摘 要：針對(duì)單一雷達(dá)的探測(cè)和跟蹤能力有限，無(wú)法全面滿足高速公路全路段車輛的全流程跟蹤需求問(wèn)題，文章提出了一種智能交通雷達(dá)融合跟蹤系統(tǒng)設(shè)計(jì)方案。該方案的核心是利用道路側(cè)多個(gè)獨(dú)立探測(cè)的雷達(dá)數(shù)據(jù)，通過(guò)應(yīng)用統(tǒng)計(jì)信號(hào)處理和機(jī)器學(xué)習(xí)等先進(jìn)技術(shù)，對(duì)高速公路全路段車輛進(jìn)行全流程融合跟蹤。其中，統(tǒng)計(jì)信號(hào)處理技術(shù)能夠有效處理雷達(dá)數(shù)據(jù)中的噪聲和干擾，提高數(shù)據(jù)的準(zhǔn)確性；機(jī)器學(xué)習(xí)技術(shù)則能夠?qū)?shù)據(jù)進(jìn)行深度挖掘，從而對(duì)車輛的行為進(jìn)行準(zhǔn)確預(yù)測(cè)。研究表明，該系統(tǒng)可以有效地實(shí)現(xiàn)車輛全流程軌跡跟蹤，可以為數(shù)字孿生、智慧高速云控平臺(tái)等上層信息系統(tǒng)提供可靠的感知數(shù)據(jù)基礎(chǔ)，推動(dòng)智慧高速公路的建設(shè)和發(fā)展。

關(guān)鍵詞：智慧交通；雷達(dá)；數(shù)據(jù)融合

中圖分類號(hào)：U495

0 引言

雷達(dá)是一種利用無(wú)線電波進(jìn)行距離、速度和方向測(cè)量的設(shè)備，具有全天時(shí)全天候的特性，無(wú)論是雨天、雪天，還是夜晚，雷達(dá)都可以正常工作，提供準(zhǔn)確的數(shù)據(jù)。在智慧高速公路建設(shè)中，雷達(dá)技術(shù)可以實(shí)現(xiàn)對(duì)車輛的精確檢測(cè)和跟蹤，為智能交通管理系統(tǒng)提供可靠的數(shù)據(jù)支持。通過(guò)雷達(dá)技術(shù)，可以實(shí)時(shí)了解道路上的車輛情況，為交通指揮和調(diào)度提供依據(jù)，為交通應(yīng)急事件處置提供更多參考［1］。

然而，單一雷達(dá)的探測(cè)和跟蹤能力有限，無(wú)法全面滿足高速公路全路段車輛的全流程跟蹤需求。為了解決這一問(wèn)題，文章將多雷達(dá)融合跟蹤系統(tǒng)應(yīng)用到智慧交通中。多雷達(dá)融合跟蹤系統(tǒng)通過(guò)整合多個(gè)雷達(dá)的數(shù)據(jù)，可以實(shí)現(xiàn)對(duì)高速公路全路段車輛進(jìn)行全流程融合跟蹤，從而提高交通車輛監(jiān)控的準(zhǔn)確性和效率。

1 技術(shù)應(yīng)用環(huán)境與主要技術(shù)難點(diǎn)分析

廣西地區(qū)以丘陵地形為主，地勢(shì)起伏多且復(fù)雜，地貌特點(diǎn)決定了在高速公路的建設(shè)中需大量采用隧道來(lái)穿越地勢(shì)復(fù)雜的區(qū)域。由于隧道具有一定的封閉性，當(dāng)出現(xiàn)車輛碰撞、火災(zāi)、煙霧等特殊情況時(shí)，極易產(chǎn)生重大交通安全事故，因此隧道的行車安全管控是高速公路日常管理的重中之重。本文研究的系統(tǒng)以廣西信梧高速公路爽沖隧道作為實(shí)驗(yàn)場(chǎng)所，該隧道全長(zhǎng)約1 500 m，雙向各一洞，每洞兩車道，于2022年11月通車以來(lái)車流量較多，是系統(tǒng)應(yīng)用的重點(diǎn)場(chǎng)景和絕佳實(shí)驗(yàn)場(chǎng)所。然而，在隧道環(huán)境中應(yīng)用雷達(dá)技術(shù)時(shí)，存在一些技術(shù)難點(diǎn)。本節(jié)將討論這些難點(diǎn)，并探討如何解決這些問(wèn)題。

