福建省高等級公路安全預警系統設計與等級判別研究

■ 林 楓

(1.福建交通科學技術研究所；2.福建省公路工程試驗檢測中心站；3.福建省路翔工程設計有限公司，福州 350004)

1 前言

交通安全預警系統是指系統根據以往總結的交通安全狀況或實時的觀測數據對道路交通安全發展態勢進行過程描述、追蹤分析和警情預報，向交通管理部門發出相應的交通安全態勢信息，并及時向道路使用者發布信息，確保公路交通安全，進一步遏制重特大交通事故以及二次事故的發生，減少人員傷亡和財產損失，使公路交通更加安全、暢通、有序。

2 高等級公路交通安全預警系統設計

2.1 交通安全預警系統組成

為保證高等級公路交通安全預警系統能準確、及時、高效地傳遞交通安全狀態信息，預警系統一般由交通信息采集子系統、信息處理子系統和信息發布子系統組成。

2.1.1 信息采集子系統

交通信息采集子系統是高等級公路安全預警系統的“感覺器官”，信息采集的可靠性決定系統預警的準確性。信息采集子系統對交通運行信息進行采集，主要包括靜態交通信息和動態交通信息。

靜態交通信息主要包括公路路網、交叉口以及交通設施等基礎信息。其搜集方法采用各種統計資料或者人工調查法。靜態信息一般是穩定的，一次性輸入后一般長期不變，不需要實時采集，只有當實際情況發生變化時才需要對靜態交通數據庫中的數據進行更新。

動態交通信息主要包括流量、車速等交通狀態特征信息、交通緊急事故信息以及天氣等環境信息。動態交通信息的采集主要是通過各種交通檢測器搜集，數據采集的對象有交通流量、占有率、車速、車隊長度、車身長度、車頭時距、行程時間、行程車速、車輛位置、車型、靜止車輛等信息，主要的采集方式有線圈檢測器、視頻檢測器、微波檢測器、紅外檢測器、超聲波檢測器、GPS車輛定位儀等。

2.1.2 信息處理子系統

信息處理子系統是高等級公路交通安全預警系統的核心，是將交通信息采集子系統采集得到的交通信息通過計算機程序篩選處理后，配合綜合交通信息平臺、電子地圖、交通疏導的決策支持等綜合信息處理，分析得出整個高等級公路的動態交通安全狀態和交通管理的預警信息。

2.1.3 信息發布子系統

信息發布子系統是系統管理者向道路使用者發布管理信息的系統，其主要是將經信息處理子系統分析后的交通信息通過數據轉換器轉換成短信、數字信號，通過短信平臺、GPRS、互聯網以及可變信息板等方式發布實時交通信息，包括交通狀態信息、臨時交通管制信息、交通流誘導信息、交通事故信息及其他信息等。

2.2 交通安全預警系統架構

交通安全預警系統首先由交通信息檢測器將檢測到的交通狀態數據傳輸至數據采集終端服務器，通過路由器上指定的端口將交通流數據再傳輸至中心端服務器，中心端服務器上的數據管理軟件負責分析各個數據采集器傳輸過來的實時交通信息數據，對交通信息數據進行預處理、融合，然后運用交通狀態判別模型，通過對動態交通信息和靜態交通信息的綜合分析，判別實時交通狀態，接著將交通狀態判別結果以及交通狀態信息存儲入中心端數據庫，同時通過互聯網、短信平臺、GPRS以及LED顯示屏等方式向交通參與者發布交通狀態信息。高等級公路交通安全預警系統的設計結構如圖1所示。

圖1 高等級公路交通安全預警系統設計架構

3 高等級公路交通特征分析

福建省高等級公路交通特征分析可從高等級公路交通流參數和交通流模型兩個方面進行分析。交通流參數能夠定性、定量地描述交通流運行狀態，反映交通流的基本性質。

交通流的基本參數包括交通量、速度和密度。其中，描述宏觀交通流特性的參數是交通量、速度和密度，描述微觀交通流特性的參數是車頭時距、地點車速和車頭間距。

交通流模型是描述連續流狀態下交通流宏觀變量(即交通量、平均車速和密集度)之間關系的數學模型，包括速度-流量模型，速度-密集度模型，流量-密集度模型，其中一些是基于數學推導建立的，另一些是根據實踐經驗建立的。

4 高等級公路交通信息采集與管理

隨著交通信息化建設的大力推進，交通動態數據越來越豐富，并已逐步成為一種寶貴的資源，在提升交通系統運行效率和管理服務水平方面發揮著越來越重要的作用。與此相適應，如何更加合理有效地采集交通數據，從中選取有效的數據，進而取得所需的信息，成為充分發揮交通數據資源應有作用的關鍵技術問題。

