基于物聯(lián)網(wǎng)技術(shù)的智能交通異常事件檢測(cè)技術(shù)

文/何蕓 王玉梅

在智能交通領(lǐng)域中，物聯(lián)網(wǎng)技術(shù)主要應(yīng)用在車聯(lián)網(wǎng)、無(wú)線數(shù)據(jù)通信等方面，可以在車輛中進(jìn)行信息共享，還可以通過(guò)無(wú)線射頻識(shí)別進(jìn)行自動(dòng)物品識(shí)別。在交通道路中，突發(fā)異常事件的危害是具備影響性和破壞性的，也會(huì)影響正常的交通秩序，引起交通擁擠和擁堵情況，據(jù)不完全統(tǒng)計(jì)，每年因?yàn)榻煌ó惓Ｊ录鸬膿p失已達(dá)上千億元人民幣。因此需要對(duì)交通異常事件進(jìn)行實(shí)時(shí)檢測(cè)，減少此類事件帶來(lái)的危害，降低損失，快速回復(fù)交通正常秩序，提高交通道路的運(yùn)行效率，如何利用物聯(lián)網(wǎng)的技術(shù)優(yōu)勢(shì)進(jìn)行智能交通異常事件的檢測(cè)是一個(gè)值得探討的問(wèn)題。物聯(lián)網(wǎng)的基本組成結(jié)構(gòu)如圖1所示。

1 智能交通異常事件檢測(cè)方法及特征

圖1：物聯(lián)網(wǎng)基本組成結(jié)構(gòu)

1.1 間接交通事件檢測(cè)算法

可大致分為：基于模式匹配或比較的算法、基于統(tǒng)計(jì)分析的算法、基于交通流模型的算法和基于人工智能的算法。這些算法中的大多數(shù)基于固定車輛檢測(cè)器(例如環(huán)形線圈檢測(cè)器等)。使用的基本輸入?yún)?shù)是時(shí)間或空間流量，速度，行程時(shí)間，占用率等。隨著視頻設(shè)備的性能和降低成本的提高，閉路電視監(jiān)控系統(tǒng)已經(jīng)建立了幾乎所有的交通路線。許多學(xué)者還提出了基于視頻的流量異常檢測(cè)算法來(lái)擴(kuò)展監(jiān)視系統(tǒng)的功能。與間接方法相比，這種直接方法實(shí)際上“看到”了交通事件的發(fā)生，而不是通過(guò)交通事件檢測(cè)交通事件的存在。此外，基于視頻的檢測(cè)系統(tǒng)可以獲取流量參數(shù)，如流量，車輛速度，車道占用，車輛長(zhǎng)度和旅行時(shí)間，并且還可以識(shí)別更多的交通流量信息，諸如車輛類型和車輛軌跡，并且可以監(jiān)視大距離的范圍情況下，平均檢測(cè)時(shí)間比基于線圈的異常檢測(cè)系統(tǒng)小得多。隨著模式識(shí)別，數(shù)字圖像處理和計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，基于視頻的交通事件檢測(cè)系統(tǒng)將被廣泛應(yīng)用于智能交通管理領(lǐng)域。

1.2 交通道路中的突發(fā)異常事件本身具備一定的靜態(tài)特征和外部的動(dòng)態(tài)特征

本身靜態(tài)特征主要是事件對(duì)事件參與者本身的感官方面的刺激和記憶，這些靜態(tài)特征的發(fā)生發(fā)展與事件本身的情況有關(guān)，可以用來(lái)描述事件發(fā)生發(fā)展的狀態(tài)性質(zhì)，也是直接事件檢測(cè)所需要具備的基本數(shù)據(jù)對(duì)象。外部特征主要表現(xiàn)在事件對(duì)正常交通道路方面的影響上，不能確切描述事件本身的性質(zhì)，但是可以用來(lái)判定是否存在突發(fā)異常事件的產(chǎn)生，因此主要屬于間接事件檢測(cè)方式的數(shù)據(jù)特征。在城市交通領(lǐng)域中，原發(fā)性的異常事件主要包含車輛交通事故、人車交通事故、車輛異常情況等類型，由于車輛本身硬件故障所產(chǎn)生的車輛拋錨類事故占比為81%，造成惡性不良影響的交通事故占比18%，其余情況占比1%。因此需要了利用基于物聯(lián)網(wǎng)的智能交通網(wǎng)絡(luò)作為交通道路突發(fā)異常事件監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)采集設(shè)備，來(lái)完成對(duì)異常事件中車輛速度、事故聲音圖像等特征數(shù)據(jù)的采集。

