摘 要：隨著智慧交通行業(yè)的不斷發(fā)展，感知技術(shù)的不斷升級(jí)，傳統(tǒng)檢測(cè)技術(shù)無法滿足復(fù)雜場(chǎng)景下交通信息的采集需求，本文提出了一種基于雷達(dá)和視頻的融合感知技術(shù)，實(shí)現(xiàn)交通流信息的全天候、高精度、多維度實(shí)時(shí)監(jiān)測(cè)和分析。分別論述了融合感知技術(shù)在全息路口、高速公路和隧道以及車路協(xié)同領(lǐng)域應(yīng)用的特點(diǎn)優(yōu)勢(shì)，并對(duì)一體化檢測(cè)器的技術(shù)發(fā)展和質(zhì)量管理提出要求。

關(guān)鍵詞：智慧交通，融合感知，一體化檢測(cè)器

DOI編碼：10.3969/j.issn.1002-5944.2024.19.041

0 引 言

智慧交通以物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)為基礎(chǔ)，通過路面設(shè)備融合感知交通流信息，計(jì)算分析道路實(shí)時(shí)通行狀況，從而優(yōu)化交通流時(shí)空分布，提高交通出行效率。準(zhǔn)確、全面、可靠的交通流信息是智慧交通系統(tǒng)發(fā)揮作用的基礎(chǔ)，基于融合感知技術(shù)的一體化檢測(cè)器通過雷達(dá)與視頻檢測(cè)技術(shù)的深度融合，對(duì)采集的信息進(jìn)行底層數(shù)據(jù)融合、目標(biāo)識(shí)別和決策判斷，統(tǒng)計(jì)流量數(shù)據(jù)，識(shí)別交通事件，多維度提取車輛特征和運(yùn)動(dòng)軌跡信息，形成結(jié)構(gòu)化數(shù)據(jù)，為全息路口、車路協(xié)同、道路預(yù)警等應(yīng)用提供技術(shù)支撐，營造安全、有序、暢通的道路交通環(huán)境。

1 傳統(tǒng)檢測(cè)技術(shù)

隨著智慧交通行業(yè)的不斷發(fā)展，感知技術(shù)的不斷升級(jí)，對(duì)道路交通感知的要求越來越高，單一的傳統(tǒng)檢測(cè)技術(shù)受環(huán)境影響和應(yīng)用場(chǎng)景限制，無法實(shí)現(xiàn)全方位、多維度、全天候監(jiān)控，無法滿足復(fù)雜場(chǎng)景下交通流信息的采集。

地磁檢測(cè)技術(shù)是基于電磁感應(yīng)原理，車輛通過檢測(cè)器上方時(shí)，檢測(cè)器根據(jù)磁場(chǎng)的變化，記錄車輛的通行時(shí)間和方向。地磁檢測(cè)器安裝在路面之下，不易受到環(huán)境、天氣的影響，但是安裝維護(hù)時(shí)阻礙交通，施工量大，當(dāng)發(fā)生擁堵時(shí)，易受到相鄰車輛的干擾，影響檢測(cè)精度。

視頻檢測(cè)技術(shù)是一種基于內(nèi)容的視覺媒體技術(shù)，它主要對(duì)圖像的顏色、紋理、布局等進(jìn)行分析和檢索，實(shí)現(xiàn)對(duì)車輛及事件的識(shí)別。視頻攝像頭安裝簡(jiǎn)單，畫面直觀可靠，是實(shí)時(shí)呈現(xiàn)交通流狀況的核心設(shè)備，但是視頻檢測(cè)技術(shù)一定程度上受到檢測(cè)距離、光照度等因素的影響，造成監(jiān)控范圍小、畫面過度曝光。

雷達(dá)檢測(cè)技術(shù)是通過電磁波檢測(cè)到物體時(shí)引起回波信號(hào)的時(shí)間或頻率的變化實(shí)現(xiàn)車輛的檢測(cè)。雷達(dá)檢測(cè)器檢測(cè)距離長(zhǎng)、受光照度影響較小，抗干擾能力強(qiáng)，能全天候不間斷工作，但在擁堵、非機(jī)動(dòng)車及行人混合的交通場(chǎng)景下，由于目標(biāo)靜止、速度慢、散射面積小，造成例如高速停車和行人闖入的漏報(bào)、路口排隊(duì)長(zhǎng)度預(yù)測(cè)失真等問題。

2 新型檢測(cè)技術(shù)

