李毅楠

(廣東省路橋建設發(fā)展有限公司,廣東 廣州 510623)

0 引言

近年來,國民經(jīng)濟發(fā)展水平不斷提高,汽車保有量顯著提升,高速公路車流量與日俱增,給高速公路管理者帶來較大的運營壓力。隨著廣東省高速公路安全防范“五快機制”工作的推進,高速公路管理部門對突發(fā)事件的快速發(fā)現(xiàn)和快速處置有了更迫切的需求。如何利用好視頻事件檢測技術(shù)準確采集隧道內(nèi)的交通狀況并進行有效分析,對降低高速公路運營安全管理壓力十分關(guān)鍵。

隨著視頻事件檢測技術(shù)的不斷發(fā)展,視頻事件檢測系統(tǒng)也逐漸應用于高速公路安全運營管理工作中。但現(xiàn)階段大部分依然是在車流量小且環(huán)境良好的單一隧道中保守使用,異常事件發(fā)生概率低、事件樣本數(shù)量少,人工干預操作頻率低,無法持續(xù)改進視頻事件檢測系統(tǒng)的可靠性和適用性,導致視頻事件檢測系統(tǒng)最終被忽略甚至直接停用。

本文介紹了視頻事件檢測系統(tǒng)的架構(gòu)和功能,并結(jié)合現(xiàn)階段高速公路運營管理的需求,通過分析視頻事件檢測系統(tǒng)在云梧云羅高速公路隧道中的實際應用效果,提出針對性的優(yōu)化建議。

1 工程概況

云梧云羅高速公路沿線為山嶺重丘區(qū),起點接廣云高速公路,終點與廣西蒼郁高速公路相接;云羅高速公路終點接云岑高速公路,全長163.25km,含2條廣東往返廣西的重要跨省通道,共設置20座隧道,隧道總長約45km,于2010年建成通車。

由于地域性的特點,各類型貨車數(shù)量很大,同時常有摩托車甚至摩托車隊快速行駛在高速公路上,安全隱患問題突出,節(jié)假日期間尤為嚴重。為了解決高速公路運營管理者只能依賴于人工輪巡跟蹤、肉眼識別異常事件的模式,云梧云羅高速公路搭載了一套基于人工智能的視頻事件檢測系統(tǒng),將隧道內(nèi)的視頻監(jiān)控接入平臺,輔助人工檢測隧道異常事件,同時進行流量參數(shù)統(tǒng)計。

2 視頻事件檢測系統(tǒng)

2.1 平臺架構(gòu)

視頻事件檢測系統(tǒng)是高速公路運營管理部門實現(xiàn)對突發(fā)事件快速感知、快速處置的輔助性管理系統(tǒng),是進一步提升高速公路隧道運營安全管理水平的重要科技手段之一。通過此系統(tǒng),實現(xiàn)24h全天候場景實時監(jiān)控隧道交通信息并及時發(fā)現(xiàn)異常交通事件,能夠及時進行預警引導、避免二次事故的發(fā)生。

系統(tǒng)采用“事件檢測服務器+深度學習數(shù)據(jù)分析平臺”的架構(gòu)。事件檢測服務器采用分布式布設方案,后期可根據(jù)檢測視頻的數(shù)量靈活增減服務器及組網(wǎng)調(diào)整。深度學習數(shù)據(jù)分析平臺軟件具備開放式架構(gòu),可靈活擴容檢測通道,滿足不同的視頻檢測規(guī)模的需求。

圖1 系統(tǒng)組網(wǎng)架構(gòu)

與傳統(tǒng)的監(jiān)控視頻需要大量人工參與不同,視頻事件檢測系統(tǒng)主要是基于人工神經(jīng)網(wǎng)絡、卡爾曼濾波等技術(shù)路線的視頻圖像識別技術(shù),結(jié)合了高精度AI算法,使每支攝像槍均變身為監(jiān)控員,可自動識別高速公路隧道內(nèi)的異常狀況,并向監(jiān)控中心發(fā)出報警,同時推送實時視頻。通過該系統(tǒng)的輔助支持,監(jiān)控員只需關(guān)注系統(tǒng)的告警信息,便可及時了解并快速處置高速公路的實時路況及突發(fā)狀況。

2.2 系統(tǒng)原理

系統(tǒng)可分為感知層(數(shù)據(jù)獲取層)、通信層(網(wǎng)絡傳輸層)、深度學習層(AI分析層)和應用層(用戶層)等,如圖2所示。

圖2 數(shù)據(jù)平臺架構(gòu)

(1)感知層:通過隧道內(nèi)的固定攝像頭,收集隧道內(nèi)部產(chǎn)生的各種事件數(shù)據(jù),在選擇轉(zhuǎn)換后形成深度學習層所需的數(shù)據(jù)集,通過通信層將數(shù)據(jù)發(fā)送至深度學習層。

