陸 璐,梁 杏,楊玉琳

(廣西交科集團有限公司,廣西 南寧 530007)

0 引言

近年來,為了跟隨科技革命的新趨勢,高速公路建設(shè)了多種業(yè)務(wù)系統(tǒng),取得了較好的信息化建設(shè)成果。其中,利用攝像頭、毫米波雷達、氣象傳感器等設(shè)備,實時感知和監(jiān)測交通流量、車速、車輛類型、路面狀況、天氣情況等信息,大幅度增強了高速公路的全息感知能力。然而,實際應(yīng)用中仍存在問題和挑戰(zhàn):(1)設(shè)備監(jiān)測信息相對獨立,無法全面掌握整條路段的情況[1];(2)風險評估應(yīng)用不足,數(shù)據(jù)分析結(jié)果缺乏直觀的效果評估,未形成有效的業(yè)務(wù)閉環(huán)。為此,本文提出了高速公路數(shù)字孿生系統(tǒng)設(shè)計方案,該方案綜合了多源數(shù)據(jù)融合技術(shù)和數(shù)字孿生技術(shù),實現(xiàn)了實時監(jiān)控、預(yù)測和優(yōu)化公路運行狀態(tài),提高公路運行效率和安全性。

1 數(shù)字孿生技術(shù)

數(shù)字孿生技術(shù)是一種基于數(shù)據(jù)與模型的融合技術(shù),其可實時將物理實體精準地數(shù)字化并映射到數(shù)字空間中,從而模擬、驗證、預(yù)測和控制物理實體的全生命周期過程,以形成智能決策的閉環(huán)優(yōu)化。數(shù)字孿生技術(shù)在對道路交通通行狀況進行分析,為交通管理決策提供準確依據(jù)的同時,能夠根據(jù)交通行為判斷和預(yù)測可能發(fā)生的交通事件和事故風險,實現(xiàn)對原交通參與者的動態(tài)監(jiān)控和精確反饋。借助多種傳感器和網(wǎng)絡(luò)通信技術(shù),數(shù)字孿生技術(shù)可以實現(xiàn)智能交通系統(tǒng)的全面監(jiān)控和精細化管理,進而提高交通運行效率和安全性,為智慧高速公路發(fā)展提供一種創(chuàng)新解決方案。

2 技術(shù)架構(gòu)

系統(tǒng)整體架構(gòu)如圖1所示。

圖1 系統(tǒng)整體架構(gòu)圖

2.1 感知層

感知層是數(shù)字孿生系統(tǒng)的數(shù)據(jù)采集端,包括路側(cè)設(shè)備如毫米波雷達、視頻監(jiān)控、情報板、氣象傳感器、邊坡傳感器、環(huán)境傳感器等。這些設(shè)備產(chǎn)生的數(shù)據(jù)被收集、整理、存儲,為數(shù)字世界的場景和模型提供數(shù)據(jù)準備。

2.2 數(shù)據(jù)處理層

數(shù)據(jù)處理層實現(xiàn)對多源感知數(shù)據(jù)的融合,并提供數(shù)據(jù)服務(wù)以支持模型映射和業(yè)務(wù)場景應(yīng)用。通過對動態(tài)數(shù)據(jù)的處理,如車輛的位置、車速、運行軌跡等,結(jié)合靜態(tài)數(shù)據(jù)如公路資產(chǎn)、設(shè)施狀態(tài)、氣象環(huán)境等,該層能夠分析出道路的車流量、交通事件、暢通與擁堵等狀態(tài),為數(shù)字孿生系統(tǒng)提供精確的數(shù)據(jù)支持。

2.3 模型映射層

模型映射層是整個系統(tǒng)的核心支撐層,負責將數(shù)據(jù)和模型轉(zhuǎn)化為與數(shù)字世界對應(yīng)的場景,包括靜態(tài)環(huán)境映射和動態(tài)信息映射。靜態(tài)環(huán)境映射是指路面、路基、隧道、基礎(chǔ)設(shè)施設(shè)備及其周圍環(huán)境在高速公路上形成的三維立體情景結(jié)構(gòu);動態(tài)信息映射是指靜態(tài)環(huán)境下車輛信息、氣象環(huán)境信息、交通事件等信息的疊加。

