高速公路路况感知能力建设研究

杜益文

摘要：高速公路的运营管理仍存在行人违法进入高速公路、公路沿线路域环境不佳、收费站通行效率不高、高速公路交通事故频发等问题。为此，文章提出了“因地制宜，逐步推进路况感知能力建设；以点带面，全面提升公路安全运营水平”的高速公路路况感知能力建设研究。文章主要研究视频结构化、毫米雷达、激光雷达3条高速公路智能感知技术路线，重点攻关大纵深场景的目标检测难点、目标频繁遮挡难题，实行了覆盖面优先的实施策略，全面带动高速公路安全保畅水平的提升，有效地提高了运营区域内高速公路的安全通行效率，取得了明显的经济效益和社会效益。

关键词：视频结构化；深度神经网络；大数据分析；高速公路

中图分类号：TP311.13  文献标志码：A

0 引言

截至2022年初，贵州省全省高速公路通车里程超过8 000km，闭塞村落、工业厂区、景区景点等地交通出行条件大幅提升，但高速公路的运营管理仍存在行人违法进入高速公路、公路沿线路域环境不佳、收费站通行效率不高、高速公路交通事故频发等问题。为此，贵州高速公路集团有限公司凯里营运管理中心（以下简称“凯里运管中心”）结合贵州经济基础相对薄弱的现实条件，提出了“因地制宜，逐步推进路况感知能力建设；以点带面，全面提升公路安全运营水平”的高速公路路况感知能力建设研究。

1 建设分析与主要研究思路

1.1 需求分析

1.1.1 道路运行状态实时感知环节

交通态势感知能力：具备各区间流量流速精确测量、测量实时性和数据传输实时性、区域宏观交通态势实时获取。

突发事件检测能力：路面事件准确检测、路面事件及时获取、覆盖多类影响安全畅通的检测。

信息实时共享能力：运行状态数据实时传输与共享。

1.1.2 应急救援排障及时处置环节

信息通信能力：多模态信息通信沟通、通信效率与实时性保障、多部门组网通信信息共享。

现场及时到达能力：科学部署重点防范、合理排班人力保障。

快处快撤能力：事故信息及早获知、及早针对性准备、现场熟练应对各类状况能力、前后台协同处置能力。

1.1.3 部门协同单位联动管控环节

协同联动能力：分路段传导、多路段联动能力，跨部门、跨单位协作流程机制，多部门、多单位协作保障能力。

信息及时发布能力：多渠道、多模态对外信息发布能力，发布内容的针对性、时效性。

从上述能力需求分析可以看到，道路运行状态实时感知环节是基础，各环节、各部门、具体责任人之间高效、及时的数据信息共享是贯穿始终的桥梁纽带，二者对提升安全保畅能力有着重要作用。高速公路企業经过多年的信息化建设，已经拥有了比较完善的信息通信基础设施，如何提升道路运行状态实时感知能力成为提升安全保畅工作的重点环节。

1.2 安全保畅能力研究思路

依照上述的安全保畅工作能力需求分析，凯里运管中心立足贵州省高速公路运营管理水平的现状，以着力提升道路状态实时感知能力为核心，提出了“因地制宜，逐步推进路况感知能力建设；以点带面，全面提升公路安全运营水平”的高速公路路况感知能力建设研究。一方面，在有限资金条件下，引入最新高速公路智能感知技术，以覆盖面优先、不断提升实时性的模式，逐步建设道路状态实时感知能力，大力提升交通事故和路面异常事件的第一时间发现率，为路政、救援人员快速到场、快速处理奠定良好基础。另一方面，以路况感知能力提升为基础，通过优化监控管理制度、完善应急救援故障处理流程，缩短事故异常响应时间、提高救援准备工作针对性、压缩人员到场时间、提升现场处置效率，以路况感知能力一点带动安全保畅工作所有环节，不断强化自身应急响应能力，全面提升中心安全保畅水平。

2 主要研究内容

基于上述工作思路，凯里运管中心安全保畅能力提升的实践中，秉承“科技先导、管理并重、科学决策”的工作原则，通过技术装备优先建设、管理制度并行落地、数据支撑决策三措并举，有效地确保了高速公路安全保畅能力的提升。