(2)通信層:通信層是將感知層采集的數(shù)據(jù)集傳輸?shù)椒掌骱笈_的手段,一般是利用隧道原本的監(jiān)控環(huán)網(wǎng)傳輸?shù)揭曨l檢測服務器。

(3)深度學習層:深度學習層是視頻事件檢測系統(tǒng)的核心,是主動發(fā)現(xiàn)、快速判斷、準確定位和有效管理異常事件的關(guān)鍵。深度學習層接收到感知層收集的數(shù)據(jù)集,對這些數(shù)據(jù)集進行預處理,處理后的數(shù)據(jù)分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集。數(shù)據(jù)集預處理主要采用深度學習算法識別高速公路隧道中人、車、物的實時目標,并采用動態(tài)場景語義智能分析技術(shù),判斷視頻中人、車、物的邏輯關(guān)系,進行結(jié)構(gòu)化提取、報警、高速公路隧道視頻事件的聯(lián)動控制和結(jié)構(gòu)化存儲,從而全面監(jiān)控和升級視頻數(shù)據(jù)。這些邏輯判斷算法部署在事件檢測服務器上,并結(jié)合深度學習數(shù)據(jù)分析平臺,為用戶提供靈活的數(shù)據(jù)服務。

(4)應用層:在獲取大量的圖像原始數(shù)據(jù)后,通過后臺系統(tǒng)的分析處理,具體擴展出來的各種功能應用,以滿足交通管理的具體業(yè)務應用需求,如:監(jiān)控大屏幕系統(tǒng)、PC系統(tǒng)、移動終端、其他等。

2.3 主要功能

2.3.1 事件檢測功能

(1)自動檢測異常停車、車輛逆行、行人闖入、非機動車上路等交通事件,進行不同種類的自動報警,包括自動彈窗、語音報警等。同時具備報警抑制功能。

(2)自動記錄異常事件發(fā)生前后共20s內(nèi)的視頻回放,記錄時間可根據(jù)要求設置。

(3)因特殊原因在一段時間內(nèi)形成大量的檢測報警數(shù)據(jù)時,可優(yōu)先進行一鍵處理,隨后各項事件可單獨打開查看并確認。

2.3.2 交通參數(shù)檢測功能

(1)提供交通參數(shù)的實時測量,如車流量、行駛速度、占用率等。

(2)可識別不同類型的機動車,如轎車、SUV、貨車、工程車輛等。在同一事件下能分別檢測出不同的車輛類型。

2.3.3 GIS地圖功能

(1)可在地圖上播放監(jiān)控攝像機的實時視頻圖像,顯示攝像機的狀態(tài)。

(2)實時展示車流量數(shù)據(jù),實時提醒異常事件。

2.3.4 業(yè)務管理功能

(1)可按日期、位置和類型查詢異常事件數(shù)據(jù)導出報表,自動產(chǎn)生報告。可根據(jù)用戶的管理需求自定義配置。

(2)具有異常事件實時視頻聯(lián)動與實時錄像、查詢、回放及下載的功能。

(3)具有攝像機網(wǎng)絡狀態(tài)實時檢測、事件檢測、狀態(tài)檢測等功能。

3 系統(tǒng)應用

3.1 試運行

云梧云羅高速公路在中心機房布設了5臺事件檢測服務器,每臺可同時處理64路視頻圖像,將20座隧道內(nèi)的315路高清攝像機接入事件檢測系統(tǒng),作為監(jiān)控人員巡查隧道的輔助手段。系統(tǒng)上線后開始為期3個月的試運行,在試運期行內(nèi)根據(jù)業(yè)務需求與使用感受動態(tài)調(diào)整事件檢測內(nèi)容、底層邏輯策略以及系統(tǒng)操作界面等,以達到最佳的運行效果。由于云梧云羅高速公路通車時間長、隧道內(nèi)部光線環(huán)境差、過往貨車數(shù)量多等因素,初期檢測效果不佳,尤其是拋灑物事件誤報率較高,對隧道內(nèi)滅火器等路側(cè)設施存在判斷誤差。經(jīng)調(diào)優(yōu)完善后,檢測成功率有所提升。同時根據(jù)實際需要拓展了事件檢測內(nèi)容,補充了騎行者事件檢測,達到正式投入使用的要求。

3.2 實際應用效果

系統(tǒng)與“路運一體化平臺”進行了數(shù)據(jù)互通,實現(xiàn)了“事件智能化檢測→事件報警→智能快速響應→信息聯(lián)動報送”的閉環(huán)管理。為了使系統(tǒng)真正被監(jiān)控部門實際應用起來,系統(tǒng)開發(fā)了一體化平臺事件彈窗和異常事件視頻監(jiān)控自動上墻(監(jiān)控大屏),便于監(jiān)控人員及時發(fā)現(xiàn)并了解異常事件具體發(fā)生的信息,并針對事件的重要程度進行事件處置,極大減輕了監(jiān)控人員日常巡檢的工作壓力且有效提高了隧道內(nèi)異常事件的發(fā)現(xiàn)能力,提升了高速公路管理部門對道路安全的運營管理水平。

