楊 軫，汪名選，劉 帥

(1.同濟大學(xué) 交通運輸工程學(xué)院，上海 201804；2.同濟大學(xué) 道路與交通工程教育部重點實驗室，上海 201804)

0 引言

隨著我國智能交通、智慧城市的建設(shè)與發(fā)展，交通數(shù)據(jù)的采集方式已由早期的人工計數(shù)和調(diào)查表，逐步發(fā)展為視頻圖像、感應(yīng)線圈、激光與毫米波雷達(dá)、紅外監(jiān)測等新型數(shù)據(jù)采集技術(shù)，該領(lǐng)域的自動化趨勢日漸明顯[1]。交通數(shù)據(jù)采集可面向多個應(yīng)用層面，包括交通協(xié)同運行與管控、道路交通狀態(tài)監(jiān)測、交通流調(diào)控與誘導(dǎo)等等，而現(xiàn)有的研究較多基于交通管控層面對特定區(qū)域進(jìn)行涵蓋多目標(biāo)的交通數(shù)據(jù)采集，針對在途交通層面(如面向自動駕駛的真實道路駕駛數(shù)據(jù)采集、面向駕駛行為譜研發(fā)、交通預(yù)警)的研究較少。

對于自動駕駛領(lǐng)域而言，自動駕駛仿真場景庫是自動駕駛測試驗證不可或缺的角色，建立場景庫則需要大量的場景數(shù)據(jù)，依據(jù)三支柱測試法[2-5]，為保證測試中的安全與可靠性，通常至少需要106～108個自動駕駛場景，雖然目前德國KITTI、美國NHTSA、中國騰訊TAD Sim等團隊都在為自動駕駛測試開發(fā)領(lǐng)域構(gòu)建了大型的自動駕駛場景數(shù)據(jù)庫，其中公認(rèn)具有代表性的成果有PEGASUS和AdaptIVe等[6-8]，但是其相關(guān)的技術(shù)資料在包含項目工作領(lǐng)域、項目組成、項目費用等基本文件的基礎(chǔ)上[9]，對高精度駕駛場景大數(shù)據(jù)采集技術(shù)的研發(fā)仍有進(jìn)一步提升的空間。自動駕駛的數(shù)據(jù)源可分為真實數(shù)據(jù)與仿真數(shù)據(jù)，描述了道路環(huán)境、各類交通參與者與主控車輛本身的狀態(tài)信息[10-14]，其中真實數(shù)據(jù)則包含自然駕駛數(shù)據(jù)，要求在車輛上安裝各類傳感器進(jìn)行數(shù)據(jù)采集[15]，由于自然駕駛數(shù)據(jù)對于維度、精度的要求較高，搭建可靠的多模塊數(shù)據(jù)采集平臺至關(guān)重要，這也成為了自動駕駛領(lǐng)域后期各項仿真研究的奠基。而對于不同工況駕駛行為譜構(gòu)建層面則需要大量不同場景下本車與周圍環(huán)境車輛相對位置、速度、加速度等各項指標(biāo)，王可等人[16-17]利用車輛加速度、車道偏移、本車與后車間距等指標(biāo)研究不良駕駛行為譜的分析方法。目前對于該方面研究的數(shù)據(jù)采集方式包含駕駛模擬器、無人機視頻識別、激光雷達(dá)、毫米波雷達(dá)、車輛CAN總線、GPS等[18]，其中駕駛模擬器本身存在一些局限性，一方面模擬器場景搭建與真實場景存在一定差別，一定程度上影響了駕駛員的決策，另一方面模擬器的數(shù)據(jù)可靠性有待進(jìn)一步研究；而其余的單一數(shù)據(jù)采集手段在精度與數(shù)據(jù)采集多樣性上有待提升，故研發(fā)一套集本車駕駛行為與周圍環(huán)境車輛數(shù)據(jù)于一體的多模塊可移植高精度數(shù)據(jù)采集平臺對該領(lǐng)域的深入研究起著不可或缺的作用。