實(shí)時(shí)交通流信息是智慧交通最基本、核心的信息源，只有性能更優(yōu)、功能更可靠、滿足全天候工作的檢測(cè)技術(shù)才能實(shí)現(xiàn)對(duì)實(shí)時(shí)交通流信息的準(zhǔn)確采集、融合和分析，包括車流量、速度、擁堵、車頭間距、占有率、排隊(duì)長(zhǎng)度、實(shí)時(shí)位置、交通事件、非機(jī)動(dòng)車、行人等。融合感知技術(shù)結(jié)合雷達(dá)與視頻檢測(cè)技術(shù)的優(yōu)點(diǎn)[1]，形成技術(shù)互補(bǔ)，以廣域雷達(dá)檢測(cè)技術(shù)[2]，視頻AI檢測(cè)技術(shù)為基礎(chǔ)，實(shí)現(xiàn)交通流信息統(tǒng)計(jì)和交通事件識(shí)別。在數(shù)據(jù)采集過程中，配合目標(biāo)跟蹤和高精度定位信息，對(duì)雷達(dá)數(shù)據(jù)、視頻數(shù)據(jù)進(jìn)行實(shí)時(shí)交互，實(shí)現(xiàn)數(shù)據(jù)的融合匹配。

2.1 廣域雷達(dá)檢測(cè)技術(shù)

微波雷達(dá)檢測(cè)技術(shù)從早期的只提供速度信息，到后來能夠提供速度與距離信息，再到近幾年主流的3D毫米波雷達(dá)，在提供速度+距離+角度信息的基礎(chǔ)上能夠形成平面定位，實(shí)現(xiàn)多目標(biāo)跟蹤，探測(cè)距離能達(dá)到350米以上。

廣域雷達(dá)檢測(cè)技術(shù)采用多通道天線一發(fā)多收的設(shè)計(jì)，使雷達(dá)天線發(fā)射的波形可以覆蓋更大的區(qū)域，對(duì)檢測(cè)區(qū)域內(nèi)的車輛、非機(jī)動(dòng)車、行人等目標(biāo)的運(yùn)動(dòng)軌跡逐幀采集，獲得目標(biāo)的初始軌跡數(shù)據(jù)。利用大區(qū)域跟蹤檢測(cè)原理，解決大車遮擋小車的情況；以雷達(dá)安裝位置為坐標(biāo)原點(diǎn)，建立參考坐標(biāo)系，對(duì)初始軌跡跟蹤數(shù)據(jù)進(jìn)行坐標(biāo)數(shù)據(jù)標(biāo)定，得到目標(biāo)軌跡跟蹤數(shù)據(jù)；對(duì)檢測(cè)區(qū)域內(nèi)的目標(biāo)車輛進(jìn)行實(shí)時(shí)相對(duì)位置的區(qū)分識(shí)別，得到相對(duì)位置信息；將檢測(cè)車輛的通行信息進(jìn)行數(shù)據(jù)解析與位置標(biāo)定，并應(yīng)用3D雷達(dá)技術(shù)（相對(duì)距離、速度、方位角）區(qū)分、識(shí)別、確定目標(biāo)車輛，給每一個(gè)目標(biāo)車輛標(biāo)定編號(hào)，實(shí)現(xiàn)對(duì)多目標(biāo)檢測(cè)區(qū)分；結(jié)合車輛軌跡跟蹤檢測(cè)技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)，呈現(xiàn)點(diǎn)云圖像信息，對(duì)靜止物體進(jìn)行檢測(cè)、識(shí)別、區(qū)分，進(jìn)行車輛行為分析，判斷交通事件。

2.2 視頻AI檢測(cè)技術(shù)

視頻攝像頭作為目前最廣泛的交通監(jiān)控設(shè)備，能對(duì)道路狀況進(jìn)行實(shí)況呈現(xiàn)是其核心優(yōu)勢(shì)，并能通過視頻識(shí)別技術(shù)對(duì)車輛號(hào)牌、車輛類型、車身顏色等特征進(jìn)行識(shí)別。隨著機(jī)器視覺、深度學(xué)習(xí)等技術(shù)的逐步成熟，視頻AI檢測(cè)技術(shù)得到廣泛應(yīng)用，通過提取視頻中的關(guān)鍵信息，進(jìn)行檢測(cè)、跟蹤、識(shí)別、標(biāo)定等處理，形成相應(yīng)數(shù)據(jù)統(tǒng)計(jì)和事件處理。