（1）在隧道中，由于環(huán)境的封閉性，雷達(dá)的信號(hào)傳播環(huán)境與開(kāi)闊空間相比發(fā)生了很大的變化。信號(hào)在傳播過(guò)程中會(huì)受到各種干擾，如反射、折射和散射等。這些干擾會(huì)導(dǎo)致雷達(dá)的測(cè)量結(jié)果出現(xiàn)偏離誤差。為了減小這種誤差，可以通過(guò)對(duì)雷達(dá)輸出的車輛點(diǎn)跡數(shù)據(jù)應(yīng)用卡爾曼濾波信號(hào)處理技術(shù)來(lái)實(shí)現(xiàn)，這提升了雷達(dá)的抗干擾能力。

（2）在雷達(dá)檢測(cè)中，大型車輛可能會(huì)被分成多個(gè)目標(biāo)。這是因?yàn)槔走_(dá)的分辨率有限，無(wú)法準(zhǔn)確地識(shí)別出大型車輛的整體形狀，從而將占據(jù)多個(gè)分辨單元的大目標(biāo)識(shí)別為多個(gè)小目標(biāo)。另外，由于隧道壁的鏡像反射效應(yīng)，大型車輛的回波也很強(qiáng)，經(jīng)過(guò)鏡像反射后也會(huì)形成分裂的假目標(biāo)。

（3）在實(shí)際應(yīng)用中，需要將來(lái)自多個(gè)雷達(dá)的數(shù)據(jù)進(jìn)行配準(zhǔn)，以便得到車輛的準(zhǔn)確位置。在車輛即將駛出前一雷達(dá)的覆蓋范圍，同時(shí)駛?cè)牒笠焕走_(dá)的覆蓋范圍時(shí)，需要通過(guò)融合算法將屬于相同車輛的檢測(cè)結(jié)果關(guān)聯(lián)起來(lái)，形成類似“接力棒”式的探測(cè)方式。然而，由于雷達(dá)的定位精度有限，以及在隧道環(huán)境中可能存在的信號(hào)干擾等因素，同一時(shí)刻兩個(gè)雷達(dá)對(duì)同一目標(biāo)的檢測(cè)定位結(jié)果存在系統(tǒng)誤差，如何將雷達(dá)輸出車輛坐標(biāo)進(jìn)行配準(zhǔn)成為一個(gè)技術(shù)難點(diǎn)。

（4）經(jīng)過(guò)坐標(biāo)系校準(zhǔn)后的雷達(dá)數(shù)據(jù)，不同雷達(dá)對(duì)同一車輛的檢測(cè)數(shù)據(jù)坐標(biāo)可以集中到真實(shí)值附近。但是由于噪聲造成的隨機(jī)誤差、目標(biāo)照射視角不同和雷達(dá)掃描時(shí)間不同步等原因，兩雷達(dá)輸出坐標(biāo)仍然存在隨機(jī)誤差，在隨機(jī)誤差無(wú)法消除、車輛較多、車距較近，存在超車變道等復(fù)雜車況下，仍能進(jìn)行正確關(guān)聯(lián)，是另一個(gè)技術(shù)難點(diǎn)。

2 系統(tǒng)方案

在隧道環(huán)境中應(yīng)用雷達(dá)技術(shù)存在諸多技術(shù)難點(diǎn)。為解決這些問(wèn)題，本文從提高雷達(dá)抗干擾能力、優(yōu)化目標(biāo)識(shí)別算法和提高數(shù)據(jù)配準(zhǔn)精度等方面入手，通過(guò)深入研究和技術(shù)創(chuàng)新，研究設(shè)計(jì)了一種雷達(dá)融合跟蹤系統(tǒng)。