目前對于交通數(shù)據(jù)采集的研究采用了多種數(shù)據(jù)采集設(shè)備與方法，可以分為基于路側(cè)監(jiān)控設(shè)備和基于車載設(shè)備的交通數(shù)據(jù)采集方式，對于路側(cè)監(jiān)控設(shè)備數(shù)據(jù)采集方式而言，Kim等人[19]證明了無線微波雷達(dá)檢測器在交通檢測中的可行性；Kong等人[20]利用三軸檢測器檢測的三軸波形對車輛建立標(biāo)簽；劉元昊等人[21]采用雷視一體機的毫米波雷達(dá)與雙目相機結(jié)合的方式對交通流信息進(jìn)行采集，利用毫米波雷達(dá)獲取車輛位置、速度等信息，利用雙目相機實時檢測流量與駕駛行為，通過分析視頻圖片提取車輛運動軌跡，但缺點在于對被遮擋車輛的各類車型識別精度不高，且采集位置始終固定，無法對同一目標(biāo)長時間跟蹤，沒有融合其它設(shè)備。對于車載設(shè)備數(shù)據(jù)采集方式而言，朱紅賽[22]結(jié)合“組合導(dǎo)航系統(tǒng)+激光雷達(dá)+攝像頭”傳感器方案設(shè)計了無人駕駛車載傳感器數(shù)據(jù)采集與處理系統(tǒng)，張藝等人[23]選取激光雷達(dá)、毫米波雷達(dá)、全景相機作為主要傳感器，證明了多種設(shè)備融合下采集精度高于單一設(shè)備，但是缺乏融合后的數(shù)據(jù)優(yōu)化處理。陳駿生[24]提出一種基于自動駕駛電動車輛的數(shù)據(jù)采集方法，完成激光雷達(dá)、音視頻數(shù)據(jù)和CAN總線數(shù)據(jù)的傳輸和融合，但未完成時間同步。以上各研究對于數(shù)據(jù)精度方面缺乏驗證，且駕駛?cè)吮旧淼鸟{駛行為也往往被忽視，在數(shù)據(jù)采集深度方面也有很大的研究發(fā)展空間。

總結(jié)國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢可得，上述各類系統(tǒng)與平臺在交通數(shù)據(jù)采集方面發(fā)揮著顯著的作用，但與此同時也存在一些不足，主要表現(xiàn)在以下3個方面：

1)當(dāng)前現(xiàn)有的交通數(shù)據(jù)采集系統(tǒng)研究中，對于路側(cè)采集方式而言，存在針對特定的數(shù)據(jù)采集需求、局限于固定數(shù)據(jù)采集模式的現(xiàn)象，并且這些數(shù)據(jù)采集設(shè)備需要布設(shè)于特定的路段或區(qū)域，以山西五盂智慧高速路段為例，其全長包含36個毫米波雷達(dá)和卡口視頻融合的感知點位，利用視頻檢測提取車牌數(shù)據(jù)，再通過雷達(dá)對運行軌跡和變道行為進(jìn)行檢測，此種方案一方面要考慮到施工難度與工程造價的問題，另一方面所獲得的交通數(shù)據(jù)精度不足，數(shù)據(jù)內(nèi)容不夠全面，應(yīng)用價值僅局限于交通管控層面，而難以為自動駕駛、駕駛行為譜構(gòu)建等在途交通環(huán)境數(shù)據(jù)領(lǐng)域的進(jìn)一步研究提供有效幫助。而對于車載設(shè)備數(shù)據(jù)采集方式而言，設(shè)備的多樣性有待提升，且數(shù)據(jù)融合及優(yōu)化處理也有較大研究空間。

2)現(xiàn)有的交通數(shù)據(jù)采集與監(jiān)測系統(tǒng)包含固定采集源針對固定范圍的視頻圖像分析，易受到采集攝像頭監(jiān)測范圍及清晰度的約束，且易受到外界天氣等因素的干擾。

3)目前的數(shù)據(jù)采集系統(tǒng)結(jié)構(gòu)單一，大多采用了固定的一種至兩種采集設(shè)備，采集獲得的數(shù)據(jù)效用有限，且缺乏將駕駛行為數(shù)據(jù)與交通環(huán)境數(shù)據(jù)進(jìn)行同步采集、將多源交通數(shù)據(jù)進(jìn)行融合的相關(guān)實踐與研究。

因此如何在滿足高精度、高效率、多方位的數(shù)據(jù)采集技術(shù)需求的條件下研發(fā)面向多領(lǐng)域的多模塊交通數(shù)據(jù)采集平臺是該領(lǐng)域應(yīng)當(dāng)長期研究的問題，本文完成了一種道路交通環(huán)境與駕駛行為數(shù)據(jù)同步采集系統(tǒng)，該系統(tǒng)融合高精度定位與慣性測量、雷達(dá)檢測、視頻識別與駕駛行為數(shù)據(jù)采集，實現(xiàn)了多方位、高精度的采集需求，可移植于小汽車、貨運車輛、客運大巴等多種車輛類型。

1 系統(tǒng)總體設(shè)計

1.1 需求分析

多模塊數(shù)據(jù)采集平臺在進(jìn)行交通數(shù)據(jù)采集的過程中，不同的模塊承擔(dān)著不同的采集任務(wù)，針對交通在途場景而言，采集的交通場景數(shù)據(jù)應(yīng)當(dāng)具有真實性、代表性、可靠性等特點，綜合考慮場景數(shù)據(jù)的需求，將數(shù)據(jù)分為本車數(shù)據(jù)和其它交通參與者數(shù)據(jù)兩大類，如圖1所示。其中本車數(shù)據(jù)由定位與運動參數(shù)、駕駛行為參數(shù)構(gòu)成。其它交通參與者數(shù)據(jù)由機動車、非機動車、行人運動參數(shù)組成，本車運動參數(shù)可以細(xì)分為本車定位信息、加速度和三軸姿態(tài)角，駕駛行為參數(shù)可以細(xì)分為踩踏踏板、轉(zhuǎn)動方向盤的情況；其他交通參與者的運動參數(shù)可以細(xì)分為速度、相對本車的距離等信息。