2.4 場景應(yīng)用層

場景應(yīng)用層是結(jié)合數(shù)字孿生技術(shù)的特性對業(yè)務(wù)功能點進行實現(xiàn),包括對路段交通環(huán)境孿生、交通運行孿生、車輛跟蹤監(jiān)測、事故監(jiān)測、主動安全風險預(yù)警等。特別是針對車輛跟蹤監(jiān)測,系統(tǒng)采用基于雷達與視頻融合的方法,實現(xiàn)了跨設(shè)備的車輛精準跟蹤,提升了交通數(shù)字孿生的可靠性。

3 關(guān)鍵技術(shù)

該系統(tǒng)的關(guān)鍵技術(shù)主要有三個方面:(1)利用毫米波雷達深度集成視頻,精確追蹤車輛動態(tài);(2)通過高精度地圖和公路靜態(tài)資源的映射,實現(xiàn)數(shù)字孿生的交通環(huán)境;(3)業(yè)務(wù)場景通過動態(tài)信息疊加進行還原。

3.1 雷達與視頻的深度融合

雷達與視頻深度融合的算法流程主要有三個步驟:

(1)毫米波雷達識別:采用4顆毫米波雷達模塊進行級聯(lián),實現(xiàn)高精度的車輛和人員等運動目標的探測和跟蹤。系統(tǒng)可以在1 000 m范圍內(nèi)實時輸出目標的軌跡、方位和距離等信息,并對異常運行軌跡進行快速報警,包括停止、慢速、超速、車道異常偏離等。目標探測的精確性和實時性都通過毫米波雷達的高精度探測跟蹤能力得到了提高。

(2)視頻車輛目標檢測:采用YOLOv3模型的預(yù)測框定位算法對實時視頻幀的每幅圖像進行車輛圖像定位。系統(tǒng)篩選出多余的邊界框,通過置信度算法對最終目標的中心位置進行標記。利用人工智能中深度學習算法的高效性和準確性,能夠在視頻中實時檢測到車輛目標,為后續(xù)的數(shù)據(jù)融合提供基礎(chǔ)。

(3)毫米波雷達在視頻上的投影[2]:將毫米波雷達的識別結(jié)果與視頻目標識別結(jié)果進行時間坐標系和空間坐標系的轉(zhuǎn)化和對準。系統(tǒng)利用兩種傳感器得到的檢測框計算交并比(IOU),對檢測目標進行匹配融合,得到更精確的目標跟蹤信息。充分利用兩種傳感器的優(yōu)勢,使整個系統(tǒng)的精確度和可靠性得到提高,從而實現(xiàn)目標追蹤的深度融合。

3.2 高精度地圖與靜態(tài)資源映射

為了實現(xiàn)交通環(huán)境的數(shù)字孿生,系統(tǒng)采用高精度地圖模型作為基礎(chǔ),將公路基礎(chǔ)設(shè)施和設(shè)備模型與之疊加,并為其賦予業(yè)務(wù)語義,以支持業(yè)務(wù)運行。

(1)高精度地圖采集與構(gòu)造[3]:利用點云和無人機航拍圖像數(shù)據(jù),采用降采樣和建模技術(shù)生成高精度地圖。該地圖包含地理信息,可用于在數(shù)字孿生中建立高精度的三維模型。

(2)基礎(chǔ)設(shè)施建模:通過設(shè)施模型庫對高速公路上常見的設(shè)備和設(shè)施進行建模,例如攝像頭、毫米波雷達、路側(cè)立桿、龍門架、情報板和指示牌等。根據(jù)實際世界坐標將相應(yīng)的模型加載到高精度地圖上,以增強數(shù)字孿生的真實感和可靠性。

(3)語義信息疊加:除了模型本身的基本信息,還需要疊加業(yè)務(wù)上應(yīng)用的常用信息,如管轄區(qū)號、樁號、維護單位等,從而增加數(shù)字孿生與實際運營場景的匹配度。

3.3 動態(tài)數(shù)字孿生場景構(gòu)造

動態(tài)數(shù)字孿生場景的構(gòu)造反映的是高速公路運行環(huán)境實時的總體動態(tài)描述,主要包括:

(1)天氣環(huán)境:包括白天、黑夜、晴、雨、霧、積水、結(jié)冰等情況,不同天氣下的能見度和路面狀況都會影響道路行駛的安全性和流暢度。

(2)道路環(huán)境:包括路側(cè)設(shè)備的使用狀態(tài)、傳感器的采集范圍、動態(tài)情報板顯示的內(nèi)容等。如對于毫米波雷達等傳感器,需要展示其采集范圍和精度,以及安裝位置的高度和角度等。

(3)交通流:包括車牌信息、車輛類型信息、行駛方向信息、車道位置信息以及車輛的行駛速度等信息。這些信息可實時獲取,并在虛擬環(huán)境中展現(xiàn)出來。例如,根據(jù)車輛的位置、速度和方向等信息,可以還原其行駛軌跡。

(4)交通事件:包括計劃中的施工養(yǎng)護占道、交通事故以及相應(yīng)的告警信息發(fā)布等。

4 系統(tǒng)功能

4.1 交通環(huán)境孿生

基于全自由視覺三維實景仿真,包括高精度車道級還原、傳感器設(shè)備與交通設(shè)施仿真,以及服務(wù)區(qū)、收費站、隧道管理等應(yīng)用場景仿真。系統(tǒng)利用高精度地圖模型和基礎(chǔ)設(shè)施模型庫,構(gòu)建一個高度真實的交通環(huán)境模型,包括路面、設(shè)施、交通標志等元素,可根據(jù)實時交通狀態(tài)進行動態(tài)更新。同時系統(tǒng)支持不同天氣和時間條件下的實時還原,包括白天、黑夜及晴、雨、霧等情況,以及由于氣象引起的路面變化,如積水、結(jié)冰等。這樣可以在各種場景下進行測試和演練,為運營決策提供參考。見圖2～3。

圖2 主線路面交通環(huán)境孿生示例圖

圖3 雨霧天氣場景示例圖

4.2 交通運行孿生

該系統(tǒng)實時獲取行駛車輛、行人、異常物體等目標,并能將其實際地理坐標、行駛方向、偏移角度等信息實時反映出來,使道路的交通狀況得到實時反饋。系統(tǒng)還支持包括車輛車牌型號識別、車道位置、車速等在內(nèi)的交通數(shù)據(jù)的實時采集和分析,可實時監(jiān)控和預(yù)警交通擁堵、意外等交通事件。見后頁圖4。

圖4 目標車輛實時信息在數(shù)字孿生場景的映射示例圖

4.3 事故監(jiān)測

系統(tǒng)實時監(jiān)測到高速公路上的交通事故,包括車輛碰撞、車輛傾翻、道路封閉等情況。系統(tǒng)通過對視頻流和傳感器數(shù)據(jù)的實時監(jiān)測和分析,能夠自動識別并報警異常事件,及時通知相關(guān)管理人員和救援機構(gòu)。同時,系統(tǒng)還能提供交通事故的位置、時間、車輛類型、事故原因等詳細信息,幫助管理人員快速定位事故現(xiàn)場,進行救援和疏導。見圖5。

圖5 事故信息在數(shù)字孿生場景的還原示例圖

4.4 風險預(yù)警

系統(tǒng)實現(xiàn)對高速公路運行風險的預(yù)警,從交通設(shè)施安全風險和駕駛行為安全風險兩個方面進行。對于交通設(shè)施安全風險,系統(tǒng)主要關(guān)注道路基礎(chǔ)設(shè)施、交通管理設(shè)施、交通安全設(shè)施設(shè)備的完好率和布設(shè)完整度,采用定期評估的方式進行監(jiān)測和評估。對于行車行為的安全隱患,該系統(tǒng)利用雷達和視頻集成技術(shù),根據(jù)車輛的空間位置、車速、行駛方向等,提取車輛行駛軌跡,判斷發(fā)生碰撞的可能性,并對車輛進行預(yù)警,從而減少交通事故的發(fā)生。

5 結(jié)語

基于雷達和視頻的高速公路數(shù)字孿生系統(tǒng)采用數(shù)據(jù)驅(qū)動的方式構(gòu)建高速公路運行場景,通過高速公路要素與數(shù)字孿生的虛實映射和交互融合,深度提升高速公路精準感知和風險預(yù)警的技術(shù)應(yīng)用水平,對于解決高速公路運營安全管理問題有著重要的作用。未來將進一步開發(fā)數(shù)字孿生技術(shù)在預(yù)期事件中交通流的影響評估分析能力,以提升高速公路組織管理水平。