2.1 技术路线选型

传统路况感知方式是采用人工视频轮巡为主的方式来获取路面运行状态信息［1］。受限于人的注意力、反应时间以及疲劳程度，随着视频监控点的快速增加，这种依赖人工的路况信息获取方式，无法满足实时感知的要求，也无法获取整体道路的运行态势数据，使得事件响应、处置的速度滞后，导致安全保畅能力不能有效提升。因此，必须引入新型的路况感知状态，实现异常事件及时感知、交通参数数据及时获取，以满足道路运行状态感知智能化、自动化的需要。经过前期的技术调研，目前高速公路智能感知技术主要集中在三条技术路线：视频结构化、毫米雷达、激光雷达［2］。

2.1.1 技术路线一：视频结构化

视频结构化技术是应用智能图像视频分析技术对高速公路监控视频进行结构化处理，可以精确测量监控剖面的流量流速数据、准确检测监控视野范围内的异常事件发生。优点是部署成本低、运行维护成本低，缺点是容易受天气影响，夜间准确率降低。

2.1.2 技术路线二：毫米波雷达

毫米波雷达是利用毫米波雷达对路面目标进行探测和测量的技术手段，其优点是测量精度高、受气候影响小、不受光照影响，缺点是部署成本较高、运行维护成本高、普通雷达探测距离小、受地面杂波影响大、无法直接区分被测目标的类别。

2.1.3 技术路线三：激光雷达

激光雷达是利用激光反射原理对路面环境进行感知测量的技术路线，目前主要应用在车辆自动驾驶领域。由于激光雷达自身只能提供点云图像，还需要部署高性能计算设备对激光点云图像进行二次识别和分析。激光雷达技术具有测量精度高、受气候影响小、不受光照影响等优点，其缺点是覆盖范围小、部署成本极高、运行维护成本高。

2.1.4 技术方案对比

通过对比研究，从成本收益角度出发，凯里运管中心选择了视频结构化技术路线，可以充分利用现有的视频监控基础设施，在降低建设和运行维护成本的基础上获得极大的收益。目前，实际应用的视频结构化技术方案分为：传统模式匹配算法方案和深度人工神经网络方案。模式匹配算法是传统技术方案，虽然成本很低、设备要求少，但是存在环境要求高、适应范围受限、事件误报率高、测量误差大等一系列问题，无法满足实际生产环境中对路况实时感知的要求。深度人工神经网络技术方案是近年来新兴的技术方案，虽然需要投资新的计算设备，但是其环境适应性好、事件检出率高、漏检率低、测量误差范围可接受，可以在实际生产环境中满足路况实时感知的要求。

2.2 技术难点攻关

凯里运管中心引入兄弟单位作为技术合作方，通过双方密切合作，针对凯里运管中心运营区域对技术难点逐一攻关，最终将各项技术切实落地，形成了精确的路况数据采集、分析、应用，有力支撑安全保畅工作能力的提升。

2.2.1 大纵深场景的目标检测难点

高速公路目标检测是事件检测和交通参数测量的基础，有着场景大纵深、视频分辨率差异大、目标互相遮挡严重等特点，通用的目标检测网络在高速公路场景中会出现较大的误检和漏检，给目标检测带来了一定的挑战［3］。

针对高速公路特定场景，凯里运管中心与合作单位经过联合攻关，以通用的YOLO目标检测技术为基础，通过大范围多尺度检测、空间池化以及优化损失函数等多种技术手段，开发出了适用于高速公路监控视角场景的目标检测深度神经网络，大幅降低了目标遮挡对检测带来的影响，有效地提高了远景、中景、近景的目标检测效率和准确率。

2.2.2 目标频繁遮挡难题

高速公路路面異常停车往往是事故的导火索，一直是安全保畅工作中的重点。针对停车的检测，往往采用目标跟踪算法，跟踪车辆目标在图像中的行为，以此为依据判断异常停车［4］。由于高速公路监控摄像机部署位置的局限性，视频视角通常较偏，使得图像中停止的车辆频繁被附近同行的车辆遮挡，进而导致目标跟踪算法失效，给停车事件的及时检测带来困难［5］。针对这一难题，凯里运管中心与研发单位共同研发了一种基于中心概率的停车检测方法，降低了跟踪器的失效率，减少了计算资源的开销，提升了停车检测的准确率和及时性。