圖1 多模塊交通數(shù)據(jù)采集要素

與此同時，為了最大化滿足多源交通數(shù)據(jù)采集的總體要求，該系統(tǒng)在硬件方面還需包含以下特性：

1)采集精度的可靠性。為保證交通場景數(shù)據(jù)的準(zhǔn)確性，數(shù)據(jù)采集模塊的精度需要在一定范圍內(nèi)，例如本車位置精度在0.1 m內(nèi)、速度精度在0.1 m/s內(nèi)、周邊車輛位置相對精度在0.5 m內(nèi)、前后感知距離在100 m以上等。

2)系統(tǒng)時間同步。在該系統(tǒng)中，由于各個模塊硬件上的離散性，無法為每個模塊提供統(tǒng)一的全局時鐘，而由各個硬件模塊獨立維護(hù)各自的本地時鐘。又由于這些模塊的采樣頻率、運行特性存在不一致性，因此即使所有模塊時間戳在某一時刻被校準(zhǔn)一致，在經(jīng)歷一段時間后，這些本地時鐘也會出現(xiàn)不一致。為保證每個模塊的本地時鐘在某一時刻再次重合，必須進(jìn)行系統(tǒng)時間同步操作。系統(tǒng)時間同步一向是設(shè)備系統(tǒng)集成中的一個重點和難點。常見的同步方法包括網(wǎng)絡(luò)授時、衛(wèi)星授時、無線電波授時等方法，不同的方法由于數(shù)據(jù)傳輸平均時間延誤，也存在著不同的自身難以逾越的精度限制。

在軟件方面需求包含以下特性：

1)多模塊數(shù)據(jù)集成可視化。為保證采集獲得的交通環(huán)境與駕駛行為數(shù)據(jù)在系統(tǒng)時間同步的基礎(chǔ)上便于我們對駕駛?cè)怂龀龅臎Q策進(jìn)行準(zhǔn)確判斷以及分析周邊道路環(huán)境對駕駛?cè)诵袨榈挠绊?，需要將各模塊的數(shù)據(jù)進(jìn)行同步集成可視化。

2)多種數(shù)據(jù)傳輸模式。支持實時和時段傳輸模式，其中實時傳輸模式支持按照設(shè)備采樣頻率在實驗現(xiàn)場連續(xù)采集并傳輸設(shè)備數(shù)據(jù)；時段傳輸模式依據(jù)給定的時間段范圍集中傳輸各設(shè)備模塊暫存的數(shù)據(jù)。

3)數(shù)據(jù)格式統(tǒng)一化。上位機程序可以將各下位機采集模塊獲得的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的便攜式數(shù)據(jù)格式如txt、csv等，便于后期的數(shù)據(jù)共享及使用。

1.2 系統(tǒng)總體結(jié)構(gòu)

依據(jù)采集獲得的多源交通環(huán)境與駕駛行為數(shù)據(jù)的系統(tǒng)需求，選用數(shù)據(jù)采集設(shè)備由表1所示，場景要素主要分為本車和其他交通參與者，其中本車數(shù)據(jù)采集工作由車載運動測量與組合定位系統(tǒng)與位移傳感器承擔(dān)，其它交通參與者數(shù)據(jù)采集工作由道路多維感知一體機激光雷達(dá)承擔(dān)。

表1 交通數(shù)據(jù)采集設(shè)備與內(nèi)容

設(shè)計多源交通環(huán)境與駕駛行為數(shù)據(jù)的總體結(jié)構(gòu)如圖2所示。其中下位機子系統(tǒng)可以細(xì)化為數(shù)據(jù)采集器、I/O轉(zhuǎn)換與數(shù)傳模塊和數(shù)據(jù)存儲模塊，其主要功能是采集、轉(zhuǎn)換和存儲各模塊的多源交通環(huán)境與駕駛行為數(shù)據(jù)，并將這些數(shù)據(jù)封裝成統(tǒng)一格式的數(shù)據(jù)包，通過RJ45網(wǎng)口、TCP協(xié)議、CAN總線接口等方式傳輸至上位機系統(tǒng)。上位機子系統(tǒng)具有對下位機子系統(tǒng)采集獲得的數(shù)據(jù)進(jìn)行預(yù)處理分析、修正標(biāo)定、動態(tài)實時可視化及存儲等功能，并能夠?qū)⑺械臄?shù)據(jù)導(dǎo)出為便攜格式的數(shù)據(jù)文件便于后期的分析與建模。

