邱興友，徐志航，田 彬，溫金川，梁麗娟，杜世貝

（1.浙江杭紹甬高速公路有限公司，浙江 杭州 311241；2.長安大學(xué)信息工程學(xué)院，陜西 西安 710064）

路側(cè)設(shè)備的合理布局在目前智慧高速試點(diǎn)大力推行的形勢中起到了尤為關(guān)鍵的作用，為智慧高速各項(xiàng)功能的實(shí)現(xiàn)提供了基礎(chǔ)。這一問題需要進(jìn)行合理研究以達(dá)到良好的功能要求以及成本約束。

在高速公路交通檢測器布設(shè)方案以及相關(guān)事件檢測方法方面，Li[1]、Salari[2-3]、王浩淼[4]、展鳳萍[5-6]、何賞璐[7]、程銀雁[8]、馬雅勰[9]、張雯靚[10]、Bopardikar[11]、Contreras[12]、Gentili[13]、Haber[14]、González[15]、Ye[16]等 人開展了研究，這些研究中都沒有給出確定最佳路側(cè)感知設(shè)備位置、路側(cè)感知設(shè)備數(shù)量的布設(shè)方案，基于此，該文對這個(gè)問題進(jìn)行了研究。

1 高速公路特性和事件感知原理分析

1.1 高速公路特性

根據(jù)我國的道路設(shè)計(jì)規(guī)范，高速公路在設(shè)計(jì)時(shí)，就對各車道設(shè)置了明確的速度限制，最低時(shí)速規(guī)定為60 km/h，最高時(shí)速為120 km/h。當(dāng)高速公路上行駛的車輛車速超過100 km/h 時(shí)，應(yīng)當(dāng)與同車道的前方行駛車輛保持至少100 m 的安全車距；當(dāng)車速低于100 km/h 時(shí)，與前車車距不得小于50 m。這就造成了正常通行情況下高速公路上車輛的低密度性。智慧高速是在傳統(tǒng)高速的基礎(chǔ)上進(jìn)行功能以及服務(wù)的提升，在特性上跟傳統(tǒng)高速是相同的，基本遵循上述說法。

根據(jù)調(diào)查研究知，當(dāng)高速公路車流密度較低、車輛之間相互影響較小，在沒有其他外界干擾因素存在的情況下，可以將高速公路上的車流近似看成泊松分布，即在長度為L的路段上有n輛車的概率為：

式中，λ為車輛密度。則路段上的平均車輛節(jié)點(diǎn)數(shù)為：

由于車輛到達(dá)服從泊松分布，車輛到達(dá)的時(shí)間間隔服從指數(shù)分布。假設(shè)車輛行駛速度相同，則車輛間的距離x也服從指數(shù)分布:

當(dāng)車流量較小時(shí)，在SUMO 仿真平臺(tái)中模擬的高速公路車流基本符合上述特性，因此可以在SUMO中模擬出高速公路一般情況下的車流場景，用于仿真實(shí)驗(yàn)。當(dāng)車流較大時(shí)，車輛間的相互影響較大，當(dāng)車流某一部分出現(xiàn)異常事件時(shí)，會(huì)對整個(gè)車流運(yùn)行狀態(tài)造成巨大影響，這種情況下很容易被快速感知。因此在后續(xù)的仿真實(shí)驗(yàn)中都模擬高速公路車流量較小的狀態(tài)。

1.2 事件感知原理

當(dāng)高速公路上發(fā)生交通事件時(shí)，會(huì)造成事件發(fā)生位置前后一定區(qū)域內(nèi)交通流參數(shù)發(fā)生突變，與正常交通狀態(tài)下的交通參數(shù)相比存在一定偏差，根據(jù)偏差的變化幅度大小可以進(jìn)行交通事件檢測研判。當(dāng)交通參數(shù)變化幅度超過設(shè)定的閾值范圍時(shí)，就可以判定事件的發(fā)生，如式（4）所示：

式中，Pz為無事件發(fā)生的交通流參數(shù)；Py為發(fā)生事件后的交通流參數(shù)；ε為偏差閾值。

因此可以在仿真平臺(tái)中，分別模擬出高速公路場景下無異常事件發(fā)生和有事件發(fā)生的情形下，通過設(shè)置的檢測器，分別檢測出各自場景下的交通參數(shù)，進(jìn)行多組試驗(yàn)后得到多組數(shù)據(jù)，根據(jù)式（4）確定有無事件發(fā)生交通參數(shù)變化的閾值。

