(yùn)輸行業(yè)營運(yùn)風(fēng)險(xiǎn)識(shí)別與交通執(zhí)法,提升交通運(yùn)輸營運(yùn)風(fēng)險(xiǎn)防控效率。

表1 不同行業(yè)領(lǐng)域的營運(yùn)行為風(fēng)險(xiǎn)

4 基于場(chǎng)景的風(fēng)險(xiǎn)識(shí)別與防控策略

加強(qiáng)風(fēng)險(xiǎn)管控以預(yù)防為主、防治結(jié)合的思路,采取常態(tài)規(guī)避、短臨預(yù)警、應(yīng)急響應(yīng)的安全防控模式,針對(duì)風(fēng)險(xiǎn)發(fā)生前的日常管養(yǎng)、即將發(fā)生的短臨防范、發(fā)生后的應(yīng)急響應(yīng)三個(gè)類不同場(chǎng)景開展防控管理應(yīng)用,全面提升交通運(yùn)輸主動(dòng)安全防控水平。

4.1 常態(tài)規(guī)避防控

常態(tài)規(guī)避是指通過日常管理與養(yǎng)護(hù),將城市交通運(yùn)輸安全防控延伸到事故風(fēng)險(xiǎn)發(fā)生前,有效降低風(fēng)險(xiǎn)發(fā)生概率。在日常管理與管養(yǎng)中,面向駕駛員、載運(yùn)工具以及交通設(shè)施建立檔案,據(jù)此開展針對(duì)性管理避免風(fēng)險(xiǎn)發(fā)生。駕駛員方面,通過駕駛行為檔案中的數(shù)據(jù),針對(duì)性開展駕駛規(guī)范行為教育;載運(yùn)工具方面,利用車輛檔案中的檢修與養(yǎng)護(hù)信息,加強(qiáng)易發(fā)故障分析與異常工況解析;交通設(shè)施方面,基于橋梁管養(yǎng)檔案跟蹤撓度、應(yīng)變、傾斜、位移、裂縫等狀態(tài)變化情況,通過日常管養(yǎng)降低來自交通設(shè)施的風(fēng)險(xiǎn)。

4.2 短臨預(yù)警防控

短臨預(yù)警是指對(duì)即時(shí)識(shí)別的風(fēng)險(xiǎn)進(jìn)行預(yù)警,實(shí)時(shí)提醒相關(guān)人員采取措施規(guī)避風(fēng)險(xiǎn)。在交通實(shí)際運(yùn)行中,對(duì)于即時(shí)識(shí)別的風(fēng)險(xiǎn)或者風(fēng)險(xiǎn)前兆,通過語音提示、蜂鳴震動(dòng)等多種體感方式預(yù)警,提醒相關(guān)人員采取合理措施規(guī)避風(fēng)險(xiǎn)。短臨預(yù)警策略適用于車輛行進(jìn)中,各類關(guān)于人、車輛、道路環(huán)境的風(fēng)險(xiǎn)識(shí)別與防控,主要包括超速、疑似闖紅/黃燈、斑馬線未禮讓行人、未關(guān)車門發(fā)車、車未停穩(wěn)開車門、路口加速行駛、公交進(jìn)站速度過高、非編司機(jī)、疲勞駕駛、抽煙、撥打電話、長時(shí)不注視車輛前方、周際碰撞、車道偏離、未戴口罩等風(fēng)險(xiǎn)。通過及時(shí)預(yù)警提醒,避免風(fēng)險(xiǎn)進(jìn)一步發(fā)展演變?yōu)槭录?/p>