圖2 系統(tǒng)總體功能圖

在該系統(tǒng)中，上位機子系統(tǒng)同時與下位機子系統(tǒng)的多個模塊連接，各模塊采用的數(shù)據(jù)通信方式可以互不相同，各模塊的采集過程可以同步運行，每一個模塊均只有一個唯一固定的采集器設(shè)備，其中車載踏板與方向盤位移傳感器模塊中的每個I/O轉(zhuǎn)換模塊可以與1～4個位移傳感器連接。每個模塊的數(shù)據(jù)處理與封裝均由存儲模塊實現(xiàn)，存儲從連線與通信模式上來看，上位機子系統(tǒng)與下位機子系統(tǒng)之間的通信可以采用RJ45網(wǎng)口，利用TCP/IP通信協(xié)議進(jìn)行數(shù)據(jù)傳輸。

1.3 硬件系統(tǒng)基本功能

在對多源道路交通環(huán)境及駕駛行為數(shù)據(jù)進(jìn)行采集、轉(zhuǎn)換、傳輸和預(yù)處理的過程中，往往要經(jīng)歷如圖3所示的若干個步驟。以位移傳感器為例，首先要將駕駛?cè)宿D(zhuǎn)動方向盤、踩踏踏板的物理量通過傳感器轉(zhuǎn)化為電信號模擬量，再通過IO轉(zhuǎn)換模塊將模擬量通過RJ45通信接口與工控機相連，利用工控機對數(shù)據(jù)進(jìn)行處理、標(biāo)定與存儲。各個模塊傳輸至車載電腦的數(shù)據(jù)內(nèi)容與格式互不相同，需要利用上位機程序進(jìn)行標(biāo)定、處理、分析與可視化，以實現(xiàn)對應(yīng)功能。

圖3 系統(tǒng)各模塊功能圖

圖4 基于ROS的數(shù)據(jù)同步采集系統(tǒng)總體框架

為實現(xiàn)各模塊數(shù)據(jù)同步采集功能，利用機器人操作系統(tǒng)(ROS，robot operating system)實現(xiàn)同步傳輸，通過消息傳遞通信的分布式多進(jìn)程框架，將網(wǎng)絡(luò)通信中的TCP/IP通信機制封裝為ROS話題節(jié)點通信機制，從而實現(xiàn)多進(jìn)程間點對點的耦合連接。在ROS系統(tǒng)中，每個模塊被視為節(jié)點(Node)，節(jié)點為執(zhí)行進(jìn)程，節(jié)點間可以以消息(Message)進(jìn)行相互通信，而話題(Topic)用于標(biāo)識消息的名稱，每個消息必須發(fā)布到對應(yīng)的話題中，再通過話題實現(xiàn)ROS分布式網(wǎng)絡(luò)的路由轉(zhuǎn)發(fā)，節(jié)點間可以訂閱(Subsribe)某話題以獲取該話題消息，也可以發(fā)布(Publish)消息至對應(yīng)話題?；赗OS的道路環(huán)境與駕駛行為數(shù)據(jù)同步采集系統(tǒng)總體框架如圖 4所示。

本文設(shè)計的數(shù)據(jù)采集系統(tǒng)總體框架思路如下：

1)編寫launch腳本，確保各模塊數(shù)據(jù)采集裝備電路正常后，利用roslaunch命令實現(xiàn)一鍵啟動。

2)各個模塊的數(shù)據(jù)采集節(jié)點在完成數(shù)據(jù)采集工作后以消息的數(shù)據(jù)結(jié)構(gòu)形式發(fā)布(Publish)相應(yīng)話題(Topic)，各個傳感器數(shù)據(jù)處理節(jié)點通過訂閱(Subscribe)對應(yīng)話題對源數(shù)據(jù)進(jìn)行處理。

3)各模塊數(shù)據(jù)處理腳本工作結(jié)束后，時空配準(zhǔn)節(jié)點對各模塊不同類型數(shù)據(jù)進(jìn)行時空配準(zhǔn)，為每幀數(shù)據(jù)附上時間戳以完成時間同步和維持采集對象的信息統(tǒng)一性，并將各模塊數(shù)據(jù)發(fā)布以供其它節(jié)點訂閱。

2 系統(tǒng)模塊設(shè)計

2.1 系統(tǒng)模塊選型與布局

根據(jù)采集系統(tǒng)設(shè)計方案，需要確定各模塊所用的設(shè)備類型，綜合考慮設(shè)備性能參數(shù)和數(shù)據(jù)采集需求，對各模塊的設(shè)備一一進(jìn)行選型與布設(shè)。

收集各模塊對應(yīng)數(shù)據(jù)信息，應(yīng)配備輕型大容量高性能車載電腦，本系統(tǒng)選用工控機收集相應(yīng)數(shù)據(jù)并實現(xiàn)數(shù)據(jù)處理、標(biāo)定與可視化。