視頻AI檢測(cè)技術(shù)主要包含對(duì)象分析、屬性分析和行為分析，通過目標(biāo)檢測(cè)技術(shù)、目標(biāo)跟蹤技術(shù)[3]、屬性識(shí)別技術(shù)、動(dòng)作識(shí)別技術(shù)等實(shí)現(xiàn)，如圖1所示。對(duì)象分析是對(duì)目標(biāo)進(jìn)行結(jié)構(gòu)化識(shí)別，包括車、人、物的分類、位置的檢測(cè)和跟蹤；屬性分析是對(duì)目標(biāo)的顏色、大小、類型等信息的識(shí)別和標(biāo)記；行為分析是對(duì)目標(biāo)的軌跡、動(dòng)作、定位等狀態(tài)的識(shí)別和分析。

目標(biāo)檢測(cè)技術(shù)對(duì)視頻中感興趣區(qū)域進(jìn)行選取，識(shí)別目標(biāo)類型并定位目標(biāo)在圖像中的位置；屬性識(shí)別技術(shù)進(jìn)行目標(biāo)的特征信息識(shí)別、標(biāo)記，從而進(jìn)行特征提取、融合、分類；目標(biāo)跟蹤技術(shù)進(jìn)行目標(biāo)身份時(shí)序關(guān)聯(lián)、目標(biāo)數(shù)據(jù)匹配，利用連續(xù)幀之間的相關(guān)性，對(duì)目標(biāo)在時(shí)間上進(jìn)行連續(xù)追蹤。隨著時(shí)間的推移，相同的目標(biāo)在時(shí)間與空間上被關(guān)聯(lián)到一起，每個(gè)目標(biāo)形成一條軌跡，并給每個(gè)目標(biāo)分配一個(gè)標(biāo)定編號(hào)；動(dòng)作識(shí)別技術(shù)是在目標(biāo)識(shí)別、目標(biāo)跟蹤之后，進(jìn)一步分析目標(biāo)的出現(xiàn)時(shí)間、運(yùn)動(dòng)軌跡、特征信息等，通過對(duì)各個(gè)目標(biāo)的綜合狀態(tài)信息的分析，識(shí)別監(jiān)控區(qū)域中存在的風(fēng)險(xiǎn)、違規(guī)行為或者可疑目標(biāo)。

2.3 融合感知技術(shù)

融合感知技術(shù)以廣域雷達(dá)檢測(cè)技術(shù)和視頻AI檢測(cè)技術(shù)為基礎(chǔ)，分別進(jìn)行數(shù)據(jù)的檢測(cè)、識(shí)別和分析。通過內(nèi)部網(wǎng)絡(luò)實(shí)時(shí)交互、關(guān)聯(lián)、標(biāo)定、匹配，實(shí)現(xiàn)融合感知，最終的融合層根據(jù)不同的應(yīng)用可以分為數(shù)據(jù)融合、特征融合和決策融合[4]，如圖2所示。

通過廣域雷達(dá)檢測(cè)技術(shù)和視頻AI檢測(cè)技術(shù)分別采集范圍內(nèi)所有車輛目標(biāo)的運(yùn)動(dòng)軌跡數(shù)據(jù)，進(jìn)行坐標(biāo)系標(biāo)定，對(duì)兩種軌跡數(shù)據(jù)進(jìn)行預(yù)處理，提高數(shù)據(jù)質(zhì)量，通過時(shí)空同步，實(shí)現(xiàn)兩種軌跡數(shù)據(jù)的坐標(biāo)統(tǒng)一。在此基礎(chǔ)上，根據(jù)兩種軌跡數(shù)據(jù)的車輛運(yùn)動(dòng)狀態(tài)序列的關(guān)聯(lián)關(guān)系進(jìn)行一致性目標(biāo)關(guān)聯(lián)匹配，進(jìn)而提取目標(biāo)的特征信息、狀態(tài)信息，最后將交通流信息進(jìn)行數(shù)據(jù)層融合、特征融合、決策層融合，形成道路交通狀況的全息感知，形成交通流信息的結(jié)構(gòu)化數(shù)據(jù)，實(shí)現(xiàn)交通管理的數(shù)字化。

