基于物聯(lián)網(wǎng)技術(shù)的數(shù)智公路護欄系統(tǒng)

摘 要：針對頻發(fā)的公路交通事故，提出了一種基于物聯(lián)網(wǎng)技術(shù)的數(shù)智公路護欄系統(tǒng)。通過微時空主控站采集氣象、事故、動物橫穿公路等交通因子。通過增配碰撞傳感器、雷視融合模組、雷熱融合模組，檢測各類交通事故并偵測橫穿公路的大型動物。采用邊緣計算架構(gòu)，將微時空內(nèi)的風險因子通過NB-IoT上傳至云計算中心進行分析，護欄通過不同的顏色呈現(xiàn)路段的危險程度，實現(xiàn)對后方車輛的實時預(yù)警。采用環(huán)境俘能技術(shù)，利用向日葵式太陽能追光模組、垂直軸風力發(fā)電模組，解決了遠距離低壓供電的電能損失問題。該系統(tǒng)實現(xiàn)了對公路交通細顆粒度的精細化管理，減少交通事故的發(fā)生。

關(guān)鍵詞：物聯(lián)網(wǎng)；時空智能；微觀管控；公路感知網(wǎng)絡(luò)；事故預(yù)警；數(shù)智公路護欄系統(tǒng)

中圖分類號：TP29；TN92 文獻標識碼：A 文章編號：2095-1302（2024）05-0-05

0 引 言

在傳統(tǒng)公路管理下，一起隨機交通事故易引發(fā)慘烈的連環(huán)追尾事故。惡劣天氣下，駕駛員未能及時調(diào)整駕駛策略，也極易引發(fā)事故。在大型動物出沒的熱點區(qū)域，夜間行車易發(fā)生與動物相撞的慘烈事故?？刹捎弥腔勐穫?cè)感知技術(shù)偵察到交通風險因子的形成，云計算中心獲得事故發(fā)生概率，通過變色交通標識，提前向車輛發(fā)出預(yù)警，將有效減少交通事故的發(fā)生。

2020年8月，交通部發(fā)布《交通運輸部關(guān)于推動交通運輸領(lǐng)域新型基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見》[1]，要求推動公路感知網(wǎng)絡(luò)的建設(shè)，實現(xiàn)全天候、多要素的狀態(tài)感知。2022年2月，交通部發(fā)布《公路安全設(shè)施和交通秩序管理精細化提升行動方案》[2]，強調(diào)精細提升公路的安全防護能力，加強對惡劣天氣的動態(tài)管控。2022年10月，黨的二十大報告指出，推動經(jīng)濟社會發(fā)展綠色化、低碳化是實現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵環(huán)節(jié)。

智慧公路的建設(shè)與發(fā)展最早始于20世紀90年代的歐洲。近年來，在防止兩車相撞方面，Gokulakrishnan等人[3]提出了一種名為道路事故預(yù)警（RAP）的路由方案，該方案引入了早期預(yù)警（EW）消息，以便做出重要決策—如何選擇替代路線、減速車輛和改變車道；為了預(yù)測極端天氣引發(fā)的交通事故，Hasan[4]利用分類樹法分析交通參數(shù)如何誘發(fā)道路危險情況，提前分析交通參數(shù)中極端氣候的因素；面對在高速公路上基礎(chǔ)設(shè)施供電難的問題，Amjadian[5]提出用電磁能量采集器（EMEH）給負責交通基礎(chǔ)設(shè)施電能清除和結(jié)構(gòu)健康監(jiān)測的常規(guī)傳感器供電；面對已發(fā)生的交通事故，徐勤亞等人[6]提出一種交通事故應(yīng)急救援系統(tǒng)，該系統(tǒng)基于云端實時監(jiān)控的概念開發(fā)，車輛發(fā)生事故時能第一時間自動聯(lián)系報警，通知救援人員。

本文基于前人的思想進一步做出改進，設(shè)計了基于物聯(lián)網(wǎng)技術(shù)的數(shù)智公路護欄系統(tǒng)，建設(shè)了智慧路側(cè)感知網(wǎng)絡(luò)體系，采用LED警示燈帶進行危險實時預(yù)警，在不破壞路面的同時又提升了預(yù)警信息的可視化程度，從天然環(huán)境中俘獲自給自足的能量，實現(xiàn)車輛碰撞檢測及報警救援、大型動物檢測、惡劣天氣預(yù)警等功能，助力建設(shè)“交通強國”，加快實現(xiàn)“雙碳”目標[7-8]。