為采集本車定位信息與運動狀態(tài)，需要應(yīng)用本車CAN口輸出本車經(jīng)緯度、三軸加速度和三軸姿態(tài)角，故應(yīng)當(dāng)采用高精度差分定位模塊結(jié)合慣性測量單元，精度達(dá)到0.1 m以內(nèi)。其次，需要通過位移傳感器采集駕駛?cè)藢τ谔ぐ迮c方向盤的操控情況，其中采集方向盤位移的傳感器量程應(yīng)采用1 000 mm，踏板傳感器的量程采用500 mm，并需要通過I/O聯(lián)網(wǎng)模塊將傳感器模擬信號轉(zhuǎn)換為數(shù)字信號傳至工控機。

為采集本車周邊交通參與者信息，需要采集本車周圍目標(biāo)的位置、速度、類型與偏移量，故本車需要布設(shè)多個傳感器以滿足上述采集需求。在車頂架兩側(cè)安裝大于等于32線的激光雷達(dá)覆蓋本車周圍360°的目標(biāo)三維點云坐標(biāo)信息，前后各安裝一個道路多維感知一體機，利用視頻識別原理對本車前后交通參與者進(jìn)行實時識別以及速度、類型信息的提取，測距精度應(yīng)在0.3 m內(nèi)，測速精度應(yīng)在1 km/h以內(nèi)，要求采集范圍內(nèi)不出現(xiàn)本車車身。

為實現(xiàn)對各模塊的持續(xù)供電，需采用大容量長續(xù)航的車載電源，本系統(tǒng)采用24 V/100 Ah的磷酸鐵鋰電池，并根據(jù)各模塊不同的工作電壓及工作模式配備了相應(yīng)的變壓與穩(wěn)壓模塊。

結(jié)合上述需求，各模塊實現(xiàn)的選型及技術(shù)參數(shù)如表2所示。

表2 系統(tǒng)各模塊及其對應(yīng)功能

最終確定該系統(tǒng)下位機硬件布設(shè)方案如圖5所示，設(shè)備支撐結(jié)構(gòu)主要由兩層車頂架組成。

1．車載運動測量及組合定位系統(tǒng)；2.雷視道路多維感知一體機；3.32線激光雷達(dá)；4.I/O聯(lián)網(wǎng)模塊；5.工控機模塊；6.位移傳感器模塊；7.車載電源與變壓穩(wěn)壓模塊。

2.2 系統(tǒng)模塊測試

2021年1月18日，課題組委托上海機動車檢測認(rèn)證技術(shù)研究中心有限公司開展“道路交通環(huán)境與駕駛行為同步采集系統(tǒng)”的性能測試(如圖6所示)。測試在該公司測試跑道開展現(xiàn)場，中心內(nèi)部測試道路長約800 m，寬約40 m，可開展汽車整車性能測試及智能網(wǎng)聯(lián)汽車ADAS功能測試。

圖6 第三方現(xiàn)場檢查

1)車載運動測量與組合定位系統(tǒng)模塊：

該模塊和定位基站、后臺服務(wù)器構(gòu)成完整的測試系統(tǒng)。能夠?qū)崟r提供車輛的主要運動參數(shù)和高精度定位信息，并可根據(jù)不同的需求配置不同的工作模式，包括數(shù)據(jù)輸出類型和刷新頻率等。由于針對汽車應(yīng)用設(shè)計，在定位連續(xù)性、航向的穩(wěn)定性等方面的性能比一般RTK定位模塊有明顯改善，經(jīng)過定位基站差分后的靜態(tài)差分精度可以達(dá)到±2.5 mm左右，動態(tài)差分精度可以達(dá)到±10 mm左右。

對該車載運動測量及組合定位系統(tǒng)進(jìn)行測試，其中待測組合定位系統(tǒng)安裝在車輛中部，基準(zhǔn)定位系統(tǒng)安裝在車輛尾部，二者在車輛軸線方向上的距離為1.5 m，測試其定位精度與速度精度。待測組合定位系統(tǒng)每0.01秒輸出一次位置坐標(biāo)，采樣頻率為100 Hz，兩套定位系統(tǒng)在同一時間戳下的定位坐標(biāo)對比結(jié)果及平均速度對比結(jié)果如表3和表4所示。

表3 定位坐標(biāo)比對數(shù)據(jù)

表4 定位速度比對數(shù)據(jù)

2)車載踏板與方向盤位移傳感器模塊：

分別將3個米朗MPS-XS位移傳感器連接在車輛的油門踏板、制動踏板位移和方向盤的轉(zhuǎn)動軸上，駕駛?cè)嗽诓僮鲿r傳感器能夠?qū)崟r輸出三者的位移模擬信號，經(jīng)過I/O聯(lián)網(wǎng)模塊轉(zhuǎn)為數(shù)字信號后向上位機傳輸位移數(shù)據(jù)，進(jìn)而通過位移判定駕駛?cè)说鸟{駛行為，如表5所示。