本系統(tǒng)具體技術(shù)方案為，隧道右側(cè)壁部署雷達(dá)樁點(diǎn)，樁點(diǎn)間距約250 m，所有設(shè)備通過(guò)高速公路以太網(wǎng)連接至邊緣端Ubuntu服務(wù)器上，由服務(wù)程序運(yùn)行所有跟蹤融合算法，再將結(jié)果上傳到運(yùn)控平臺(tái)。算法程序基于C++語(yǔ)言實(shí)現(xiàn)，主體程序采用gstreamer開(kāi)源流媒體框架編寫(xiě)，以gstreamer插件的形式實(shí)現(xiàn)各個(gè)功能組件。主要實(shí)現(xiàn)的功能組件包括：雷達(dá)數(shù)據(jù)源接收模塊、軌跡濾波模塊、坐標(biāo)變換模塊，數(shù)據(jù)融合模塊構(gòu)成。

2.1 數(shù)據(jù)源接收模塊

數(shù)據(jù)源接收模塊與雷達(dá)建立網(wǎng)絡(luò)連接，接收來(lái)自雷達(dá)輸出的檢測(cè)數(shù)據(jù)。雷達(dá)根據(jù)自身檢測(cè)時(shí)間間隔，定時(shí)向數(shù)據(jù)源發(fā)送數(shù)據(jù)包，典型的時(shí)間間隔為100 ms。數(shù)據(jù)包的類型既包含目標(biāo)運(yùn)動(dòng)狀實(shí)時(shí)數(shù)據(jù)包，還有事件檢測(cè)數(shù)據(jù)包。事件檢測(cè)類型包括停車、逆行等。不同廠家雷達(dá)之間的數(shù)據(jù)輸出格式不同，數(shù)據(jù)源接收模塊可根據(jù)配置，適配多家雷達(dá)廠商，將數(shù)據(jù)格式轉(zhuǎn)換為系統(tǒng)內(nèi)部統(tǒng)一格式。

2.2 軌跡濾波模塊

在軌跡濾波模塊，使用卡爾曼濾波算法對(duì)雷達(dá)輸出的各個(gè)目標(biāo)軌跡數(shù)據(jù)進(jìn)行優(yōu)化。為了簡(jiǎn)化協(xié)方差矩陣的計(jì)算，使用α-β濾波器——一種具有恒定增益矩陣的卡爾曼濾波器變種算法。為了適應(yīng)不同的車況和道路形狀，建立了勻速直線運(yùn)動(dòng)、勻加速直線運(yùn)動(dòng)、曲線運(yùn)動(dòng)等多種運(yùn)動(dòng)模型，從而大大提升了原始雷達(dá)輸出軌跡的質(zhì)量。為了處理目標(biāo)分裂的問(wèn)題，通過(guò)對(duì)各個(gè)雷達(dá)覆蓋路段的大量統(tǒng)計(jì)數(shù)據(jù)研究，總結(jié)了各路段大概率出現(xiàn)分裂目標(biāo)的距離范圍，對(duì)高頻分裂區(qū)域采取更為嚴(yán)格的軌跡確認(rèn)標(biāo)準(zhǔn)。

2.3 坐標(biāo)變換模塊

坐標(biāo)變換模塊主要完成各雷達(dá)輸出數(shù)據(jù)的局部坐標(biāo)系到全局坐標(biāo)系的轉(zhuǎn)換。每一個(gè)雷達(dá)數(shù)據(jù)點(diǎn)包含目標(biāo)的x軸和y軸坐標(biāo)，對(duì)該坐標(biāo)矢量乘以旋轉(zhuǎn)矩陣和偏移量，完成局部坐標(biāo)系到全局坐標(biāo)系的轉(zhuǎn)換。對(duì)每一個(gè)雷達(dá)，需要確定旋轉(zhuǎn)角以及坐標(biāo)偏移量三個(gè)參數(shù)。由于隧道的特殊環(huán)境，無(wú)法完成對(duì)每一個(gè)雷達(dá)相對(duì)位置的高精度定位，利用過(guò)往車量的記錄數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)的算法確定每個(gè)雷達(dá)的坐標(biāo)變換系數(shù)［2］。通過(guò)學(xué)習(xí)算法，可以將坐標(biāo)配準(zhǔn)平均誤差減少到3 m。這一結(jié)果已經(jīng)與普通車輛的尺寸相當(dāng)，為軌跡關(guān)聯(lián)算法的執(zhí)行提供了有效的數(shù)據(jù)支撐。

