高速公路路況感知能力建設研究

杜益文

摘要：高速公路的運營管理仍存在行人違法進入高速公路、公路沿線路域環境不佳、收費站通行效率不高、高速公路交通事故頻發等問題。為此，文章提出了“因地制宜，逐步推進路況感知能力建設；以點帶面，全面提升公路安全運營水平”的高速公路路況感知能力建設研究。文章主要研究視頻結構化、毫米雷達、激光雷達3條高速公路智能感知技術路線，重點攻關大縱深場景的目標檢測難點、目標頻繁遮擋難題，實行了覆蓋面優先的實施策略，全面帶動高速公路安全保暢水平的提升，有效地提高了運營區域內高速公路的安全通行效率，取得了明顯的經濟效益和社會效益。

關鍵詞：視頻結構化；深度神經網絡；大數據分析；高速公路

中圖分類號：TP311.13? 文獻標志碼：A

0 引言

截至2022年初，貴州省全省高速公路通車里程超過8 000km，閉塞村落、工業廠區、景區景點等地交通出行條件大幅提升，但高速公路的運營管理仍存在行人違法進入高速公路、公路沿線路域環境不佳、收費站通行效率不高、高速公路交通事故頻發等問題。為此，貴州高速公路集團有限公司凱里營運管理中心（以下簡稱“凱里運管中心”）結合貴州經濟基礎相對薄弱的現實條件，提出了“因地制宜，逐步推進路況感知能力建設；以點帶面，全面提升公路安全運營水平”的高速公路路況感知能力建設研究。

1 建設分析與主要研究思路

1.1 需求分析

1.1.1 道路運行狀態實時感知環節

交通態勢感知能力：具備各區間流量流速精確測量、測量實時性和數據傳輸實時性、區域宏觀交通態勢實時獲取。

突發事件檢測能力：路面事件準確檢測、路面事件及時獲取、覆蓋多類影響安全暢通的檢測。

信息實時共享能力：運行狀態數據實時傳輸與共享。

1.1.2 應急救援排障及時處置環節

信息通信能力：多模態信息通信溝通、通信效率與實時性保障、多部門組網通信信息共享。

現場及時到達能力：科學部署重點防范、合理排班人力保障。

快處快撤能力：事故信息及早獲知、及早針對性準備、現場熟練應對各類狀況能力、前后臺協同處置能力。

1.1.3 部門協同單位聯動管控環節

協同聯動能力：分路段傳導、多路段聯動能力，跨部門、跨單位協作流程機制，多部門、多單位協作保障能力。

信息及時發布能力：多渠道、多模態對外信息發布能力，發布內容的針對性、時效性。

從上述能力需求分析可以看到，道路運行狀態實時感知環節是基礎，各環節、各部門、具體責任人之間高效、及時的數據信息共享是貫穿始終的橋梁紐帶，二者對提升安全保暢能力有著重要作用。高速公路企業經過多年的信息化建設，已經擁有了比較完善的信息通信基礎設施，如何提升道路運行狀態實時感知能力成為提升安全保暢工作的重點環節。

1.2 安全保暢能力研究思路

依照上述的安全保暢工作能力需求分析，凱里運管中心立足貴州省高速公路運營管理水平的現狀，以著力提升道路狀態實時感知能力為核心，提出了“因地制宜，逐步推進路況感知能力建設；以點帶面，全面提升公路安全運營水平”的高速公路路況感知能力建設研究。一方面，在有限資金條件下，引入最新高速公路智能感知技術，以覆蓋面優先、不斷提升實時性的模式，逐步建設道路狀態實時感知能力，大力提升交通事故和路面異常事件的第一時間發現率，為路政、救援人員快速到場、快速處理奠定良好基礎。另一方面，以路況感知能力提升為基礎，通過優化監控管理制度、完善應急救援故障處理流程，縮短事故異常響應時間、提高救援準備工作針對性、壓縮人員到場時間、提升現場處置效率，以路況感知能力一點帶動安全保暢工作所有環節，不斷強化自身應急響應能力，全面提升中心安全保暢水平。

2 主要研究內容

基于上述工作思路，凱里運管中心安全保暢能力提升的實踐中，秉承“科技先導、管理并重、科學決策”的工作原則，通過技術裝備優先建設、管理制度并行落地、數據支撐決策三措并舉，有效地確保了高速公路安全保暢能力的提升。