4.3 應(yīng)急響應(yīng)防控

應(yīng)急響應(yīng)是針對(duì)風(fēng)險(xiǎn)已轉(zhuǎn)為既定事件,以保障安全、控制事件影響為目標(biāo)開展防控管理。面向公交、出租、客運(yùn)、貨運(yùn)等領(lǐng)域內(nèi),對(duì)于缺乏及時(shí)適當(dāng)規(guī)避措施而引發(fā)的交通安全事件,通過系統(tǒng)或平臺(tái)實(shí)現(xiàn)多部門遠(yuǎn)程交互,結(jié)合現(xiàn)場(chǎng)安全管理,開展交通應(yīng)急救援與交通疏散。例如:公交方面綜合考慮歷史客流與班線周轉(zhuǎn)等因素,基于公交智能調(diào)度技術(shù)響應(yīng)公交供給不足;疫情期間根據(jù)車廂滿載限值靈活配置快速排班調(diào)度;大型活動(dòng)與節(jié)假日等綜合運(yùn)輸場(chǎng)景,基于數(shù)據(jù)決策實(shí)現(xiàn)多方式協(xié)同調(diào)度合理響應(yīng)客流應(yīng)急疏散。針對(duì)出租、客運(yùn)、貨運(yùn)等違規(guī)營運(yùn)風(fēng)險(xiǎn),利用大數(shù)據(jù)分析布控方案精準(zhǔn)打擊。

5 應(yīng)用案例

5.1 關(guān)于營運(yùn)行為風(fēng)險(xiǎn)防控的應(yīng)用案例

營運(yùn)行為風(fēng)險(xiǎn)不僅關(guān)系到道路運(yùn)輸安全,還關(guān)系到行業(yè)營運(yùn)秩序與發(fā)展。例如普貨車輛違規(guī)運(yùn)載危險(xiǎn)品可能引發(fā)交通事故,私家車或者已退役營運(yùn)車輛從事非法營運(yùn)擾亂運(yùn)輸市場(chǎng)。為了防范營運(yùn)行為風(fēng)險(xiǎn),利用視頻卡口資源與行業(yè)信息系統(tǒng)數(shù)據(jù),基于人工智能、大數(shù)據(jù)等信息技術(shù)研發(fā)營運(yùn)風(fēng)險(xiǎn)防控應(yīng)用平臺(tái),自2020年5月開始采用信息技術(shù)識(shí)別防控,人均立案量提升了23.2%,提高了營運(yùn)行為風(fēng)險(xiǎn)識(shí)別與防控效率,同時(shí)經(jīng)過一段時(shí)間也有效打擊了營運(yùn)風(fēng)險(xiǎn)行為。出租方面,2021年違章立案量降低了7.8%,信息技術(shù)手段立案量占比86.2%;客運(yùn)方面,2020年較2019年立案量提升了34.3%,由于信息技術(shù)手段支撐高效打擊風(fēng)險(xiǎn)行為,且疫情影響班車運(yùn)行,2021年客運(yùn)班車違章同比下降54.3%;危運(yùn)方面,2021年立案量略低于2020年,信息技術(shù)防控立案量分別為58.4%與59.1%。

5.2 關(guān)于常態(tài)規(guī)避策略防控的應(yīng)用案例

采用常態(tài)規(guī)避策略對(duì)防控駕駛員風(fēng)險(xiǎn),降低高風(fēng)險(xiǎn)群體駕駛員的風(fēng)險(xiǎn)概率?；谲嚩薈AN總線、視頻等傳感器采集駕駛員行為數(shù)據(jù),并據(jù)此建立駕駛行為檔案,對(duì)具有不良駕駛習(xí)慣、不規(guī)范操作行為的風(fēng)險(xiǎn)群體駕駛員,針對(duì)性開展業(yè)務(wù)規(guī)范培訓(xùn)和安全教育。無差異抽調(diào)廣州某公交企業(yè)駕駛員樣本進(jìn)行分析,其中風(fēng)險(xiǎn)群體駕駛員經(jīng)過前置教育干預(yù)一個(gè)月,事故發(fā)生概率下了40.2%,回落至與普通駕駛員群體相當(dāng)風(fēng)險(xiǎn)水平。

6 結(jié) 語

安全一直是各行各業(yè)強(qiáng)調(diào)的重點(diǎn),特別是交通行業(yè)與汽車行業(yè),如何提高行車安全、減少交通事故一直都是關(guān)注的熱點(diǎn)。研究通過構(gòu)建城市交通運(yùn)輸安全防控技術(shù)體系框架,從風(fēng)險(xiǎn)源與防控場(chǎng)景角度分析風(fēng)險(xiǎn)識(shí)別與防控策略,結(jié)果顯示營運(yùn)行為風(fēng)險(xiǎn)研究所提出的策略能夠有效提升安全防控效率。