基于人工智能的高速公路車輛安全駕駛預(yù)警系統(tǒng)識別方法與系統(tǒng)設(shè)計

王樂寧

（青島理工大學(xué) 機械與汽車工程學(xué)院，山東 青島 266520）

1 研究背景

交通運輸部2019年交通運輸行業(yè)發(fā)展統(tǒng)計公報顯示，目前我國高速公路里程已達到14.96萬km，居世界第一。隨著越來越多的人選擇高速公路出行，我國高速公路的事故率與死亡率居高不下。針對國內(nèi)外高速公路事故原因分析[1]得知，造成交通事故的人為因素中駕駛員操作不當?shù)陌咐葹槌Ｒ姟Ｆ渲懈顚哟蔚脑蛑饕袃牲c。第一，駕駛員本身駕駛技術(shù)不高，規(guī)則意識淡薄，對于車輛在高速行駛情況下的應(yīng)急處理能力低，容易造成因隨意變道、激烈駕駛等而引發(fā)的交通事故。第二，車輛駕駛員特別是大型車輛駕駛員，工作壓力大，休息時間短，容易造成因疲勞駕駛而引發(fā)的交通事故。

此外，根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計，在各類事故死亡人數(shù)中，交通事故死亡人數(shù)所占比例為78.5%,已成為各種事故的“第一殺手”。其中，由于駕駛員疲勞駕駛造成的交通事故占事故總數(shù)20%左右,占特大交通事故的40%以上[2]。

因此，本文設(shè)計通過人工智能技術(shù)，對高速公路上具有潛在駕駛安全隱患的車輛駕駛員進行預(yù)警，以提高車輛駕駛員的安全駕駛意識，降低其安全駕駛風(fēng)險。從而降低高速公路因駕駛員人為因素造成的交通事故發(fā)生率和人員傷亡率。

2 設(shè)計方案

2.1 總體構(gòu)架

本系統(tǒng)將基于現(xiàn)有的高速公路攝像頭、雷達、ETC門架等設(shè)備，對駛?cè)敫咚俟奋囕v的行駛軌跡、速度變化進行數(shù)據(jù)采集，進一步采用人工智能方法分析處理，得出車輛行駛狀態(tài)、駕駛員的駕駛狀態(tài)，并采用加權(quán)的方式對車輛行為進行評分，進而對駕駛狀態(tài)異常的車輛駕駛員進行提醒，從而達到降低交通事故發(fā)生率，減少人員傷亡的目的?？傮w構(gòu)架如圖1所示。

圖1 系統(tǒng)總體構(gòu)架

2.2 系統(tǒng)設(shè)計

本系統(tǒng)采用一車一碼的監(jiān)測方案，當車輛進入高速公路入口收費站時，通過視頻監(jiān)控、ETC設(shè)備采集車輛信息，并建立此車輛檔案，然后車輛進入高速公路；當車輛經(jīng)過測速雷達和相應(yīng)攝像頭時，記錄此車輛速度、當前時刻與車輛所在車道等信息；當車輛經(jīng)過ETC門架設(shè)備時記錄當前時刻與車輛所在車道等信息；當車輛經(jīng)過1 280 p分辨率以上的攝像頭（包括出入口附近的廣角攝像頭、車道上放的攝像頭等）時，采用基于OpenCV下的圖像識別處理技術(shù)對車輛的行駛軌跡進行判斷。基于以上4種方式對駕駛員駕駛車輛狀態(tài)不斷進行評分，若出現(xiàn)車輛評分高于閾值，則由相關(guān)部門手動或自動通過短信、電話、廣播等方式對車輛駕駛員進行預(yù)警，或?qū)囕v駕駛員采取其他相關(guān)措施，進而降低交通事故發(fā)生率。