3 融合感知技術(shù)在智慧交通中的應(yīng)用

融合感知技術(shù)在使用環(huán)境、檢測(cè)范圍、功能和性能指標(biāo)方面較視頻檢測(cè)技術(shù)、雷達(dá)檢測(cè)技術(shù)有顯著提升，如圖3所示。一體化融合感知技術(shù)在處理復(fù)雜交通場(chǎng)景時(shí)更具優(yōu)勢(shì)：（1）檢測(cè)距離長(zhǎng)、數(shù)據(jù)精度高。檢測(cè)縱向距離可達(dá)250米以上，橫向檢測(cè)視角可達(dá)90°以上，能覆蓋雙向6～8車道。車流量、平均速度檢測(cè)精度能到達(dá)98%以上。（2）檢測(cè)功能及特征識(shí)別豐富。實(shí)現(xiàn)車輛類型、軌跡、位置等車輛信息的識(shí)別，擁堵事件、異常停車事件、逆行事件、行人事件等交通事件的預(yù)警。（3）全天候運(yùn)行。采用低照度攝像頭，具備強(qiáng)光抑制、寬動(dòng)態(tài)等功能，配合微波雷達(dá)可實(shí)現(xiàn)全天候精準(zhǔn)檢測(cè)。

3.1 全息路口應(yīng)用

全息路口是基于數(shù)字孿生技術(shù)，通過構(gòu)建“感知+智慧”能力，將道路信息、車輛信息、行人和非機(jī)動(dòng)車等要素進(jìn)行數(shù)字化還原，為路口的智能化、精細(xì)化管理提供解決方案。通過一體化融合感知技術(shù)采集道路車流量、平均速度、占有率、排隊(duì)長(zhǎng)度、車輛號(hào)牌、車輛類型數(shù)據(jù)，采用高性能數(shù)據(jù)處理單元對(duì)數(shù)據(jù)進(jìn)行篩選、分類、分析，形成數(shù)字化信息。同時(shí)，一體化融合感知技術(shù)配合實(shí)時(shí)視頻技術(shù)和高精度定位技術(shù)，可實(shí)時(shí)呈現(xiàn)真實(shí)路況下的車道級(jí)軌跡定位信息，從而實(shí)現(xiàn)路口的智能化、精細(xì)化管理。

3.2 高速公路和隧道應(yīng)用

高速公路和隧道的交通管理與預(yù)警一直是交管部門的痛點(diǎn)，高速公路場(chǎng)景大、距離長(zhǎng)，車輛行駛速度快，檢測(cè)覆蓋率低，隧道空間狹小，能見度低，檢測(cè)識(shí)別率低，不易發(fā)現(xiàn)交通安全隱患，甚至容易引發(fā)二次事故。一體化融合感知技術(shù)憑借雷達(dá)檢測(cè)距離長(zhǎng)、攝像頭低照度功能，能夠全天候不間斷工作，提供實(shí)時(shí)視頻監(jiān)控畫面，對(duì)道路擁堵、異常停車、車輛逆行、占用應(yīng)急車道、貨車占用主車道、非機(jī)車行人闖入等異常交通事件進(jìn)行及時(shí)上報(bào)，預(yù)警預(yù)防二次事故。

3.3 車路協(xié)同應(yīng)用

車路協(xié)同是通過全時(shí)空動(dòng)態(tài)交通信息的采集與融合，開展車輛主動(dòng)安全控制和道路協(xié)同管理。一體化融合感知技術(shù)實(shí)現(xiàn)交通流信息、車輛狀態(tài)特征信息、交通事件信息、行人非機(jī)動(dòng)車信息的精確采集，配合高精度地圖技術(shù)生成軌跡坐標(biāo)數(shù)據(jù)，并進(jìn)行實(shí)時(shí)數(shù)據(jù)分析、交互、融合，給每一個(gè)目標(biāo)生成一個(gè)標(biāo)定編號(hào)，最終實(shí)現(xiàn)全局目標(biāo)的結(jié)構(gòu)化和實(shí)時(shí)矢量化數(shù)據(jù)，為邊緣計(jì)算層的控制、交互和決策提供精準(zhǔn)數(shù)據(jù)支撐，促進(jìn)車路協(xié)同場(chǎng)景的落地。

4 建議措施

新型融合檢測(cè)技術(shù)為交通信息采集提供了準(zhǔn)確、可靠的技術(shù)支撐，下一步可從標(biāo)準(zhǔn)化設(shè)計(jì)、合理化使用、規(guī)范運(yùn)維等方面加強(qiáng)新型道路一體化檢測(cè)器的全生命周期質(zhì)量管理，為道路交通安全管理和通行效率提供更有力的保障。

4.1 標(biāo)準(zhǔn)化產(chǎn)品技術(shù)