表5 駕駛行為數(shù)據(jù)

該系統(tǒng)測試過程中對制動踏板、油門踏板和方向盤的轉(zhuǎn)動進(jìn)行操作，測試過程中，油門深度不斷變大，方向盤完成向右換道，制動踏板不變，數(shù)據(jù)變化表所示，由此判斷該位移變化符合實際情況。

3)雷視道路多維感知一體機模塊：

該模塊用于檢測主控車輛前后側(cè)的目標(biāo)運動狀態(tài)，支持毫米波雷達(dá)檢測目標(biāo)信息與視頻數(shù)據(jù)的融合，可提供基于視頻的車牌、車輛特性識別結(jié)果等信息，包含顏色、品牌等，同時可提取機動車、非機動車與行人距離相機中心的XY偏移以及縱向、橫向速度，如表6所示。

表6 前后側(cè)目標(biāo)車輛感知比對數(shù)據(jù)

利用該系統(tǒng)中的定位模塊對雷視一體機感知精度進(jìn)行測試，在測試場地中，測試車輛與目標(biāo)車輛均安裝經(jīng)標(biāo)定的車載運動測量與組合定位系統(tǒng)，兩車位于相鄰車道同向行駛，測試車輛不斷改變與目標(biāo)車輛之間的距離，追及并超越目標(biāo)車輛。測試車輛采用雷視一體機實時采集前后方目標(biāo)車輛的相對位置，通過比對測試車輛感知到的目標(biāo)車輛坐標(biāo)與目標(biāo)車輛基準(zhǔn)定位系統(tǒng)的定位坐標(biāo)，測試前后側(cè)目標(biāo)車輛的感知精度，其中車輛行駛航向角為28.9°，當(dāng)感知坐標(biāo)為(3.564，179.428)時，即目標(biāo)車輛位于測試車輛前方180 m處，位置測量誤差為0.227 3 m。最后計算可得測試場景中前后目標(biāo)車輛距離的中誤差即前后側(cè)目標(biāo)車輛感知精度為0.255 8 m。

4)32線激光雷達(dá)模塊：

該激光雷達(dá)模塊在主控車輛運動時利用脈沖回波原理，以每秒120萬點的數(shù)據(jù)回波速率實時掃描周圍道路基礎(chǔ)設(shè)施和各類道路使用者信息，生成相對應(yīng)的XYZ激光點云數(shù)據(jù)。

對該模塊進(jìn)行測試過程中，目標(biāo)車輛靜止停放，測試車輛與目標(biāo)車輛并列停放，采用32線激光雷達(dá)采集左右兩側(cè)車輛的點云數(shù)據(jù)，在可視化點云數(shù)據(jù)中量取目標(biāo)車輛與測試車輛激光雷達(dá)的最短水平距離，并與實際測量的兩車最短水平距離做比對，改變測試車輛的位置進(jìn)行多次測量，以此測試左右側(cè)目標(biāo)車輛的感知精度，測試結(jié)果如表7所示。

表7 左右側(cè)目標(biāo)車輛感知比對數(shù)據(jù)

2.3 實驗結(jié)果與分析

通過對4個模塊實地性能測試數(shù)據(jù)進(jìn)行分析，可得到以下結(jié)論：

1)對于車載運動測量與組合定位系統(tǒng)模塊，在車輛通過內(nèi)插與INS融合后采樣頻率取100 Hz情況下，比對各個時間戳下的待測組合定位系統(tǒng)與已標(biāo)定的基準(zhǔn)定位系統(tǒng)之間的坐標(biāo)誤差，求取中誤差即定位精度為0.092 4 m，測試時段內(nèi)誤差最大值為0.171 4 m，最小值為0.024 6 m，采用RTK技術(shù)的定位精度優(yōu)于0.1 m；其次，在定位速度方面，求取平均速度中誤差即速度精度為0.055 6 m/s，其中誤差最大值為0.083 m/s，誤差最小值為0.028 m/s，因此速度精度優(yōu)于0.1 m/s。兩者的波動均在合理范圍內(nèi)，證明車載運動測量與組合定位系統(tǒng)模塊的精度滿足整體需求。

2)對于車載踏板與方向盤位移傳感器模塊，緩慢踩踏油門過程中油門踏板位移呈現(xiàn)線性增長趨勢，變道過程中的方向盤位移量符合現(xiàn)實駕駛邏輯，表明該模塊能夠精確采集駕駛員的加速、剎車、變道、轉(zhuǎn)向等各類駕駛行為數(shù)據(jù)。