檢測器可以直接檢測出檢測范圍內(nèi)的異常事件，該文對于事件的感知依靠檢測器的直接感知，以及檢測的數(shù)據(jù)通過上述算法原理間接研判感知相結(jié)合[17]。

2 感知原理的仿真實(shí)驗(yàn)

2.1 仿真場景設(shè)置

在SUMO 仿真平臺(tái)中基本可以模擬出大部分的高速公路真實(shí)場景，參考了國內(nèi)某條高速公路的相關(guān)數(shù)據(jù)以及歷史交通量數(shù)據(jù)后，該文采用的實(shí)驗(yàn)?zāi)M場景為一段5 km 的三車道高速公路，三條車道從上到下的限速分別為120、100、80 km/h，總車流量為1 266 veh/h，車流符合高速公路基本特性。

通過使用SUMO 中自帶的檢測器模塊，如圖1中白色部分所示，可以檢測出通過該檢測器車流的流量、速度、占有率等交通參數(shù)。因此可以在模擬路段的任意位置布設(shè)檢測器用來檢測交通流參數(shù)，分別得到模擬的正常高速場景和有異常事件交通流參數(shù)，對比其是否在出現(xiàn)異常事件的時(shí)候交通流參數(shù)出現(xiàn)變化，并計(jì)算變化幅度值以此驗(yàn)證異常事件感知原理是否可以在仿真軟件模擬的場景實(shí)驗(yàn)中成立，最終用來確定指導(dǎo)檢測器布設(shè)方案的可行性。

圖1 SUMO模擬的高速場景基本圖

2.2 檢測器布設(shè)仿真實(shí)驗(yàn)

根據(jù)對高速公路典型異常事件的分析，該文選用異常停車事件進(jìn)行仿真研究，預(yù)先設(shè)置異常停車位置為路段的1 km 處，考慮到事件發(fā)生后的影響區(qū)域范圍，在路段的0.8 km 以及1.2 km 處的車道上布設(shè)SUMO 自帶的檢測器，先仿真進(jìn)行無異常事件發(fā)生狀態(tài)，如圖2 所示，車流按照設(shè)置正常運(yùn)行；再進(jìn)行異常停車事件場景的仿真，如圖3 所示，帶有三角符號(hào)的異常車輛在1 km 處停車造成車道排隊(duì)堵塞。分別開展兩種情形的仿真實(shí)驗(yàn)，通過設(shè)置的檢測器得到交通流參數(shù)數(shù)據(jù)，這些數(shù)據(jù)每50 s 上傳一次，并存儲(chǔ)在SUMO 的對應(yīng)文件下。

圖2 正常場景示意圖

圖3 異常事件場景示意圖

每一個(gè)場景總體仿真3 800 s 至完全仿真結(jié)束后，這些檢測器將檢測到的數(shù)據(jù)輸出，得到有無事件發(fā)生時(shí)的交通流數(shù)據(jù)，將這些數(shù)據(jù)進(jìn)一步處理后可以得到交通流參數(shù)變化圖，并計(jì)算出各交通流參數(shù)的變化幅度。

如圖4 所示，總交通量為1 266 veh/h 時(shí)，有無事件發(fā)生情形下，設(shè)置的檢測器檢測出來的交通流參數(shù)均出現(xiàn)一定的變化。

圖4 有無事件發(fā)生交通流參數(shù)變化圖

根據(jù)式（4）分別計(jì)算這三個(gè)參數(shù)在有無事件發(fā)生的變化幅度，得到流量的變化值為19.906 4%；占有率的變化值為14.033 8%；速度的變化值為8.833 4%。

為了進(jìn)一步驗(yàn)證這些變化值是否合理，改變總體交通量分別為900、1 500、1 800 veh/h，在其他參數(shù)完全不變的情況下開展多組仿真實(shí)驗(yàn)，進(jìn)行上述的實(shí)驗(yàn)操作得到表1 中的不同總體流量下交通流參數(shù)在有無事件發(fā)生的情形下的變化值。根據(jù)表1 的結(jié)果可以驗(yàn)證基于交通流參數(shù)變化來判斷事件發(fā)生的間接檢測方法在SUMO 仿真實(shí)驗(yàn)中的可行性，并且各交通流變化幅度隨著總體交通流量增大而增大。

