新型道路交通檢測技術(shù)與融合應(yīng)用

摘 要：隨著智慧交通行業(yè)的不斷發(fā)展，感知技術(shù)的不斷升級，傳統(tǒng)檢測技術(shù)無法滿足復雜場景下交通信息的采集需求，本文提出了一種基于雷達和視頻的融合感知技術(shù)，實現(xiàn)交通流信息的全天候、高精度、多維度實時監(jiān)測和分析。分別論述了融合感知技術(shù)在全息路口、高速公路和隧道以及車路協(xié)同領(lǐng)域應(yīng)用的特點優(yōu)勢，并對一體化檢測器的技術(shù)發(fā)展和質(zhì)量管理提出要求。

關(guān)鍵詞：智慧交通，融合感知，一體化檢測器

DOI編碼：10.3969/j.issn.1002-5944.2024.19.041

0 引 言

智慧交通以物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)為基礎(chǔ)，通過路面設(shè)備融合感知交通流信息，計算分析道路實時通行狀況，從而優(yōu)化交通流時空分布，提高交通出行效率。準確、全面、可靠的交通流信息是智慧交通系統(tǒng)發(fā)揮作用的基礎(chǔ)，基于融合感知技術(shù)的一體化檢測器通過雷達與視頻檢測技術(shù)的深度融合，對采集的信息進行底層數(shù)據(jù)融合、目標識別和決策判斷，統(tǒng)計流量數(shù)據(jù)，識別交通事件，多維度提取車輛特征和運動軌跡信息，形成結(jié)構(gòu)化數(shù)據(jù)，為全息路口、車路協(xié)同、道路預警等應(yīng)用提供技術(shù)支撐，營造安全、有序、暢通的道路交通環(huán)境。

1 傳統(tǒng)檢測技術(shù)

隨著智慧交通行業(yè)的不斷發(fā)展，感知技術(shù)的不斷升級，對道路交通感知的要求越來越高，單一的傳統(tǒng)檢測技術(shù)受環(huán)境影響和應(yīng)用場景限制，無法實現(xiàn)全方位、多維度、全天候監(jiān)控，無法滿足復雜場景下交通流信息的采集。

地磁檢測技術(shù)是基于電磁感應(yīng)原理，車輛通過檢測器上方時，檢測器根據(jù)磁場的變化，記錄車輛的通行時間和方向。地磁檢測器安裝在路面之下，不易受到環(huán)境、天氣的影響，但是安裝維護時阻礙交通，施工量大，當發(fā)生擁堵時，易受到相鄰車輛的干擾，影響檢測精度。

視頻檢測技術(shù)是一種基于內(nèi)容的視覺媒體技術(shù)，它主要對圖像的顏色、紋理、布局等進行分析和檢索，實現(xiàn)對車輛及事件的識別。視頻攝像頭安裝簡單，畫面直觀可靠，是實時呈現(xiàn)交通流狀況的核心設(shè)備，但是視頻檢測技術(shù)一定程度上受到檢測距離、光照度等因素的影響，造成監(jiān)控范圍小、畫面過度曝光。

雷達檢測技術(shù)是通過電磁波檢測到物體時引起回波信號的時間或頻率的變化實現(xiàn)車輛的檢測。雷達檢測器檢測距離長、受光照度影響較小，抗干擾能力強，能全天候不間斷工作，但在擁堵、非機動車及行人混合的交通場景下，由于目標靜止、速度慢、散射面積小，造成例如高速停車和行人闖入的漏報、路口排隊長度預測失真等問題。

2 新型檢測技術(shù)

實時交通流信息是智慧交通最基本、核心的信息源，只有性能更優(yōu)、功能更可靠、滿足全天候工作的檢測技術(shù)才能實現(xiàn)對實時交通流信息的準確采集、融合和分析，包括車流量、速度、擁堵、車頭間距、占有率、排隊長度、實時位置、交通事件、非機動車、行人等。融合感知技術(shù)結(jié)合雷達與視頻檢測技術(shù)的優(yōu)點[1]，形成技術(shù)互補，以廣域雷達檢測技術(shù)[2]，視頻AI檢測技術(shù)為基礎(chǔ)，實現(xiàn)交通流信息統(tǒng)計和交通事件識別。在數(shù)據(jù)采集過程中，配合目標跟蹤和高精度定位信息，對雷達數(shù)據(jù)、視頻數(shù)據(jù)進行實時交互，實現(xiàn)數(shù)據(jù)的融合匹配。