在產(chǎn)品技術(shù)標(biāo)準(zhǔn)化方面，GB/T 20609—2023《交通信息采集 微波交通流檢測(cè)器》和G B / T24726—2021《交通信息采集 視頻交通流檢測(cè)器》國家標(biāo)準(zhǔn)已分別規(guī)范了微波交通流檢測(cè)器和視頻交通流檢測(cè)器的功能要求和性能指標(biāo)，2024年，中國道路交通安全協(xié)會(huì)發(fā)布了團(tuán)體標(biāo)準(zhǔn)T/CTS 21—2024《道路交通微波與視頻一體化檢測(cè)器》，對(duì)采用新型檢測(cè)技術(shù)的一體化檢測(cè)器在檢測(cè)精度、數(shù)據(jù)融合等方面提出了系統(tǒng)技術(shù)要求。嚴(yán)格執(zhí)行標(biāo)準(zhǔn)，對(duì)保證產(chǎn)品質(zhì)量，提升產(chǎn)品性能具有重要意義。

4.2 合理選擇應(yīng)用

新型檢測(cè)技術(shù)的融合應(yīng)用應(yīng)遵循因地制宜的原則，根據(jù)不同應(yīng)用場(chǎng)景綜合考慮性能精度、集成性以及成本效益多個(gè)方面，合理選擇適宜的檢測(cè)技術(shù)和功能特點(diǎn)。例如，城市道路車流量大、安裝空間有限，宜選擇精度高、體積小、集成識(shí)別功能的檢測(cè)器；高速公路及隧道距離長(zhǎng)、安全風(fēng)險(xiǎn)高，選擇檢測(cè)覆蓋面大、具備事件預(yù)警功能的檢測(cè)器更為合理。

4.3 強(qiáng)化運(yùn)維管理

實(shí)時(shí)有效的運(yùn)維管理是道路交通檢測(cè)設(shè)備發(fā)揮作用的關(guān)鍵所在。通過應(yīng)用實(shí)時(shí)監(jiān)控系統(tǒng)、配置管理系統(tǒng)等技術(shù)建設(shè)運(yùn)維管理平臺(tái)，對(duì)設(shè)備的運(yùn)行狀態(tài)、性能指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，準(zhǔn)確設(shè)置各類檢測(cè)設(shè)備的參數(shù)配置，及時(shí)排除設(shè)備異常工作狀態(tài)，確保設(shè)備的穩(wěn)定性、安全性和高效性。

5 結(jié) 語

本文介紹了一種基于雷達(dá)和視頻的融合感知技術(shù)，較傳統(tǒng)道路交通信息感知技術(shù)在使用環(huán)境、檢測(cè)范圍、功能和性能有明顯提升，一方面解決復(fù)雜場(chǎng)景下交通事件的準(zhǔn)確預(yù)警，另一方面通過采集、識(shí)別、融合，生成交通流信息的實(shí)時(shí)結(jié)構(gòu)化數(shù)據(jù)，為交通管理的智慧大腦提供數(shù)據(jù)支撐，實(shí)現(xiàn)交通態(tài)勢(shì)感知、集成指揮調(diào)度，推進(jìn)交通管理安全與出行效率的信息化縱深、協(xié)同發(fā)展。

參考文獻(xiàn)

[1]孟維偉，郭麗蘋，張興宇.雷達(dá)與視頻融合的交通信息感知技術(shù)研究[J].橋與防洪，2022（10）：242-244.

[2]鄭明潔，閆賀，張冰塵，等.基于DB S圖像的雙通道廣域監(jiān)視雷達(dá)動(dòng)目標(biāo)檢測(cè)和參數(shù)估計(jì)方法[ J ] .雷達(dá)學(xué)報(bào).2012，1（1）：36-42.

[3]蔣賢皓.基于視頻流的多目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D].成都：電子科技大學(xué)，2023.

[4]陳宏，付立家，尚康，等.基于雷視融合感知技術(shù)的公路隧道交通管控系統(tǒng)研究[J].公路交通技術(shù)，2023，39（6）：153-159.

作者簡(jiǎn)介

袁曉君，本科，工程師，研究方向?yàn)榻煌夹g(shù)監(jiān)控檢測(cè)與標(biāo)準(zhǔn)化。

劉銘豪，本科，助理工程師，研究方向?yàn)榻煌ò踩a(chǎn)品檢測(cè)。

（責(zé)任編輯：袁文靜）

基金項(xiàng)目：本文受中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目“機(jī)動(dòng)車安全技術(shù)查驗(yàn)檢驗(yàn)智能審核系統(tǒng)測(cè)試評(píng)價(jià)技術(shù)研究”（項(xiàng)目編號(hào)：2024081107）資助。