表1 不同車流量下交通流參數(shù)變化值

事件檢測算法的閾值的界定需要進(jìn)行多組實(shí)驗(yàn)最終根據(jù)結(jié)果進(jìn)行合理選取，最終界定后，當(dāng)參數(shù)變化值超過閾值后，即可判定事件發(fā)生，并且得到相應(yīng)的事件檢出時(shí)間。

3 路側(cè)設(shè)備布設(shè)方案優(yōu)化研究

3.1 路側(cè)設(shè)備布設(shè)方案優(yōu)化仿真場景設(shè)置

該文在此研究純視頻檢測器布設(shè)方案下不同的布設(shè)間距對交通事件以及交通事件的感知效果，結(jié)合考慮總體的布設(shè)成本以此對布設(shè)間距進(jìn)行優(yōu)化處理，最終選擇一個(gè)效益好的布設(shè)間距。經(jīng)過調(diào)研后得知，目前廠家生產(chǎn)的視頻監(jiān)控設(shè)備大致的檢測距離為單向75 m 左右，在檢測距離內(nèi)可以立即檢測出異常交通事件以及交通流參數(shù)。在SUMO 里面的檢測器模塊進(jìn)行的點(diǎn)檢測不考慮工作半徑。然而在智慧高速的建設(shè)中，相關(guān)路側(cè)感知設(shè)備布設(shè)間距都比傳統(tǒng)高速的布設(shè)間距小的多，因此在一定的布設(shè)間距中，需要考慮視頻監(jiān)控設(shè)備的檢測距離來指導(dǎo)整個(gè)方案的布設(shè)。在該文中通過SUMO 和OMNET++兩個(gè)雙向耦合仿真平臺(tái)來實(shí)現(xiàn)上述功能，在OMNET++里調(diào)用RSU 通信設(shè)備，通過車與RSU 通信來替換視頻監(jiān)控設(shè)備的相關(guān)檢測功能，視頻監(jiān)控設(shè)備的檢測半徑通過設(shè)置RSU 的通信半徑來替換，基于此就可以實(shí)現(xiàn)純視頻布設(shè)方案模擬檢測場景。

因此，同樣設(shè)置一段5 km 的三車道高速公路，三條車道從上到下的限速分別為120、100、80 km/h，總車流量為1 266 veh/h，車流符合高速公路基本特性。如圖5 所示，模擬的范圍檢測器按150 m 的間隔布置，其中每個(gè)模擬的范圍檢測器的通信半徑為75 m，如圖5 中虛線所示，在通信半徑內(nèi)可以獲得車輛的交通流參數(shù)信息，并且異常停車事件發(fā)生在范圍內(nèi)立即上報(bào)。

圖5 模擬范圍檢測器圖

如果異常事件沒有發(fā)生在檢測器檢測范圍內(nèi)，則需要用交通參數(shù)的變化幅度達(dá)到設(shè)定閾值這一原理來間接判斷事件的發(fā)生。場景構(gòu)建后進(jìn)行仿真實(shí)驗(yàn)，數(shù)據(jù)每隔10 s 上傳一次，仿真300 s 得到正常情況下純視頻布設(shè)方案的流量和速度數(shù)據(jù)，與SUMO自帶點(diǎn)檢測器檢測模塊檢測到的數(shù)據(jù)進(jìn)行對比，對比結(jié)果如圖6 所示。

圖6 兩種檢測器數(shù)據(jù)對比圖

從圖6 中可以看出，兩種檢測器的檢測準(zhǔn)確度是基本一致的，為了定量驗(yàn)證一致性，對兩種檢測器檢測的數(shù)據(jù)進(jìn)行整體平均，得到兩者檢測的流量以及速度數(shù)據(jù)，對兩者進(jìn)行差比，結(jié)果如表2 所示，兩種檢測器檢測到的數(shù)據(jù)基本一致。因此驗(yàn)證了模擬的純視頻布設(shè)方案在考慮視頻檢測范圍來進(jìn)行仿真實(shí)驗(yàn)的可行性。

表2 范圍檢測器和點(diǎn)檢測器對比

3.2 路側(cè)設(shè)備優(yōu)化布設(shè)仿真實(shí)驗(yàn)