2.1 廣域雷達檢測技術(shù)

微波雷達檢測技術(shù)從早期的只提供速度信息，到后來能夠提供速度與距離信息，再到近幾年主流的3D毫米波雷達，在提供速度+距離+角度信息的基礎(chǔ)上能夠形成平面定位，實現(xiàn)多目標跟蹤，探測距離能達到350米以上。

廣域雷達檢測技術(shù)采用多通道天線一發(fā)多收的設(shè)計，使雷達天線發(fā)射的波形可以覆蓋更大的區(qū)域，對檢測區(qū)域內(nèi)的車輛、非機動車、行人等目標的運動軌跡逐幀采集，獲得目標的初始軌跡數(shù)據(jù)。利用大區(qū)域跟蹤檢測原理，解決大車遮擋小車的情況；以雷達安裝位置為坐標原點，建立參考坐標系，對初始軌跡跟蹤數(shù)據(jù)進行坐標數(shù)據(jù)標定，得到目標軌跡跟蹤數(shù)據(jù)；對檢測區(qū)域內(nèi)的目標車輛進行實時相對位置的區(qū)分識別，得到相對位置信息；將檢測車輛的通行信息進行數(shù)據(jù)解析與位置標定，并應(yīng)用3D雷達技術(shù)（相對距離、速度、方位角）區(qū)分、識別、確定目標車輛，給每一個目標車輛標定編號，實現(xiàn)對多目標檢測區(qū)分；結(jié)合車輛軌跡跟蹤檢測技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)，呈現(xiàn)點云圖像信息，對靜止物體進行檢測、識別、區(qū)分，進行車輛行為分析，判斷交通事件。

2.2 視頻AI檢測技術(shù)

視頻攝像頭作為目前最廣泛的交通監(jiān)控設(shè)備，能對道路狀況進行實況呈現(xiàn)是其核心優(yōu)勢，并能通過視頻識別技術(shù)對車輛號牌、車輛類型、車身顏色等特征進行識別。隨著機器視覺、深度學習等技術(shù)的逐步成熟，視頻AI檢測技術(shù)得到廣泛應(yīng)用，通過提取視頻中的關(guān)鍵信息，進行檢測、跟蹤、識別、標定等處理，形成相應(yīng)數(shù)據(jù)統(tǒng)計和事件處理。

視頻AI檢測技術(shù)主要包含對象分析、屬性分析和行為分析，通過目標檢測技術(shù)、目標跟蹤技術(shù)[3]、屬性識別技術(shù)、動作識別技術(shù)等實現(xiàn)，如圖1所示。對象分析是對目標進行結(jié)構(gòu)化識別，包括車、人、物的分類、位置的檢測和跟蹤；屬性分析是對目標的顏色、大小、類型等信息的識別和標記；行為分析是對目標的軌跡、動作、定位等狀態(tài)的識別和分析。

目標檢測技術(shù)對視頻中感興趣區(qū)域進行選取，識別目標類型并定位目標在圖像中的位置；屬性識別技術(shù)進行目標的特征信息識別、標記，從而進行特征提取、融合、分類；目標跟蹤技術(shù)進行目標身份時序關(guān)聯(lián)、目標數(shù)據(jù)匹配，利用連續(xù)幀之間的相關(guān)性，對目標在時間上進行連續(xù)追蹤。隨著時間的推移，相同的目標在時間與空間上被關(guān)聯(lián)到一起，每個目標形成一條軌跡，并給每個目標分配一個標定編號；動作識別技術(shù)是在目標識別、目標跟蹤之后，進一步分析目標的出現(xiàn)時間、運動軌跡、特征信息等，通過對各個目標的綜合狀態(tài)信息的分析，識別監(jiān)控區(qū)域中存在的風險、違規(guī)行為或者可疑目標。

2.3 融合感知技術(shù)

融合感知技術(shù)以廣域雷達檢測技術(shù)和視頻AI檢測技術(shù)為基礎(chǔ)，分別進行數(shù)據(jù)的檢測、識別和分析。通過內(nèi)部網(wǎng)絡(luò)實時交互、關(guān)聯(lián)、標定、匹配，實現(xiàn)融合感知，最終的融合層根據(jù)不同的應(yīng)用可以分為數(shù)據(jù)融合、特征融合和決策融合[4]，如圖2所示。