根據(jù)高速公路通常的運營管理需求,系統(tǒng)應用的主要關(guān)注點在停車、行人和拋灑物事件等方面。系統(tǒng)自上線至今運行穩(wěn)定、數(shù)據(jù)合理,各類異常事件檢測的準確率均呈遞增的趨勢(表1)。

表1 事件檢測數(shù)據(jù)對比

3.2.1 騎行者事件

云梧云羅高速公路包括2條廣東—廣西的跨省通道。根據(jù)歷史經(jīng)驗,來自廣西方向闖入高速公路的摩托車數(shù)量較大,尤其是春運期間回鄉(xiāng)探親者居多,過往車輛在高速行駛的過程中需躲避摩托車,必然會導致整體通行車流不暢。此類騎行者速度過快不能進行追趕驅(qū)離或攔截,路面石子、積水等極易引發(fā)事故,于是針對此需求定制了騎行者事件檢測,只實行對騎行者全過程跟蹤監(jiān)控。

由表1可知,騎行者事件在全部異常事件中的數(shù)量最為龐大。這是因為騎行者在通過高速公路時,會途經(jīng)該路段大部分甚至全部的隧道,進而觸發(fā)沿途所有攝像機的異常檢測,系統(tǒng)會對同一騎行者連續(xù)跟蹤報警,這樣的檢測密度其實是沒有必要的,也會給監(jiān)控人員帶來更多的操作負擔。經(jīng)長期觀察評估,認為對于高速公路管理者而言,只需獲得騎行者進入隧道并離開隧道的信息,得知騎行者已安全通過即可。對此提出兩種方案:(1)簡化事件檢測系統(tǒng)對騎行者事件的檢測策略,只在固定幾個攝像機位設置騎行者事件檢測,如隧道出、入口以及隧道中間段的合適位置。(2)優(yōu)化AI算法,對識別到的同一騎行者施加標記,增加系統(tǒng)判斷策略,根據(jù)提前設定好的時間間隔或距離間隔自行判斷是否檢測并告警。

3.2.2 拋灑物事件

由表1可知,拋灑物事件檢測的準確率相較于其他事件低很多,在系統(tǒng)實際的使用過程中,總結(jié)出導致誤報主要是因為強光、光影、車身的凸出構(gòu)件、倒落的反光錐等。除此以外,還有部分諸如水漬、光斑、塵土等可造成拋灑物誤報,誤報的異常事件經(jīng)監(jiān)控人員研判之后會被認定為對隧道安全行車的無威脅因素,也并不會通知路政人員到達現(xiàn)場進行處理,系統(tǒng)將連續(xù)產(chǎn)生相同物體的誤報事件,同樣給監(jiān)控人員帶來很大的操作負擔。

云梧云羅高速公路隧道通行環(huán)境不良,過往貨車種類多、數(shù)量多,會經(jīng)常性灑落不明物體,所以地面的不確定因素也較一般高速公路多,所以拋灑物檢測應作為下階段優(yōu)化的重點目標之一?？稍黾佣巫R別特征,將動態(tài)或靜態(tài)因素疊加到首次識別中進行最終判斷,降低系統(tǒng)對車身構(gòu)造物的誤報概率。

3.2.3 系統(tǒng)整體評價

由于騎行者事件樣本總量過于龐大,同一個體在通過1次高速公路時可連續(xù)產(chǎn)生接近100條檢測數(shù)據(jù)且準確率基本為100%,可能影響系統(tǒng)的總體檢測準確率。在剔除騎行者事件檢測數(shù)據(jù)后對2022年1月至12月的數(shù)據(jù)進行匯總分析可知,系統(tǒng)總體檢測準確率可達到90%以上,關(guān)鍵性指標“異常停車”的檢測準確率可穩(wěn)定達到95%(圖3),基本滿足行業(yè)規(guī)范和運營管理業(yè)務的需求。但系統(tǒng)對拋灑物事件和行人事件檢測的準確率不太穩(wěn)定,尚待進一步完善提高。

圖3 2022年各異常事件月度檢測準確率線型

4 結(jié)語

視頻事件檢測系統(tǒng)通過持續(xù)優(yōu)化AI算法,針對性細化檢測區(qū)域,加大數(shù)據(jù)模型學習,增加二次識別特征策略,以提升對特殊事件的捕獲率和準確率。同時優(yōu)化重要報警事件的處置流程,弱化低威脅和無威脅事件的檢測敏感度,以降低系統(tǒng)產(chǎn)生過多的告警垃圾,可滿足高速公路隧道越來越多樣化、特殊化的需求。