3)對于雷視道路多維感知一體機模塊，采用雷視一體機測量前后側(cè)目標(biāo)車輛的感知誤差最大值為0.475 8 m，最小值為0.013 6 m，總體精度優(yōu)于0.3 m，滿足識別精度要求。

4)對于32線激光雷達(dá)模塊，采用激光雷達(dá)測量左右側(cè)目標(biāo)車輛的感知誤差最大值為0.108 m，最小值為0.023 m，總體精度優(yōu)于0.1 m，表明該模塊能夠較為精確地通過點云檢測周圍環(huán)境車輛與本車間距離，并同時生成高精度的點云數(shù)據(jù)，且該測試系統(tǒng)的有效感知范圍大于150 m。

5)上述4個模塊的測試數(shù)據(jù)可同步輸出，每個數(shù)據(jù)文件均包括定位系統(tǒng)時間戳，通過時間戳對齊的方式可實現(xiàn)數(shù)據(jù)的實時匹配。

3 交互界面與功能設(shè)計

3.1 軟件系統(tǒng)基本功能

在進(jìn)行道路交通環(huán)境與駕駛行為數(shù)據(jù)同步采集系統(tǒng)設(shè)計開發(fā)時，所運用的上位機子系統(tǒng)軟件應(yīng)當(dāng)具有如下特征與功能：

1)軟件系統(tǒng)登錄、退出界面：用戶可以根據(jù)數(shù)據(jù)庫中儲存的用戶名及密碼，輸入相應(yīng)信息后即可進(jìn)入軟件系統(tǒng)界面，隨時打開或退出程序。

2)簡潔的用戶交互界面：登錄成功打開上位機程序界面后，可以看到簡潔明了的用戶交互界面，各個圖表、說明文字、按鈕、滑動塊精確且易讀的表現(xiàn)形式，給用戶帶來至簡的體驗感與清晰的指引，根據(jù)界面上的各個按鈕自主選擇需要查看的模塊數(shù)據(jù)信息，交互形式通常是便于理解和操作的形式，以單擊和拖拉為主，降低用戶思考時間，在使用方面較為便利。

3)數(shù)據(jù)結(jié)果可視化展示：基于下位機各采集模塊采集獲得的慣導(dǎo)與定位數(shù)據(jù)、傳感器數(shù)據(jù)、雷視多維感知數(shù)據(jù)和激光點云數(shù)據(jù)，用戶可以自主選擇TCP和時段文件流兩種文件讀取形式，根據(jù)用戶反饋的需要，實時動態(tài)更新地顯示各模塊源數(shù)據(jù)對應(yīng)的分析與標(biāo)定結(jié)果，各數(shù)據(jù)及其對應(yīng)標(biāo)簽排列整齊簡潔明了地展示在系統(tǒng)界面中，相應(yīng)的圖表實現(xiàn)了可拖拽、可縮放功能并且能夠自行調(diào)節(jié)文件讀取速率，從而直觀查看各個時段的數(shù)據(jù)變化規(guī)律，每一幀的數(shù)據(jù)源格式在讀取的同時展示在信息板上，實現(xiàn)了一一對應(yīng)。

3.2 系統(tǒng)登錄

本系統(tǒng)在Ubuntu18.04下采用基于C++的QT Creator 5.10.0進(jìn)行上位機軟件的總體設(shè)計。系統(tǒng)運用了Socket網(wǎng)絡(luò)編程、TCP/IP協(xié)議以及多線程同步等技術(shù)。其中系統(tǒng)的登錄界面如圖7所示，其中用戶信息管理與數(shù)據(jù)庫相連接。

圖7 系統(tǒng)登錄界面

3.3 總體設(shè)計開發(fā)

該平臺開發(fā)內(nèi)容包含前端交互式UI設(shè)計與后端數(shù)據(jù)流傳輸，其中前端UI繼承了QCustomPlot(QCP)類，調(diào)用QCP：：iRangeDrag和QCP：：iRangeZoom類函數(shù)實現(xiàn)在Qwidget控件中以可拖拽、可縮放的圖表實時繪制駕駛模擬數(shù)據(jù)；使用QLabel和QTextBrowser捕獲并展示每幀數(shù)據(jù)各個字段的對應(yīng)值。后端開發(fā)部分將行車影像與數(shù)據(jù)幀時間戳完成同步，將數(shù)據(jù)幀的各個字段逐一解析并放入對應(yīng)的QVector中，最后完成各個子模塊Signal-Slot函數(shù)的編寫。