1 設(shè)計原理

數(shù)智公路護欄系統(tǒng)由交通微時空主控站、智能護欄、環(huán)境俘能發(fā)電機及云計算中心四部分組成，如圖1所示。

1.1 交通微時空主控站

通過對南方丘陵地區(qū)的公路開展田野調(diào)查，發(fā)現(xiàn)該區(qū)域在臺風天氣中呈現(xiàn)“六里不同天”的氣象特點，故在公路沿線每隔3 km設(shè)置一個交通微時空主控站，將公路劃分為眾多連續(xù)的“交通微時空”，實現(xiàn)對公路的精細化分段管理。主控站集成了ESP32、小型氣象站、ZigBee協(xié)調(diào)節(jié)點、北斗授時模塊、NB-IoT模塊、LED限速板等。小型氣象站實時檢測本微時空的風雨霧指標，主控站調(diào)用風雨限速數(shù)學(xué)模型，計算安全限速值[9]；設(shè)置LED限速板，以綠、黃、紅三種底色依次表示安全、警示、危險，并顯示該處的限速值。

主控站采集本微時空的交通風險因子，采用邊緣計算方法[10]，提高本地數(shù)據(jù)的處理效率；根據(jù)風險因子改變本微時空每個護欄的顏色以警示車輛調(diào)速，在發(fā)生事故時，主控站主動報警。每個微時空把本時空的重要風險因子通過NB-IoT上傳至云計算中心，云計算分析風險因子在時空中的擴散趨勢，指揮相鄰的微時空做出協(xié)同聯(lián)動。

1.1.1 風雨環(huán)境下的限速模型建立

為確定車輛的安全行車速度值，以風雨環(huán)境下的行車速度為目標函數(shù)搭建限速模型。對設(shè)定條件下的車輛進行受力分析，如圖2所示。

橫向力系數(shù)μ的表達式為：

（1）

當車輛橫向附著系數(shù)大于橫向力系數(shù)時，不會發(fā)生側(cè)滑事故，即：

（2）

得到限速模型：

（3）

式中：FW為側(cè)向風力（單位為N）；G為重力（單位為N）；θ為路面橫坡角；ih為路面橫向坡度；V為車速（單位為m/s）；g為重力加速度（單位為m/s2）；μ為橫向力系數(shù)；φ為橫向附著系數(shù)。

1.1.2 基于車輛跟馳模型的限速值修正

車輛行駛時需保持安全間距，在風雨霧環(huán)境中可見度降低，前后車發(fā)生追尾、碰撞等事故的概率增加[11]。故以后車安全車速為目標函數(shù)，對限速值進行修正[12]，如圖3所示。

為保證兩車制動結(jié)束后不發(fā)生碰撞，取安全距離為10 m，建立以下模型：

（4）

前車在制動時間內(nèi)的行駛距離，以及后車駕駛員的行駛狀況均取最不利情況，則：

（5）

（6）

由于實際道路路面上的縱坡角數(shù)值極小，因此進行近似計算后可得：

（7）

式中：n表示前車；n+1表示后車；S為前后車原始車頭間距（單位為m）；Xn+1（t）為后車在反應(yīng)時間內(nèi)的行駛距離（單位為m）；Xn+1（T）為后車在制動時間內(nèi)的行駛距離（單位為m）；L1為前車在制動時間內(nèi)的行駛距離（單位為m）；V為后車的原始行駛速度（單位為m/s）；i為路面縱向坡度。

微時空主控站采用邊緣計算架構(gòu)，根據(jù)上述模型計算限速值，判斷交通微時空所處狀態(tài)是否安全。交通微時空主控站的LED限速板顯示最高安全限速值，智能護欄的LED警示燈帶按不同的危險級別顯示不同的警示顏色。

1.2 智能護欄

在公路兩側(cè)布置智能護欄，每個護欄長度為8～15 m，護欄由ESP32（MCU）、ZigBee路由節(jié)點、MPU-6050碰撞傳感器、毫米波雷達、熱釋電紅外傳感器、攝像頭、LED警示燈帶等部分組成。由于微時空主控站上集成了ZigBee協(xié)調(diào)節(jié)點，則一個微時空內(nèi)的所有護欄自動組織成無線傳感網(wǎng)，實現(xiàn)風險因子的傳遞。ZigBee具有路由節(jié)點受損自修復(fù)重建網(wǎng)絡(luò)的特性，即使某段護欄因事故損毀，余下的護欄也能快速重組網(wǎng)，具有傳感網(wǎng)絡(luò)自修復(fù)能力，具有良好抗損健壯性[13]。