2.4 軌跡關(guān)聯(lián)模塊

軌跡關(guān)聯(lián)模塊需要將不同雷達(dá)對(duì)于同一輛車的檢測(cè)數(shù)據(jù)關(guān)聯(lián)在一起，實(shí)現(xiàn)全流程的跟蹤。為了能夠正確完成關(guān)聯(lián)，需要對(duì)比兩組屬于不同雷達(dá)的軌跡之間的相似程度。對(duì)于一對(duì)軌跡，使用時(shí)間最接近的數(shù)據(jù)點(diǎn)間的狀態(tài)的均方誤差作為相似程度度量，對(duì)軌跡進(jìn)行兩兩配對(duì)計(jì)算相似度，再對(duì)配對(duì)結(jié)果進(jìn)行排序，按照相似度的高低決定關(guān)聯(lián)結(jié)果。由于雷達(dá)測(cè)量原理的原因，對(duì)目標(biāo)檢測(cè)點(diǎn)的不同狀態(tài)的量綱、誤差大小不同，這意味著不同的狀態(tài)分量的估計(jì)誤差應(yīng)該對(duì)最終決策產(chǎn)生不一樣的影響。為了權(quán)衡不同分量的重要性，分析雷達(dá)的歷史記錄數(shù)據(jù)，統(tǒng)計(jì)出了各個(gè)狀態(tài)估計(jì)誤差的方差，利用方差的倒數(shù)作為權(quán)重，對(duì)不同分量的誤差進(jìn)行加權(quán)，得到相似度［3］。

2.5 云控平臺(tái)系統(tǒng)

上述模塊均部署在雷達(dá)數(shù)據(jù)處理服務(wù)器上，軌跡數(shù)據(jù)融合后，將融合結(jié)果通過(guò)消息隊(duì)列發(fā)送到云控平臺(tái)服務(wù)器。云控平臺(tái)完成數(shù)據(jù)車輛跟蹤軌跡的可視化顯示，并完成停車、逆行等檢測(cè)事件的記錄、上報(bào)等功能。

3 應(yīng)用效果

軌跡數(shù)據(jù)的最終融合效果可視化圖像如圖2所示，圖中為兩輛行駛在兩個(gè)獨(dú)立車道的車輛軌跡，分別由6個(gè)雷達(dá)的獨(dú)立軌跡融合關(guān)聯(lián)而成。圖3是未采用機(jī)器學(xué)習(xí)方法，僅采用粗略原始定位數(shù)據(jù)進(jìn)行坐標(biāo)變換的效果。由圖3可知，原矯正方法兩車道車輛軌跡混疊問(wèn)題嚴(yán)重，融合段軌跡誤差較大，采用機(jī)器學(xué)習(xí)方法后，兩車軌跡可以清晰地區(qū)分開(kāi)來(lái)。定量數(shù)據(jù)統(tǒng)計(jì)顯示，融合的軌跡的均方誤差可從11 m降低到3 m。

云控平臺(tái)上展示效果如圖4所示。圖中顯示兩輛正常行駛的貨車在隧道中的實(shí)時(shí)位置。

4 結(jié)語(yǔ)

本文研究了一種智慧雷達(dá)融合跟蹤系統(tǒng)，其由雷達(dá)數(shù)據(jù)源接收模塊、軌跡濾波模塊、坐標(biāo)變換模塊、軌跡關(guān)

聯(lián)模塊等組成，該系統(tǒng)應(yīng)用了機(jī)器學(xué)習(xí)方法優(yōu)化系統(tǒng)參數(shù)，取得了更為優(yōu)異的軌跡跟蹤效果。后續(xù)可針對(duì)結(jié)合視頻數(shù)據(jù)進(jìn)一步優(yōu)化車輛軌跡跟蹤效果作進(jìn)一步研究。

參考文獻(xiàn)：

［1］梁 璐，梁 杏，楊玉琳.基于雷達(dá)與視頻的高速公路數(shù)字孿生系統(tǒng)研究［J］.西部交通科技，2023（10）：1-7.

［2］何 友，修建娟，劉 瑜，等.雷達(dá)數(shù)據(jù)處理及其應(yīng)用［M］.北京：電子工業(yè)出版社，2022.

［3］梁文靜.交通雷達(dá)多目標(biāo)跟蹤方法研究［D］.西安：西安電子科技大學(xué)，2021.20240403