3.4 車載運動測量與組合定位系統(tǒng)模塊

圖8所示為車載運動測量與組合定位系統(tǒng)模塊的上位機界面，右下側(cè)為下位機子系統(tǒng)傳輸?shù)?6進(jìn)制報文用上位機程序轉(zhuǎn)換為NMEA-0183數(shù)據(jù)格式后，采用其中“GNGGA”協(xié)議語句,并將輸出的每一幀間隔100 ms的帶有同步時間戳的GPS數(shù)據(jù)以數(shù)據(jù)流的形式展現(xiàn)在界面上；右上側(cè)為數(shù)據(jù)解讀界面，將實時顯示車輛的經(jīng)緯度、速度、三軸加速度、姿態(tài)角等信息；左側(cè)為數(shù)據(jù)可視化界面，以折線圖的形式實時顯示車輛的速度、定位偏差、經(jīng)緯度偏差和姿態(tài)角偏差信息。其中數(shù)據(jù)傳輸方式分為文件傳輸與TCP/IP協(xié)議傳輸，前者用于導(dǎo)入已采集完成的GPS數(shù)據(jù)，后者用于在采集過程中實時解析由CAN總線發(fā)送的報文字段。

圖8 車載移動測量與組合定位系統(tǒng)界面

3.5 車載方向盤與踏板位移傳感器模塊

圖9為車載踏板與方向盤位移傳感器模塊的上位機界面，右下側(cè)的每一幀數(shù)據(jù)為某一固定時刻位移傳感器模擬量經(jīng)過I/O轉(zhuǎn)換模塊轉(zhuǎn)換后輸出的位移原始量及經(jīng)過歸一化預(yù)處理標(biāo)定后的修正量；上側(cè)為數(shù)據(jù)可視化界面，實時顯示位移傳感器標(biāo)定后的修正量，有助于更直觀地判斷駕駛?cè)说牟忍び烷T踏板與轉(zhuǎn)動方向盤的頻率與幅度。

圖9 車載方向盤與踏板位移傳感器系統(tǒng)界面

3.6 雷視道路多維感知一體機模塊

圖10為雷視道路多維感知一體機模塊的上位機界面，右下側(cè)為下位機子系統(tǒng)傳輸?shù)睦滓暷繕?biāo)檢測結(jié)果數(shù)據(jù)流；右上側(cè)為數(shù)據(jù)解讀界面實時顯示視頻識別獲得的目標(biāo)類型(分為機動車、非機動車與行人)、目標(biāo)的大小(依次為大型車、中型車、小型車)、目標(biāo)的車牌號碼及車牌顏色、目標(biāo)的縱向與橫向速度、目標(biāo)相對于相機的X、Y偏移、事件的觸發(fā)狀態(tài)、觸發(fā)的事件類型和雷達(dá)的活躍狀態(tài)。在實時輸出目標(biāo)參數(shù)的同時，在左側(cè)界面顯示同一時間戳下抓拍的實時影像，便于協(xié)助判斷目標(biāo)當(dāng)前狀態(tài)。

圖10 雷視道路多維感知一體機系統(tǒng)界面

3.7 鐳神32線激光雷達(dá)模塊

圖11為鐳神32線激光雷達(dá)模塊的上位機界面，利用基于C++的Pcl點云動態(tài)鏈接庫與QT相連接，在左側(cè)實時可視化每一幀的Pcd格式點云數(shù)據(jù)，且點云數(shù)據(jù)可與車載運動測量與組合定位模塊相融合，根據(jù)慣性模塊的三軸姿態(tài)角數(shù)據(jù)對點云進(jìn)行坐標(biāo)系轉(zhuǎn)換，最后構(gòu)建出完整的道路三維點云場景。

圖11 鐳神32線激光雷達(dá)模塊系統(tǒng)界面

4 結(jié)束語

本文針對多方位多角度的交通信息數(shù)據(jù)采集任務(wù)，通過總結(jié)相關(guān)需求，設(shè)計與開發(fā)了一款可移植的道路環(huán)境數(shù)據(jù)與駕駛行為同步采集系統(tǒng)，該系統(tǒng)的各個數(shù)據(jù)采集模塊具有高度靈活性與普遍適用性，可移植于小汽車、貨運車輛、客運大巴等多種車輛類型，系統(tǒng)集成了多模塊數(shù)據(jù)采集、儲存、傳輸、標(biāo)定與可視化等功能，支持多項交通數(shù)據(jù)采集任務(wù)的并行處理，且融合了駕駛?cè)吮旧淼鸟{駛行為作為依據(jù)。為證明其適用性，本文對下位機子系統(tǒng)的4個模塊分別進(jìn)行了系統(tǒng)測試，證明了其測量精度的可靠性，驗證結(jié)果表明該系統(tǒng)采集精度能夠滿足多方位交通數(shù)據(jù)自動化采集的總體需求。上位機子系統(tǒng)中融合了4個模塊的用戶交互界面，并完成了模塊間的時間同步，各數(shù)據(jù)信息簡潔明了地展示在系統(tǒng)界面中，相應(yīng)的可視化圖表實現(xiàn)了可拖拽、可縮放功能并且能夠自行調(diào)節(jié)文件讀取速率，從而直觀查看各個時段的數(shù)據(jù)變化規(guī)律，具有較高的應(yīng)用價值。