護欄傳感器采用積木式模塊設(shè)計，提供了通用接口，根據(jù)當?shù)厥鹿视涗浽雠涮厥鈧鞲衅鳎床寮从?。護欄的標配傳感器為碰撞傳感器，用于檢測碰撞護欄類交通事故。在事故“黑點”，可以增配“雷視融合”傳感模組用于偵測交通事故。在野生動物出沒點，可以增配“雷熱融合”傳感模組用于偵察橫穿公路的大型動物。在居民區(qū)附近，可以增配“污染檢測”傳感模組用于對人居環(huán)境的噪聲及大氣污染物進行檢測。

主控站采用邊緣計算架構(gòu)，以提高微時空內(nèi)的計算速度，根據(jù)實時風險因子快速改變相關(guān)區(qū)域護欄的顏色。綠色表示正常區(qū)，黃色表示預(yù)警區(qū)，紅色表示危險區(qū)，同時限速板顯示計算后的安全時速。因此，系統(tǒng)完全利用“智慧路側(cè)單元”實現(xiàn)風險因子的采集和事故風險的預(yù)警，無需在車輛上安裝車載端，便于快速推廣。

1.2.1 碰撞事故檢測

智能護欄配置有碰撞傳感器，能感知到撞擊護欄類的交通事故。護欄檢測到激烈碰撞信號后，通過ZigBee網(wǎng)絡(luò)告知本微時空主控站，主控站把當前時間和護欄的經(jīng)緯度坐標，上傳至云計算中心；云計算中心派遣救援車隊趕往事故現(xiàn)場，同時向事故區(qū)后方的微時空傳遞事故信息。事故所處交通微時空（3 km）的護欄變紅表示危險，后一個微時空的護欄變黃表示預(yù)警（提前6 km），避免出現(xiàn)連環(huán)追尾事故。

在事故“黑點”區(qū)域的護欄上增設(shè)“雷視融合模組”（毫米波雷達+攝像頭），感知交通狀態(tài)，微時空主控站采用邊緣計算的方法精準檢測公路上是否出現(xiàn)靜止車輛[14]。當檢測到靜止車輛時，進一步分析車輛停滯原因是排隊還是交通事故。若靜止車輛或靜止車流的前端位于路段中，則判定為發(fā)生交通事故；若靜止車輛或靜止車流的前端位于路口停止線處，且靜止時間不超過紅燈相位時長，則判定為車輛排隊。

1.2.2 動物檢測識別

在郊區(qū)時常會出現(xiàn)橫穿公路的大型動物，如果缺少預(yù)警機制，容易出現(xiàn)車輛和動物相撞的慘烈事故。因此，在這些路段的護欄增設(shè)“雷熱融合模組”（毫米波雷達+熱釋電紅外傳感器），感知動物橫穿公路的事件。熱釋電傳感器檢測波長為0.2～20 μm，動物體溫輻射紅外線波長為9～10 μm[15]。

熱釋電傳感器檢測到移動中的動物體溫信號后，再啟動毫米波雷達對移動物體的行為進一步判斷，減少誤判。當確定為動物橫穿公路時，智能護欄的LED燈帶變紅，標識危險區(qū)域。動物檢測工作原理如圖4所示。

1.3 環(huán)境俘能發(fā)電機

智慧公路的監(jiān)測系統(tǒng)需要采用低壓直流電，而低壓直流電遠距離轉(zhuǎn)輸時線阻損耗大[16]。高壓交流電適合遠距離供電，直接使用風險大，變電整流成本高，高速公路及郊區(qū)公路目前難以實現(xiàn)全面低壓供電。因此設(shè)計了環(huán)境俘能發(fā)電機，由“向日葵式太陽能追光模組+垂直軸風力發(fā)電模組”組成，將其布置在道路兩側(cè)，承擔本微時空的風險因子監(jiān)測及邊緣計算耗能。環(huán)境俘能實現(xiàn)數(shù)智公路護欄系統(tǒng)的能源自給自足，助力碳達峰、碳中和的戰(zhàn)略目標實現(xiàn)。