4.1 交通信息采集技術

交通信息采集是交通信息服務的基礎。以人工調查方法和感應線圈法等為代表的交通數據采集手段仍是交通數據采集的主要手段，但是很難滿足日益發展的動態交通信息服務需求。無線定位技術(GPS/蜂窩無線定位)、傳感器技術、移動通信技術、IPv6網絡技術、車輛自動識別技術 (AVI)、浮動車數據采集技術 (FloatingCarData，FCD)、遙感技術和視頻圖像處理技術等動態數據采集技術已成為交通數據獲取的新手段，也為高質量的動態交通信息服務提供了關鍵技術。

交通信息采集主要分為靜態采集和動態采集兩種。

(1)靜態交通信息采集

靜態交通信息主要包括：路網基礎信息(如道路技術等級、長度、收費、立交連接方式等)、道路幾何參數信息(如平面線形、縱斷面線形、橫斷面線形等)、基礎地理信息(如路網分布、功能小區的劃分、交叉口的布局、交通基礎設施信息等)、車輛保有量信息(包括分區域、時間、不同車種車輛保有量信息等)及交通管理信息(如單向行駛、禁止左轉、限制進入等)。因此，靜態交通信息通常采用人工調查或儀器測量的方式來獲取。為了減少不必要的重復性和數據不一致性，還可以通過對接的方式，從其它相關系統得到有關基礎信息。靜態信息是相對穩定的，變化的頻率很小，并且變化沒有規律。因此，靜態交通信息不需要實時采集，一般一次性輸入，在短期內不會發生太大的變化，直到數據發生變化的時候才需要修改。

(2)動態交通信息采集

動態交通信息主要包括：網絡交通流狀態特征信息(如交通流量、密度、速度等)、交通緊急事故信息(事故發生地點、類型、嚴重程度等)、在途車輛和駕駛員的實時信息(如單車的速度、位置、起終點等)、環境狀況信息(如能見度、氣環境、聲環境等)、交通動態管理與控制信息(交通信號信息、臨時采取的單向行駛、禁止左轉、限制進入等)。

動態交通信息與靜態交通信息顯著的不同，最主要的區別在于其實時性，因此，動態交通信息的采集必需是準確的、及時的。那么這些時時變動的交通信息全部采用人工的方式采集是不可能的，一方面，采集速度跟不上，另一方面，人力也不可能全天候地進行采集。所以，選擇什么樣的檢測器進行動態交通信息的采集是一個很重要的問題?；诮煌ò踩A警系統對于數據數量和質量的要求，對交通檢測器所測的類型、精度以及安裝要求等愈發重要。

4.2 交通信息數據預處理

受各種因素的影響，使用交通檢測器采集到的交通數據不可避免地存在一定的數據質量問題(如數據異常、數據缺失)。當數據質量問題嚴重時，會降低估計精度，使觀測或分析的結果與實際情況相差甚遠。因此，在應用交通檢測器采集交通信息或進行交通建模時，應對數據進行檢查，并對缺失數據和異常值進行填充和改正，以提高分析結果的精度和可靠性。

交通信息數據的預處理主要是針對異常數據預處理和丟失數據預處理。對異常數據的判別方法主要是對數據自身特征而開發的，可以分為三類，分別是閾值法、基于交通流理論的方法以及與之理論與交通流理論相結合的方法。對數據補齊，在實踐過程中需要遵循以下兩條原則：一是基礎數據完整性原則，采集到的原始數據保存時不應作修改或調整，以保證足夠的未經修改過的基礎數據用于數據補齊，且補齊數據與基礎數據應分別存儲；二是補齊流程的真實性原則，做好針對整個補齊操作流程的文檔記載工作，將有助于增強補齊工作的透明度以便于取舍。

5 高等級公路交通安全狀態分析

5.1 交通預警等級劃分

實時判別交通系統安全狀態，其實質是對于交通擁擠類型進行判斷。交通擁擠主要存在于交通瓶頸處，瓶頸是由于上游的交通需求量大于某點的通行能力而形成的，產生瓶頸將不可避免地出現擁擠。交通擁堵類型包括常發性交通擁擠和偶發性交通擁擠。其中，常發性擁擠主要是由于車道上、交織路段短、道路橫截面窄、實現不良、收費站、不符合標準的交叉口等引起的，這類交通擁擠發生的特點是空間位置比較固定；偶發性擁擠是相對于常發性擁擠而言的，主要是由于交通事件造成的道路通行能力暫時下降而引發的擁擠，其發生的時間和地點都是隨機的。相關研究表明，在交通事件發生前后，交通流運行狀態會發生明顯變化，即產生偶發性擁擠。在高等級公路上，較少發生常發性擁擠，交通擁擠的發生應該作為交通事件發生的重要特征，可以通過偶發性擁擠認定已經發生或即將發生交通事件。

預警系統的功能分為三個等級，分別是警報、一級預警和二級預警，三個等級對于交通事件的提示級別依次降低，三個等級對于交通事件提示的標志信號分別是紅燈、橙燈和黃燈。

警報是最高的提示級別，是系統確認交通事故或其他交通事件已經發生時發出的信息，用于通知交通管理人員交通事故或其他交通事件已經發生，應立即采取行動對交通事件進行處置。