通过技术攻关、生产环境实验、系统针对性优化等一系列联合研发工作，凯里运管中心和合作单位完成了基于高速公路监控视频的道路运行状态实时感知系统的研发和生产环境适配。系统具有良好的环境适应性和鲁棒性，在生产环境中具备很高的准确率（大于95%）和极低的漏检率（低于5%），交通参数测量能保持较低的误差范围（小于10%）。

2.2.3 覆盖面优先的实施策略

基于高速公路监控视频的道路运行状态实时感知系统是深度人工神经网络技术在高速公路行业的应用，该技术对计算资源的需求较高。如果对运营范围内的每一路视频都进行实时计算，则需要投入较大资金建设庞大的计算能力才能满足要求。鉴于近期国内外严峻的经济环境，为了在自身有限的资金条件下取得最大的路况感知能力提升效果，凯里中心提出了“覆盖面优先”的实施策略，即采用轮询模式将一路视频所需的计算资源动态分配给多路视频，通过牺牲一定的实时性，优先满足区域内所有监控视频的全面覆盖，缩短事件和事故的发现时间；后续再针对重点路段、重点区域建设计算资源，不断提高实时性，逐步实现全区域路况的实时感知。具体做法如下：（1）确定短期内事件主动感知时间需要达到的目标，仔细核算主动感知时间目标下，实现区域内监控视频全覆盖所需要的最小计算资源。（2）建设最小计算资源，将区域内所有监控视频纳入路况感知系统感知范围。（3）不断优化系统模型，提升事件检测的准确率，减小交通参数测量误差范围。（4）在系统运行过程中不断积累数据，到一定数据量后统计出事件高发区间、高发时段，为后续优化提升感知能力做好数据基础。

3 研究实施效果

3.1 企业效益

通过路况感知能力的初步建设和相关工作的实施，凯里运管中心在道路运行状态感知、应急救援排障处置、部门协同联动管控等环节的能力均得到了有效的提升，对路面事故和异常事件的第一时间发现率达到75%，事故到场平均时长缩短至15min以内，事故到场率有明显提升，凯里运管中心整体的安全保畅水平取得了明显增强。

3.2 社会效益

高速公路企业安全保畅水平的提升，极大地提高了事故及时发现率，缩短了事故处置时间，切实缓解了交通拥堵现象，对确保路网畅通、提高公路通行效率、提升公路通行安全起到了显著作用，对促进区域经济协调发展起到了支撑作用。有针对性地开展重点区域的宣传工作，有效提升了人民群众的道路通行安全意识，保障了人民群众生命安全。

4 结语

凯里运管中心结合经济现状和高速公路管理水平，通过调研分析得出实际需求和安全保畅的研究思路，研究当前主流技术路线，实践对比分析各技术路线的优缺点，提出了技术攻关难点和覆盖面优先的实施策略，因地制宜分阶段开展高速公路路况感知能力建设，综合应用技术和管理手段，以点带面全面带动高速公路安全保畅水平的提升，总结了实施后的企业和社会效益。

凯里运管中心将持续跟踪新技术发展状况，及时引入新技术和精益化管理制度，提高路况感知实时性，在数据支撑下实现自身现代化管理水平的不断提升，为支撑“交通强国”重要历史使命、建设“多彩贵州·最美高速”做出应有的贡献。

参考文献

［1］陈帮传.关于提升智慧高速建设中综合路况感知能力的研究探讨［J］.管理纵横，2021（1）：123-126.

［2］马亮，程文东.青海智慧高速建设与发展探讨［J］.中国交通信息化，2019（S1）：45-49.

［3］蘭良.交通大数据在智慧高速公路中的应用探讨［J］.大科技，2018（33）：238-239.

［4］刘新建.基于无线联网的交通控制策略研究［J］.科技与创新，2015（12）：101-105.

［5］陆道军.基于开放道路的四类车路协同应用场景测试［J］.长江信息通信，2021（12）：40-43.

（编辑 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