基于高速公路全程監控的路況仿真技術探討

曾宇凡

摘 要：高速公路交通系統仿真可以實現道路監控視頻信息的高效利用，及時全面展示道路路況，還可以實現數據積累為智能交通管理提供科學依據。本文將對基予高速公路全程監控視頻信息進行采集分析的路況仿真技術進行探討，研究適合于高速公路的交通仿真系統的數據采集技術、仿真系統架構、智能分析技術。

關鍵詞：全程監控;信息采集;仿真系統架構;智能分析

中圖分類號：U495 文獻標識碼：A 文章編號：1671-2064（2019）04-0119-02

隨著我國社會和經濟的快速發展，近幾年我國的高速公路通車里程有了飛速增長。十二五期間，全國高速公路里程從2010年的7.4萬公里增長至2015年的12.4萬公里，同時人們的生活水平不斷地提高，汽車保有量、貨物流通量均出現了大幅的增長，這就給我國高速公路帶來了巨大的壓力，帶來了一系列的交通問題，例如高速交通事故發生數量不斷增加，重大節假日期間高速公路的擁堵現象，城市周邊環城路段的交通流量壓力巨大等問題。現階段采用智慧交通體系有效疏導公眾的出行方式，精準管理關鍵路段關鍵時點的交通秩序成為最為有效的解決方法。智慧交通管理體系當中全程視頻監控又是其中最直觀、最及時的信息獲取手段，為充分利用高速公路視頻監控的優勢提高智慧交通管理水平，本文主要就基于高速公路遠程監控的仿真技術進行探討。

1 高速公路全程監控現狀

當前高速公路全程監控系統的作用已經得到論證[1]，主要可以實現以下幾個作用：

（1）可以實時監測當前路況，全天候全時段記錄路面視頻信息，并且實時回傳路面視頻到監控中心，并與監控中心直觀監控，同時能夠及時對路面狀況作出判斷。（2）對高速公路上出現的意外情況、交通事故、自然災害可以第一時間發現，并且能快速分析突發事件的初步原因，以及時制定應對措施，及時發布相關事故信息避免出現較大擁堵現象。（3）可以幫助交管部門加強治理高速公路上的一些違章行為，如超速、占用應急車道等，同時將通過高清畫面和車牌識別等技術確定交通違章車輛和個人。（4）可以幫助高速公路運營管理部門加強逃費車輛的追查，分析嫌疑車輛的行車軌跡和行車規律，為收費打逃提供信息支持。

總之高速公路智能全程監控系統的建設，可以加強高速公路的規范性，促進高速公路更好的發展，為人民群眾的出現提供了極大的便利。

基于上述的幾點好處近幾年全國多條高速公路均開展了智能監控系統的建設，高速公路全程監控的建設標準也從早期的模擬視頻圖像向高清數字圖像逐步提高，隨著網絡帶寬，信號傳輸設備，視頻存儲設備的不斷升級高速公路視頻監控已經能夠實現前端攝像、傳輸、存儲、瀏覽和顯示的高清化[2]。近幾年隨著模式識別技術的發展，利用視頻監控進行精準的事件監測、車流監測、能見度監測、煙火監測等已經能夠實現。總體來看高速公路智能全程監控已經從“看得見”到“看得清”再到“看得懂”的方向上發展。當前由于互聯網技術、大數據、云計算等新技術的發展，針對全程監控視頻圖像需要人為進行實時觀測，圖像數據存儲量巨大只能簡單的定期循環存儲的問題，如果不對這些高清影像數據進行深度挖掘利用，不僅占用大量的存儲資源，還造成巨大的信息資源浪費[3]。

所以當前對于高速公路智能全程監控又提出了新的要求，就是能夠將監控視頻中價值密度低、無效信息占比大的數據中提取出其中有意義的信息，并將這些信息整合分析展現出來。具體來說就是根據視頻信息分析判斷出路面狀況，行車信息，人員信息，氣象信息等并將這些路面信息進行整合不斷積累，通過大數據分析技術綜合分析高速公路狀況并能夠通過虛擬仿真技術將高速公路整體路況信息呈現出來，方便監控員能夠實時掌握。

2 監控視頻信息采集技術

視頻監控圖像數據源自高速公路全程監控設備拍攝的客觀記錄，其中的信息量十分巨大，也具有巨大的信息深度挖掘價值，因此從高速公路全程監控視頻信息中提取具有意義的信息是一件很重要的工作。

根據道路交通工程學的需求，結合圖像處理技術對于圖像信息特征的提取能力，可以通過監控圖像中提取的數據主要由以下幾項：

（1）車輛數據，主要包括車輛位置、牌照、車型、車身顏色、車輛形狀特征、車輛行駛速度、行駛方向、車輛車道數據、車內人員特征、車內物品特征等信息。（2）路面數據，主要包括車流數據、平均車速數據、路面平整度信息、路面物體信息、路面異常信息。（3）人員數據，主要包括車內人員臉部特征、性別特征、服飾特征、運動特征，還包括路上出現的行人的人員位置信息、人員臉部特征、性別特征、服飾特征、運動特征。（4）物體數據，主要包括物體擺放位置、物體特征、種類、類型、歸屬等。（5）異常事件數據，主要包括交通事故信息、自然災害信息、車輛異常行駛信息、出現異常行人信息等。（6）統計數據，主要是將根據監控視頻識別出來的信息進行統計分析，包括視域中的車輛數據、車內人員數據、出現路面行人的數據、車輛運行速度、橫截面車流、路面占有率等。