一級預警的提示級別介于二級預警和警報之間，是發現某路段上已經發生了偶發性擁擠，系統根據預先設定的判定規則認為可能出現了交通事故或其他交通事件時發布的預警信息，用于提醒交通管理人員對交通流運行情況進行觀察，及時處置可能已經發生的交通事件。

二級預警的提示級別最低，用于對常規交通流狀態進行監控，當發現交通流的車輛比例明顯不合理，速度標準差處于事故易發狀態或發現已經發生了常發性交通擁擠時發布的預警信息，提醒交通管理人員對交通流進行調整以降低事故風險。

5.2 交通預警系統判別指標選取

交通預警系統判別指標的選取應遵循實用性、可比性、完備性和可測性等原則。相關研究表明，交通事件發生前后，交通流運行狀態會發生明顯變化，在交通監控時應對交通流常規特征進行監控和狀態識別。根據本章對于交通流特征的分析，將交通量、速度標準差、占有率、大車混入率等參數特性納入到判別算法中，根據前面小節中的研究成果對算法進行設計和標定。

6 高等級公路交通預警等級判別算法

6.1 交通狀態判別算法分析

國外關于公路交通事件自動檢測的研究過程主要經歷了模式識別、統計分析和突變理論的經典 AID算法以及后期的人工智能AID算法等階段。這些算法主要包括比較/模式識別算法、統計算法、時間序列、交通模型和理論算法、低流量檢測算法、California算法、McMaster算法、指數平滑法和正態偏差法等。國內關于公路交通事件自動檢測的研究主要集中在近些年發展起來的新技術和新理論的應用研究方面，包括小波變換、神經網絡、模糊理論以及支持向量機等。自動識別算法的性能比較如表1所示。

表1 自動識別算法的性能比較

6.2 交通預警等級判別算法

6.2.1 California算法

California算法(加州算法)為雙截面算法，它基于事件發生時上游截面占有率將增加，下游截面占有率將減少這一事實，利用時刻t從監測站i=1,2,…n得到的平均占有率OCC(i,t)，該算法使用下面三個條件來判斷擁擠是否發生過：

式中：OCCDF為路段上下游占有率的差值；OCRDF為路段上下游占有率的相對差值；DOCCTD為擁擠開始時下游占有率的相對差值；OCC(i,t)為第i個檢測站 時刻所測得的占有率；K1、K2、K3為分別為相應條件的閾值，可從每個檢測區的10個擁擠案例對進行標定，參數的最佳取值范圍：K1∈[10,25],K2∈[0.01,1.06]，K3∈[0.01,0.60] 。如果滿足上述三個條件，則判斷發生擁擠。

6.2.2 交通預警等級判別算法

根據算法原理，可以將算法分為三個主要步驟：

(1)初次判斷。對于輸入交通流參數特性的初次判斷，用以確定參數是否處于“安全”的范圍之內，如果參數處于“危險”狀態則發出二級預警信息。

(2)參數計算。計算檢測點 的流量和平均速度的變化情況。

(3)利用加州算法判別該檢測點 是否處于交通擁擠狀態。

算法的邏輯框架圖見圖2。

算法步驟：

(1)輸入實時交通流特征數據q、v、o、大車混入率等。

(3)判斷檢測點i的流量在t時刻是否小于t-1時刻，同時判斷該檢測點在檢測時段內的平均車速對比于上一時段是否降低了。如果兩者同時滿足，則發出一級預警信息；否則返回(1)。

(4)分別計算 OCCDF、OCRDF、DOCCTD，若三者同時滿足 OCCDF≥K1，OCRDF≥K2，DOCCTD≥K3， 則發出警報；否則返回(1)。

7 小結

圖2 交通安全狀態判別算法流程圖

基于交通流理論與加州算法對福建省高等級公路安全預警等級進行分類，探討了福建省高等級公路交通預警等級的判別算法，介紹了基于交通流理論與加州算法判別交通安全預警等級；同時論述了交通信息的采集方式以及對采集數據的處理技術，介紹了各類采集方式的優缺點及其所能采集的交通參數和異常交通數據與缺失交通數據的處理方法。

本文的主要思想是在實時獲取交通流參數信息的基礎上，借助計算機技術判別交通安全狀態以實現交通安全預警，然后通過可變信息板、互聯網、手機等平臺發布預警信息。為道路使用者提供實時準確的交通狀態信息，以及時了解交通系統的安全狀況，根據交通管理者發布的誘導信息選擇合理的路徑，規避可能或已經發生的交通事件，提高出行效率，保證人身安全。同時，有助于高等級公路管理者了解公路運行狀態，發現問題并制定合理、有效的交通管制措施，確保交通系統安全、高效運行。