通過廣域雷達檢測技術(shù)和視頻AI檢測技術(shù)分別采集范圍內(nèi)所有車輛目標的運動軌跡數(shù)據(jù)，進行坐標系標定，對兩種軌跡數(shù)據(jù)進行預處理，提高數(shù)據(jù)質(zhì)量，通過時空同步，實現(xiàn)兩種軌跡數(shù)據(jù)的坐標統(tǒng)一。在此基礎(chǔ)上，根據(jù)兩種軌跡數(shù)據(jù)的車輛運動狀態(tài)序列的關(guān)聯(lián)關(guān)系進行一致性目標關(guān)聯(lián)匹配，進而提取目標的特征信息、狀態(tài)信息，最后將交通流信息進行數(shù)據(jù)層融合、特征融合、決策層融合，形成道路交通狀況的全息感知，形成交通流信息的結(jié)構(gòu)化數(shù)據(jù)，實現(xiàn)交通管理的數(shù)字化。

3 融合感知技術(shù)在智慧交通中的應(yīng)用

融合感知技術(shù)在使用環(huán)境、檢測范圍、功能和性能指標方面較視頻檢測技術(shù)、雷達檢測技術(shù)有顯著提升，如圖3所示。一體化融合感知技術(shù)在處理復雜交通場景時更具優(yōu)勢：（1）檢測距離長、數(shù)據(jù)精度高。檢測縱向距離可達250米以上，橫向檢測視角可達90°以上，能覆蓋雙向6～8車道。車流量、平均速度檢測精度能到達98%以上。（2）檢測功能及特征識別豐富。實現(xiàn)車輛類型、軌跡、位置等車輛信息的識別，擁堵事件、異常停車事件、逆行事件、行人事件等交通事件的預警。（3）全天候運行。采用低照度攝像頭，具備強光抑制、寬動態(tài)等功能，配合微波雷達可實現(xiàn)全天候精準檢測。

3.1 全息路口應(yīng)用

全息路口是基于數(shù)字孿生技術(shù)，通過構(gòu)建“感知+智慧”能力，將道路信息、車輛信息、行人和非機動車等要素進行數(shù)字化還原，為路口的智能化、精細化管理提供解決方案。通過一體化融合感知技術(shù)采集道路車流量、平均速度、占有率、排隊長度、車輛號牌、車輛類型數(shù)據(jù)，采用高性能數(shù)據(jù)處理單元對數(shù)據(jù)進行篩選、分類、分析，形成數(shù)字化信息。同時，一體化融合感知技術(shù)配合實時視頻技術(shù)和高精度定位技術(shù)，可實時呈現(xiàn)真實路況下的車道級軌跡定位信息，從而實現(xiàn)路口的智能化、精細化管理。

3.2 高速公路和隧道應(yīng)用

高速公路和隧道的交通管理與預警一直是交管部門的痛點，高速公路場景大、距離長，車輛行駛速度快，檢測覆蓋率低，隧道空間狹小，能見度低，檢測識別率低，不易發(fā)現(xiàn)交通安全隱患，甚至容易引發(fā)二次事故。一體化融合感知技術(shù)憑借雷達檢測距離長、攝像頭低照度功能，能夠全天候不間斷工作，提供實時視頻監(jiān)控畫面，對道路擁堵、異常停車、車輛逆行、占用應(yīng)急車道、貨車占用主車道、非機車行人闖入等異常交通事件進行及時上報，預警預防二次事故。

3.3 車路協(xié)同應(yīng)用

車路協(xié)同是通過全時空動態(tài)交通信息的采集與融合，開展車輛主動安全控制和道路協(xié)同管理。一體化融合感知技術(shù)實現(xiàn)交通流信息、車輛狀態(tài)特征信息、交通事件信息、行人非機動車信息的精確采集，配合高精度地圖技術(shù)生成軌跡坐標數(shù)據(jù)，并進行實時數(shù)據(jù)分析、交互、融合，給每一個目標生成一個標定編號，最終實現(xiàn)全局目標的結(jié)構(gòu)化和實時矢量化數(shù)據(jù)，為邊緣計算層的控制、交互和決策提供精準數(shù)據(jù)支撐，促進車路協(xié)同場景的落地。