2.1 技術路線選型

傳統路況感知方式是采用人工視頻輪巡為主的方式來獲取路面運行狀態信息［1］。受限于人的注意力、反應時間以及疲勞程度，隨著視頻監控點的快速增加，這種依賴人工的路況信息獲取方式，無法滿足實時感知的要求，也無法獲取整體道路的運行態勢數據，使得事件響應、處置的速度滯后，導致安全保暢能力不能有效提升。因此，必須引入新型的路況感知狀態，實現異常事件及時感知、交通參數數據及時獲取，以滿足道路運行狀態感知智能化、自動化的需要。經過前期的技術調研，目前高速公路智能感知技術主要集中在三條技術路線：視頻結構化、毫米雷達、激光雷達［2］。

2.1.1 技術路線一：視頻結構化

視頻結構化技術是應用智能圖像視頻分析技術對高速公路監控視頻進行結構化處理，可以精確測量監控剖面的流量流速數據、準確檢測監控視野范圍內的異常事件發生。優點是部署成本低、運行維護成本低，缺點是容易受天氣影響，夜間準確率降低。

2.1.2 技術路線二：毫米波雷達

毫米波雷達是利用毫米波雷達對路面目標進行探測和測量的技術手段，其優點是測量精度高、受氣候影響小、不受光照影響，缺點是部署成本較高、運行維護成本高、普通雷達探測距離小、受地面雜波影響大、無法直接區分被測目標的類別。

2.1.3 技術路線三：激光雷達

激光雷達是利用激光反射原理對路面環境進行感知測量的技術路線，目前主要應用在車輛自動駕駛領域。由于激光雷達自身只能提供點云圖像，還需要部署高性能計算設備對激光點云圖像進行二次識別和分析。激光雷達技術具有測量精度高、受氣候影響小、不受光照影響等優點，其缺點是覆蓋范圍小、部署成本極高、運行維護成本高。

2.1.4 技術方案對比

通過對比研究，從成本收益角度出發，凱里運管中心選擇了視頻結構化技術路線，可以充分利用現有的視頻監控基礎設施，在降低建設和運行維護成本的基礎上獲得極大的收益。目前，實際應用的視頻結構化技術方案分為：傳統模式匹配算法方案和深度人工神經網絡方案。模式匹配算法是傳統技術方案，雖然成本很低、設備要求少，但是存在環境要求高、適應范圍受限、事件誤報率高、測量誤差大等一系列問題，無法滿足實際生產環境中對路況實時感知的要求。深度人工神經網絡技術方案是近年來新興的技術方案，雖然需要投資新的計算設備，但是其環境適應性好、事件檢出率高、漏檢率低、測量誤差范圍可接受，可以在實際生產環境中滿足路況實時感知的要求。

2.2 技術難點攻關

凱里運管中心引入兄弟單位作為技術合作方，通過雙方密切合作，針對凱里運管中心運營區域對技術難點逐一攻關，最終將各項技術切實落地，形成了精確的路況數據采集、分析、應用，有力支撐安全保暢工作能力的提升。

2.2.1 大縱深場景的目標檢測難點

高速公路目標檢測是事件檢測和交通參數測量的基礎，有著場景大縱深、視頻分辨率差異大、目標互相遮擋嚴重等特點，通用的目標檢測網絡在高速公路場景中會出現較大的誤檢和漏檢，給目標檢測帶來了一定的挑戰［3］。

針對高速公路特定場景，凱里運管中心與合作單位經過聯合攻關，以通用的YOLO目標檢測技術為基礎，通過大范圍多尺度檢測、空間池化以及優化損失函數等多種技術手段，開發出了適用于高速公路監控視角場景的目標檢測深度神經網絡，大幅降低了目標遮擋對檢測帶來的影響，有效地提高了遠景、中景、近景的目標檢測效率和準確率。

2.2.2 目標頻繁遮擋難題

高速公路路面異常停車往往是事故的導火索，一直是安全保暢工作中的重點。針對停車的檢測，往往采用目標跟蹤算法，跟蹤車輛目標在圖像中的行為，以此為依據判斷異常停車［4］。由于高速公路監控攝像機部署位置的局限性，視頻視角通常較偏，使得圖像中停止的車輛頻繁被附近同行的車輛遮擋，進而導致目標跟蹤算法失效，給停車事件的及時檢測帶來困難［5］。針對這一難題，凱里運管中心與研發單位共同研發了一種基于中心概率的停車檢測方法，降低了跟蹤器的失效率，減少了計算資源的開銷，提升了停車檢測的準確率和及時性。

通過技術攻關、生產環境實驗、系統針對性優化等一系列聯合研發工作，凱里運管中心和合作單位完成了基于高速公路監控視頻的道路運行狀態實時感知系統的研發和生產環境適配。系統具有良好的環境適應性和魯棒性，在生產環境中具備很高的準確率（大于95%）和極低的漏檢率（低于5%），交通參數測量能保持較低的誤差范圍（小于10%）。