追光模組像向日葵一般，始終追逐天空中光照的最強區(qū)域，實現(xiàn)太陽能發(fā)電效率的最大化，如圖5、圖6所示。向日葵式太陽能追光模組采用象限法將檢測系統(tǒng)接收板分成四個象限，通過擋光板將象限隔離，光敏電阻分布在不同象限并采集感光信號。通過LM324電壓跟隨器，將信號傳遞到LM339電壓比較器進行比較，然后輸入STC89C52單片機進行處理。四個光敏電阻檢測到的光線強度不一樣時，單片機將會通過步進電機控制接收板向陽光強度強的地方偏轉(zhuǎn)，實現(xiàn)對太陽的追蹤，直至每個象限的受光強度相同，即可采集到充足的太陽能。

垂直軸風力發(fā)電模組利用車輛行駛所產(chǎn)生的弱小風能進行發(fā)電，在南方臺風區(qū)域還具有多項優(yōu)點，如各向弱風、強風下最高轉(zhuǎn)速有限，強風側(cè)壓小，不容易傾倒。通過Ansys軟件對弱風風場進行流體力學(xué)的有限元仿真分析[17]，得到風力發(fā)電模組對風能利用的仿真分析圖，如圖7所示。通過對弱風能量的仿真分析，確定了風葉最佳的曲率和3D結(jié)構(gòu)流域風向為從左至右，可見風力發(fā)電模組周圍流域的風速大大降低，證實了該模組能較好地俘獲環(huán)境中的風能，進而轉(zhuǎn)換為電能，如圖8所示。

風電模組利用汽車在高速公路上行駛時產(chǎn)生的擾動風能進行風力發(fā)電，配合光電模組，同時獲取風能和太陽能，實現(xiàn)數(shù)智公路護欄系統(tǒng)的能源自給自足。

2 創(chuàng)新點

本系統(tǒng)具有如下創(chuàng)新點：

（1）發(fā)明了智能護欄：具有車輛碰撞檢測、動物檢測、惡劣天氣預(yù)警等功能。

（2）發(fā)明了微時空主控站：組織ZigBee傳感網(wǎng)，構(gòu)建數(shù)智化的智慧公路感知網(wǎng)絡(luò)。

（3）定義了交通微時空：將公路劃分為交通微時空，實現(xiàn)細顆粒度的精細化管理。

（4）助力了時空智能化：在時空四維坐標中疊加了氣象、動物、事故等風險因子，分析風險因子在時空中的擴散和演進，實現(xiàn)了時空智能化。

（5）設(shè)計了環(huán)境俘能發(fā)電機：解決了遠郊公路建立智慧交通感知體系時所缺乏的能源問題，消除了遠距離供電的“高壓變電整流”的能源損耗，達到低碳節(jié)能的目標。

（6）具有沿海丘陵地域特色：南方丘陵臺風地區(qū)存在“六里不同天”氣象特征，還有飄忽不定的團霧、山口側(cè)向強風等氣象現(xiàn)象，系統(tǒng)設(shè)計過程中對此地域特色做了針對性研究。

3 結(jié) 語

本系統(tǒng)以公路為應(yīng)用環(huán)境，運用物聯(lián)網(wǎng)技術(shù)、數(shù)字化和智能化技術(shù)實現(xiàn)時空智能，同時通過向日葵式太陽能追光技術(shù)和風力發(fā)電裝置，充分利用太陽能與汽車行駛產(chǎn)生的風能，極大程度地滿足ZigBee無線傳感網(wǎng)持續(xù)低電量消耗的需求，維持數(shù)智公路護欄系統(tǒng)能源供應(yīng)，保障公路車輛的行駛安全，具有以下良好的現(xiàn)實意義和應(yīng)用前景：

（1）助力雙碳目標：維持自給自足能源供應(yīng)，減少遠距離低壓供電的能量損耗。

（2）容易規(guī)模化推廣：無需車載硬件端，可以降低推廣門檻，有助于快速推廣應(yīng)用。

（3）加強事故“黑點”的風險監(jiān)控：可廣泛應(yīng)用于地形不佳、氣象惡劣等事故“黑點”區(qū)域。

（4）定義了路側(cè)護欄的傳感器擴展標準：通過增設(shè)其他傳感器，可實現(xiàn)護坡應(yīng)力監(jiān)測、形變監(jiān)測、公路安全檢測，及一路綠波最優(yōu)速度指示的交通指揮功能。

注：本文通訊作者為林宇洪。

參考文獻

[1]中華人民共和國交通運輸部.交通運輸部關(guān)于推動交通運輸領(lǐng)域新型基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見[EB/OL].（2020-08-03）. https：//www.gov.cn/zhengce/zhengceku/2020-08/06/content_5532842.htm.