針對視頻運動目標的檢測與識別可以采用的主流方法有光流法、幀間差分法和背景差分法。

光流法（Optical Flow）[4]的原理是對光流場進行估算進而實現運動目標的檢測和分割。光流法檢測運動目標的基本原理是圖像中的每一個像素點都對應一個速度矢量，在運動的每一刻，二維圖像上的點和三維物體上的點是一一對應的，這可以通過投影關系得到。每一個像素都對應一個速度矢量，整個圖像就對應一個運動場，而根據各個像素點的速度矢量特征，可以對圖像進行動態分析。

幀間差分（Temporal Difference）圖像法[5]利用了圖像序列相鄰幀之間的強相關性，取相鄰的圖像序列作為參考圖像，進行序列間的差分檢驗來確定運動的目標，是最簡單的運動目標檢測方法。

背景差分法（Background Subtraction）[6]是利用當前圖像與背景圖像的差分來檢測出運動區域的一種技術，其基本思想是對于背景變化比較小或者緩慢的圖像序列首先選取其中的一幅或幾幅圖像的平均作為背景圖像，然后把以后的序列圖像中的每一幀圖像與背景圖像相減，進行背景消去從而得到運動目標。

3 高速公路路況仿真系統架構

系統仿真是通過實驗來分析求解問題的技術，通過仿真實驗，可以了解復雜系統的內在聯系和系統狀態變化的全過程。在高速公路監控過程中需要采用仿真技術對公路車輛信息、路面信息、人員信息的內在聯系和組成的復雜系統狀態變化進行分析，形成數字化的分析結果，逐步積累數據。

本文設計的仿真系統架構主要分為四部分分別為：（1）監控數據采集/分類模塊;（2）仿真控制模塊;（3）仿真數據庫模塊;（4）仿真展示模塊。其中數據采集/分類負責將視頻數據進行數字化轉換，輸入仿真控制模塊;仿真控制模塊主要負責將采集到的數據結合仿真數據庫中的歷史數據生成仿真對象，根據同步時間控制數據更新頻率生成OD矩陣;仿真展示模塊主要負責將仿真對象和OD矩陣數據疊加到高速公路地圖模型中生成仿真展示效果。

4 仿真系統智能分析技術

智能仿真分析系統需要從視頻圖像中提取的特征信息進行分析處理，當今主流的智能分析技術分別有模板匹配法、神經網絡分類法、支持向量機分類等對視頻圖像進行智能分析的算法。

模板匹配，將待識別的圖像與庫中的模板逐一比較，看與哪一個模板最接近。判斷接近程度的依據為兩者之間的廣義距離，如歐拉距離、Hausdorff距離等，距離越小，接近程度越高。另外還有相關度判據，即兩者接近的程度。兩者完全一致時，其相關度為100%。

神經網絡分類法，神經網絡是模擬人的神經感知機理建立的一種數學模型。該模型有輸入端口和輸出端口。輸入量為一組待識別的數據，可以是經過歸一化的圖像或其特征參數;輸出量為判斷結果。為了使神經網絡具有識別功能，使用前應對其進行訓練，這類似于人經過學習后能判斷事物。

支持向量機分類法，如前所述，一個待識別的目標可以由一組參數描述，這組參數稱為一個向量。每個樣板對應一個向量，影射為向量空間的一個點。支持向量機即要在此向量空間建立一個超平面，將這些點一分為二，使他們分別位于超平面的兩側，從而實現對樣板圖像的分類。實際識別時，計算出目標對應的向量，判定位于超平面的哪一側，從而判定此目標屬于哪一類。

5 結語

在文章中我們探討了我國高速公路全程視頻監控的發展現狀以及采用智能分析技術對高速公路全程監控視頻進行仿真模擬的意義。分析了智能仿真技術對全程監控的視頻數據進行信息采集的數據需求和當前主流的視頻運動目標的檢測與識別技術。通過搭建高速公路路況仿真系統架構，采用高內聚低耦合的設計原則搭建起仿真系統的數據采集、分析、展示模塊實現高速公路路況仿真展示，在關鍵的智能分析技術上本文列舉了當今主流的智能分析技術對實現路況仿真的作用為下一步對仿真平臺的實施提供理論參考。

參考文獻

[1] 劉轟，王瑞，楊根成.高速公路智能全程監控系統及關鍵技術分析[J].交通運輸研究，2011（8）：113-115.

[2] 高雙槐.高清攝像機在高速公路全程監控的應用[J].中國交通信息產業，2008，（10）：85-96.

[3] 徐紅海.智慧高速交通大數據應用探討[J].中國交通信息產業，2018，（3）：80-81.

[4] 李乃安，歐陽寧，黨明.實時目標檢測與跟蹤系統的設計與實現[J].激光與紅外，2008，（38）：87-90.

[5] 甘明剛，陳杰，劉勁等.一種基于三幀差分和邊緣檢測的運動目標檢測方法[J].電子與信息學報，2004，（32）：894-897.

[6] 郁梅，王圣男，蔣剛毅.復雜交通場景中的車輛檢測與跟蹤新方法[J].光電工程，2005，（32）：67-70.