2.2.3 覆蓋面優先的實施策略

基于高速公路監控視頻的道路運行狀態實時感知系統是深度人工神經網絡技術在高速公路行業的應用，該技術對計算資源的需求較高。如果對運營范圍內的每一路視頻都進行實時計算，則需要投入較大資金建設龐大的計算能力才能滿足要求。鑒于近期國內外嚴峻的經濟環境，為了在自身有限的資金條件下取得最大的路況感知能力提升效果，凱里中心提出了“覆蓋面優先”的實施策略，即采用輪詢模式將一路視頻所需的計算資源動態分配給多路視頻，通過犧牲一定的實時性，優先滿足區域內所有監控視頻的全面覆蓋，縮短事件和事故的發現時間；后續再針對重點路段、重點區域建設計算資源，不斷提高實時性，逐步實現全區域路況的實時感知。具體做法如下：（1）確定短期內事件主動感知時間需要達到的目標，仔細核算主動感知時間目標下，實現區域內監控視頻全覆蓋所需要的最小計算資源。（2）建設最小計算資源，將區域內所有監控視頻納入路況感知系統感知范圍。（3）不斷優化系統模型，提升事件檢測的準確率，減小交通參數測量誤差范圍。（4）在系統運行過程中不斷積累數據，到一定數據量后統計出事件高發區間、高發時段，為后續優化提升感知能力做好數據基礎。

3 研究實施效果

3.1 企業效益

通過路況感知能力的初步建設和相關工作的實施，凱里運管中心在道路運行狀態感知、應急救援排障處置、部門協同聯動管控等環節的能力均得到了有效的提升，對路面事故和異常事件的第一時間發現率達到75%，事故到場平均時長縮短至15min以內，事故到場率有明顯提升，凱里運管中心整體的安全保暢水平取得了明顯增強。

3.2 社會效益

高速公路企業安全保暢水平的提升，極大地提高了事故及時發現率，縮短了事故處置時間，切實緩解了交通擁堵現象，對確保路網暢通、提高公路通行效率、提升公路通行安全起到了顯著作用，對促進區域經濟協調發展起到了支撐作用。有針對性地開展重點區域的宣傳工作，有效提升了人民群眾的道路通行安全意識，保障了人民群眾生命安全。

4 結語

凱里運管中心結合經濟現狀和高速公路管理水平，通過調研分析得出實際需求和安全保暢的研究思路，研究當前主流技術路線，實踐對比分析各技術路線的優缺點，提出了技術攻關難點和覆蓋面優先的實施策略，因地制宜分階段開展高速公路路況感知能力建設，綜合應用技術和管理手段，以點帶面全面帶動高速公路安全保暢水平的提升，總結了實施后的企業和社會效益。

凱里運管中心將持續跟蹤新技術發展狀況，及時引入新技術和精益化管理制度，提高路況感知實時性，在數據支撐下實現自身現代化管理水平的不斷提升，為支撐“交通強國”重要歷史使命、建設“多彩貴州·最美高速”做出應有的貢獻。

參考文獻

［1］陳幫傳.關于提升智慧高速建設中綜合路況感知能力的研究探討［J］.管理縱橫，2021（1）：123-126.

［2］馬亮，程文東.青海智慧高速建設與發展探討［J］.中國交通信息化，2019（S1）：45-49.

［3］蘭良.交通大數據在智慧高速公路中的應用探討［J］.大科技，2018（33）：238-239.

［4］劉新建.基于無線聯網的交通控制策略研究［J］.科技與創新，2015（12）：101-105.

［5］陸道軍.基于開放道路的四類車路協同應用場景測試［J］.長江信息通信，2021（12）：40-43.

（編輯 王永超）

Research on the construction of highway condition perception ability

Du? Yiwen

（Kaili Operation Management Center of Guizhou Expressway Group Co.， Ltd.， Kaili 556000， China）

Abstract：? There are still some problems in the operation and management of expressways， such as pedestrians entering the expressways illegally， the bad environment along the highway， the low efficiency of toll stations， and the frequent traffic accidents of expressways， etc. Therefore， the paper puts forward “adjusting measures to local conditions， gradually promoting the construction of road condition perception ability”. The paper researches on the construction of highway road condition perception ability by point and surface to comprehensively improve the level of highway safety operation. The research contains main research video structured， millimeter radar， laser radar three high speed highway intellisense technology route， key research difficulties of large scene depth target detection， target block problem frequently， implementing the coverage of priority of the implementation of the strategy， comprehensive driving the highway safety guaranteed the smooth level of ascension， effectively improving the operating safety of highways in the area of traffic efficiency. Obvious economic and social benefits have been achieved.

Key words： video structuring; deep neural network; big data analytics; highway