智能交通異常事件檢測(cè)方法的對(duì)比如表1所示。

2 物聯(lián)網(wǎng)技術(shù)在智能交通異常事件檢測(cè)中的應(yīng)用

利用基于物聯(lián)網(wǎng)的智能交通網(wǎng)絡(luò)作為交通應(yīng)急檢測(cè)系統(tǒng)的數(shù)據(jù)采集設(shè)備，完成車速、事故聲音、事故圖像等特征數(shù)據(jù)的采集，有必要注意以下幾個(gè)方面關(guān)鍵技術(shù)的研究與應(yīng)用：

表1：智能交通異常事件檢測(cè)方法對(duì)比

2.1 實(shí)現(xiàn)了基于物聯(lián)網(wǎng)的智能交通網(wǎng)絡(luò)檢測(cè)車輛，獲取交通流量數(shù)據(jù)，事件特征數(shù)據(jù)等

車輛檢測(cè)是實(shí)施數(shù)據(jù)的基礎(chǔ)。可以通過(guò)檢測(cè)車輛與地面磁場(chǎng)的干擾，或車輛行駛的聲音或車輛目標(biāo)的外觀來(lái)實(shí)現(xiàn)車輛的檢測(cè)。視頻監(jiān)控區(qū)?；谖锫?lián)網(wǎng)的智能交通網(wǎng)絡(luò)設(shè)備集成了各種類型的傳感器，可以感知上述特征數(shù)據(jù)，但視頻信息的處理復(fù)雜，消耗大量能量，受光影響很大。

2.2 多類型傳感器數(shù)據(jù)融合

信息融合的目的是將基于各種傳感器的觀測(cè)信息分離，通過(guò)優(yōu)化的信息組合得出有效信息，并利用多個(gè)傳感器的聯(lián)合操作來(lái)改進(jìn)各類傳感器數(shù)據(jù)的融合技術(shù)。信息主要用于生成特征數(shù)據(jù)對(duì)業(yè)務(wù)的緊急說(shuō)明，并提供數(shù)據(jù)支持，為下一步猜測(cè)是否發(fā)生事件和事件的類型。

2.3 定位技術(shù)的有效運(yùn)用

隨著無(wú)線定位技術(shù)的飛速發(fā)展和迅速推廣的基于位置的移動(dòng)定位服務(wù)，車載系統(tǒng)或手機(jī)與電子車牌有定位功能，以及無(wú)線通信的融合，如果使用ETC卡或?qū)⑹褂玫缆方煌ù趴ū桓淖優(yōu)镽FID卡，并且執(zhí)行基于RFID的事件自動(dòng)檢測(cè)。

3 結(jié)語(yǔ)

隨著信息技術(shù)的發(fā)展，傳感技術(shù)、通信技術(shù)、交通目標(biāo)識(shí)別與定位技術(shù)，特別是公路協(xié)調(diào)的發(fā)展環(huán)境、人、車、路、環(huán)境的融合，交通參與者的交通場(chǎng)景的意識(shí)已大大增強(qiáng)。此外，人們更加關(guān)注交通安全和交通需求管理的信息服務(wù)。交通事件管理的智能交通系統(tǒng)的運(yùn)行的作用。更重要的，這使對(duì)可靠性要求較高，實(shí)時(shí)和自動(dòng)交通事故檢測(cè)的定位精度。自動(dòng)地檢測(cè)異常事件的目的是確保事件及時(shí)發(fā)現(xiàn)和及時(shí)處理。因此，異常檢測(cè)和應(yīng)急救援管理的有效整合應(yīng)執(zhí)行過(guò)程中的異常事件盡快確保最佳的交通控制與管理，交通信息傳感計(jì)劃，以減少交通堵塞，盡快疏導(dǎo)交通，并迅速恢復(fù)道路。