4 建議措施

新型融合檢測技術(shù)為交通信息采集提供了準確、可靠的技術(shù)支撐，下一步可從標準化設(shè)計、合理化使用、規(guī)范運維等方面加強新型道路一體化檢測器的全生命周期質(zhì)量管理，為道路交通安全管理和通行效率提供更有力的保障。

4.1 標準化產(chǎn)品技術(shù)

在產(chǎn)品技術(shù)標準化方面，GB/T 20609—2023《交通信息采集 微波交通流檢測器》和G B / T24726—2021《交通信息采集 視頻交通流檢測器》國家標準已分別規(guī)范了微波交通流檢測器和視頻交通流檢測器的功能要求和性能指標，2024年，中國道路交通安全協(xié)會發(fā)布了團體標準T/CTS 21—2024《道路交通微波與視頻一體化檢測器》，對采用新型檢測技術(shù)的一體化檢測器在檢測精度、數(shù)據(jù)融合等方面提出了系統(tǒng)技術(shù)要求。嚴格執(zhí)行標準，對保證產(chǎn)品質(zhì)量，提升產(chǎn)品性能具有重要意義。

4.2 合理選擇應(yīng)用

新型檢測技術(shù)的融合應(yīng)用應(yīng)遵循因地制宜的原則，根據(jù)不同應(yīng)用場景綜合考慮性能精度、集成性以及成本效益多個方面，合理選擇適宜的檢測技術(shù)和功能特點。例如，城市道路車流量大、安裝空間有限，宜選擇精度高、體積小、集成識別功能的檢測器；高速公路及隧道距離長、安全風險高，選擇檢測覆蓋面大、具備事件預警功能的檢測器更為合理。

4.3 強化運維管理

實時有效的運維管理是道路交通檢測設(shè)備發(fā)揮作用的關(guān)鍵所在。通過應(yīng)用實時監(jiān)控系統(tǒng)、配置管理系統(tǒng)等技術(shù)建設(shè)運維管理平臺，對設(shè)備的運行狀態(tài)、性能指標進行實時監(jiān)測，準確設(shè)置各類檢測設(shè)備的參數(shù)配置，及時排除設(shè)備異常工作狀態(tài)，確保設(shè)備的穩(wěn)定性、安全性和高效性。

5 結(jié) 語

本文介紹了一種基于雷達和視頻的融合感知技術(shù)，較傳統(tǒng)道路交通信息感知技術(shù)在使用環(huán)境、檢測范圍、功能和性能有明顯提升，一方面解決復雜場景下交通事件的準確預警，另一方面通過采集、識別、融合，生成交通流信息的實時結(jié)構(gòu)化數(shù)據(jù)，為交通管理的智慧大腦提供數(shù)據(jù)支撐，實現(xiàn)交通態(tài)勢感知、集成指揮調(diào)度，推進交通管理安全與出行效率的信息化縱深、協(xié)同發(fā)展。

參考文獻

[1]孟維偉，郭麗蘋，張興宇.雷達與視頻融合的交通信息感知技術(shù)研究[J].橋與防洪，2022（10）：242-244.

[2]鄭明潔，閆賀，張冰塵，等.基于DB S圖像的雙通道廣域監(jiān)視雷達動目標檢測和參數(shù)估計方法[ J ] .雷達學報.2012，1（1）：36-42.

[3]蔣賢皓.基于視頻流的多目標檢測與跟蹤技術(shù)研究[D].成都：電子科技大學，2023.

[4]陳宏，付立家，尚康，等.基于雷視融合感知技術(shù)的公路隧道交通管控系統(tǒng)研究[J].公路交通技術(shù)，2023，39（6）：153-159.

作者簡介

袁曉君，本科，工程師，研究方向為交通技術(shù)監(jiān)控檢測與標準化。

劉銘豪，本科，助理工程師，研究方向為交通安全產(chǎn)品檢測。

（責任編輯：袁文靜）

基金項目：本文受中央級公益性科研院所基本科研業(yè)務(wù)費專項資金項目“機動車安全技術(shù)查驗檢驗智能審核系統(tǒng)測試評價技術(shù)研究”（項目編號：2024081107）資助。