在設(shè)置好的模擬高速公路場景內(nèi)，先設(shè)置純視頻方案的檢測器布設(shè)間距為150 m，其中設(shè)置的視頻檢測距離為75 m，在這75 m 內(nèi)，發(fā)生的異常交通事件會(huì)被及時(shí)直接檢測感知，當(dāng)發(fā)生在檢測距離外的異常交通事件由事件感知公式間接檢出。經(jīng)過調(diào)研，在該文中，取異常事件發(fā)生時(shí)，總體車流的速度參數(shù)變化幅度超過正常情況下總體車流速度的25%時(shí)，判定事件發(fā)生。因此后續(xù)實(shí)驗(yàn)結(jié)果選取檢測器檢測的交通流速度參數(shù)進(jìn)行結(jié)果分析。

在仿真實(shí)驗(yàn)中，隨機(jī)模擬出異常事件在路段的任意位置任意時(shí)刻發(fā)生，通過視頻檢測器檢出正常情形下以及異常事件發(fā)生情形下的交通流速度參數(shù)。事件隨機(jī)的發(fā)生位置和事件在仿真模擬完成后可以在輸出文件中得知，仿真進(jìn)行300 s，如圖7 所示是一組隨機(jī)模擬事件發(fā)生在檢測器檢測范圍外的實(shí)驗(yàn)結(jié)果，對數(shù)據(jù)進(jìn)行處理后，得到兩種情形下總體速度的變化圖。

圖7 檢測速度參數(shù)變化圖

根據(jù)圖7 中兩條曲線的變化差異可以得出事件發(fā)生區(qū)域周圍的檢測器序號(hào)為檢測器3、4、5、6、7、8，調(diào)取這些檢測器的速度檢測值，與正常情況下這些檢測器檢測的速度值進(jìn)行對比，當(dāng)速度變化幅度大于設(shè)置的閾值時(shí)，即可判定事件的發(fā)生，得到事件的檢出時(shí)間，如圖8 所示，可以得到異常事件發(fā)生時(shí)受影響的檢測器的速度檢測值與正常情形下的速度檢測值。

圖8 正常情況和事件發(fā)生周圍檢測器速度變化圖

計(jì)算出從速度開始出現(xiàn)變化時(shí)到速度變化超過設(shè)定閾值的時(shí)間，取這幾個(gè)檢測器計(jì)算得到的檢出時(shí)間最小值，得到在布設(shè)間距為150 m 的場景下，純視頻檢測器方案對事件的間接檢出時(shí)間為15 s。后續(xù)進(jìn)行了20 組隨機(jī)異常事件模擬實(shí)驗(yàn)，按照事件檢測算法和檢測器直接結(jié)合得到事件檢測效果，最終取檢出時(shí)間的平均值得到150 m 布設(shè)間距下純視頻方案對異常事件的檢出時(shí)間為12 s。

遵循上述思路，調(diào)整布設(shè)間隔為225 m、300 m、400 m，分別重復(fù)上述實(shí)驗(yàn)，得到不同間距下的事件間接檢出時(shí)間，如表3 所示。

表3 不同布設(shè)間距下事件檢出結(jié)果

從表3 的結(jié)果知，在布設(shè)間隔為400 m 時(shí)，事件檢出時(shí)間大幅度增加，布設(shè)間隔為300 m 時(shí)，基本滿足所需的時(shí)間檢測應(yīng)急需求，并且事件檢出時(shí)間與前面變化不大，并且綜合考慮布設(shè)成本因素，對布設(shè)方案進(jìn)行優(yōu)化比較，最終選取300 m 作為純視頻布設(shè)方案的布設(shè)間隔。

4 結(jié)束語

該文在仿真軟件中模擬現(xiàn)實(shí)高速公路場景，通過SUMO 仿真平臺(tái)驗(yàn)證出有無事件發(fā)生情況下，模擬的檢測器檢測出的交通流參數(shù)是否滿足事件檢測算法的理論要求。通過OMNET++與SUMO 雙向耦合平臺(tái)模擬出在不同間距布設(shè)條件下要考慮視頻檢測器檢測范圍的情形，在這種情形下得到了不同布設(shè)間距下異常事件的檢出時(shí)間。綜合考慮布設(shè)成本以及檢測效益，最終確定一個(gè)較為合適的布設(shè)間距來指導(dǎo)純視頻布設(shè)方案的布設(shè)，以此在保證達(dá)到交通管控檢測需求的同時(shí)，使得路側(cè)設(shè)備布設(shè)成本降低。該文的不足之處在于優(yōu)化布設(shè)考慮得太過粗糙，在未來工作中可以對檢測效益和成本等參數(shù)進(jìn)行建模，然后求解出各類檢測設(shè)備的合理布設(shè)間距，以此來指導(dǎo)路側(cè)設(shè)備布設(shè)。