[2]中華人民共和國交通運輸部.公路安全設(shè)施和交通秩序管理精細化提升行動方案[EB/OL].（2022-02-21）. https：//www.mot.gov.cn/yijianzhengji/lishizhengji/202201/P020220114668883160367.pdf.

[3] GOKULAKRISHNAN P. Road accident prevention with instant emergency warning message dissemination in vehicular Ad-Hoc network [J]. PLoS ONE，2020，10（12）：e0143383.

[4] HASAN M. Investigation of the effect of traffic parameters on road hazard using classification tree model [J]. International journal for traffic and transport engineering，2012，2（3）：271-285.

[5] AMJADIAN M，AGRAWAL A K，NASSIF H. Feasibility of using a high-power electromagnetic energy harvester to power structural health monitoring sensors and systems in transportation infrastructures [C]// Proceedings of Conference on Sensors and Smart Structures Technologies for Civil，Mechanical，and Aerospace Systems. San Diego，CA（US）：[s.n.]，2021：11591.

[6]徐勤亞，孫玉濤，鄭健. 基于云端實時監(jiān)控的交通事故應(yīng)急救援系統(tǒng)設(shè)計[J]. 價值工程，2019，38（23）：284-285.

[7]中共中央，國務(wù)院.交通強國建設(shè)綱要[M].北京：人民出版社，2019.

[8]新華社.中共中央 國務(wù)院關(guān)于完整準確全面貫徹新發(fā)展理念做好碳達峰碳中和工作的意見[EB/OL].（2021-10-24）. https：//www.gov.cn/zhengce/2021-10/24/content_5644613.htm.

[9]林春水，林宇洪，郭建鋼.基于BPNN的高速公路風雨天氣限速系統(tǒng)的設(shè)計[J].交通運輸工程與信息學(xué)報，2013，11（3）：35-39.

[10]袁俊球，周斌，嚴向東.邊緣計算方法在建筑工程實踐的應(yīng)用[J].工業(yè)建筑，2022，52（7）：238.

[11]申海洋，霍魁，王德喜.基于機器視覺和深度學(xué)習(xí)的車輛碰撞預(yù)警算法研究[J].山西大學(xué)學(xué)報（自然科學(xué)版），2023，46（3）：617-627.

[12]蔣帥，費天揚.基于車輛行駛模型與跟馳模型的安全評估研究[J].科學(xué)技術(shù)創(chuàng)新，2021，25（24）：1-2.

[13]孫遒. ZigBee信號在無限感知系統(tǒng)位置中的應(yīng)用[J].計算機時代，2022，40（7）：77-79.

[14]黃智偉，馮蘅，劉鵬.基于雷視融合的路側(cè)感知的應(yīng)用[J].現(xiàn)代工業(yè)經(jīng)濟和信息化，2022，12（6）：176-177.

[15]胡學(xué)敏，王韶偉.基于熱釋電紅外傳感技術(shù)的攔人閉鎖裝置在王家?guī)X煤礦的應(yīng)用[J].機械管理開發(fā)，2020，35（3）：71-72.

[16]何萍.基于低壓限流的直流電流控制的直流輸電研究[J].煤炭技術(shù)，2013，32（3）：72-73.

[17]楊堅，張善猛，曾勵，等.基于ANSYS的電渦流位移傳感器仿真分析[J].工程機械，2021，52（3）：40-44.

作者簡介：葉芷藝（2000—），女，福建農(nóng)林大學(xué)交通運輸專業(yè)碩士在讀學(xué)生，研究方向為物聯(lián)網(wǎng)工程。

李妙梅（2001—），女，中南大學(xué)交通運輸專業(yè)碩士在讀學(xué)生，研究方向為交通運輸工程。

章可欣（2000—），女，福建農(nóng)林大學(xué)交通運輸專業(yè)碩士在讀學(xué)生，研究方向為物聯(lián)網(wǎng)工程。

林宇洪（1976—），男，碩士，高級實驗師，研究方向為物聯(lián)網(wǎng)工程。

收稿日期：2023-08-29 修回日期：2023-09-27