基于以上設(shè)計，此系統(tǒng)模塊可以分為：車輛信息存儲模塊、車輛位置參數(shù)采集模塊、車輛時刻參數(shù)采集模塊、視頻參數(shù)采集模塊、參數(shù)計算模塊、視頻參數(shù)分析模塊和評分預(yù)警模塊。特別的車輛位置參數(shù)與車輛時刻參數(shù)模塊的目的是指當車輛經(jīng)過ETC門架、雷達測速裝置、攝像頭等能夠識別此車輛通過的相關(guān)裝置，并由此直接得出或間接計算得出車輛所在車道和車輛速度信息，并為下一步人工智能分析提供相對直觀和較完善的數(shù)據(jù)。

2.3 系統(tǒng)組成

2.3.1 車輛信息存儲模塊

當車輛駛?cè)敫咚俟啡肟谑召M站時，此模塊將對駛?cè)敫咚俟返能囕v建立特定“檔案”，存儲車輛車牌號、車型、駕駛員聯(lián)系方式、OBU或CPC卡等可對車輛進行特定識別的相關(guān)信息。為接下來的信息存儲和車輛行為評分做準備。

2.3.2 車輛位置、時刻、視頻參數(shù)采集模塊

此模塊的工作方法我們將其分成三類討論，但最終目的都是將車輛相關(guān)行為記錄至計算機，也將對車輛行為評分做準備。

一般情況下，對于ETC門架上RSU設(shè)備采集的車載OBU設(shè)備或CPC卡的信息包括車輛識別、車輛所屬車道和車輛經(jīng)過此RSU設(shè)備的時間此類信息；對于雷達測速裝置采集到的信息包括一系列的車輛瞬時速率、車牌信息、車輛所屬車道等信息；對于在高速公路出入口匝道附近的高清監(jiān)控攝像頭，因為其識別范圍廣、精度高，且可以以較高的碼率傳輸視頻信號，所以可以主要作為基于OpenCV下人工智能圖像識別的功能。因此，此裝置可以采集到較長一段時間內(nèi)的車輛速度變化情況、車牌信息、車輛所屬車道信息。若在攝像頭分辨率足夠高，且網(wǎng)絡(luò)傳輸速率足夠快，計算機設(shè)備性能優(yōu)良的情況下，還可識別到車輛駕駛員的駕駛狀態(tài)，為車輛預(yù)警提供更多參考。

2.3.3 視頻參數(shù)分析模塊

上述，對于視頻的分析主要是對高速公路出入口匝道附近的高清攝像頭進行分析。分析的方法主要采用基于OpenCV下的圖像識別技術(shù)，處理方式主要分為3個主要步驟。第一，對圖像進行矯正處理。因車輛在高速公路上行駛速度較快，且多數(shù)攝像頭擺放位置較高，與車輛行駛方向呈一定角度。因此采用基于標定板的攝像機標定的方法，利用攝像機成像模型以及標定板上特征求解其內(nèi)外參數(shù)，以實現(xiàn)對車輛的定位和對攝像頭的畸變矯正[3]。第二，對圖像進行灰度、降噪、濾波、二值化處理，且調(diào)用無車情況下當前時間，當前天氣的歷史影像，采用OSTU算法的閾值自適應(yīng)選擇算法[4]，與當下實時影像逐幀進行比對，判斷圖像不同的區(qū)域，并對此區(qū)域物體進行輪廓分析，以對車輛進行跟蹤。第三，對識別到的車輛車牌進行中值濾波、灰度拉伸、字符切字符識別等處理[5]。得知車輛的特征信息之后，將相關(guān)信息存入此車輛“檔案”，并對其車輛駕駛狀態(tài)進行評分。且將數(shù)據(jù)傳入計算機對應(yīng)此車輛的評分預(yù)警模塊，以便于其他模塊調(diào)用。

2.3.4 參數(shù)計算模塊

根據(jù)收集到的數(shù)據(jù)，很容易可以統(tǒng)計出車輛在駛?cè)敫咚俟分淋囕v所在位置之間的一系列車輛瞬時速率、車輛經(jīng)過某一車輛識別裝置的時刻以及車輛所在車道。根據(jù)兩識別裝置之間距離差Δx=x2-x1且根據(jù)經(jīng)過兩識別裝置的時間差Δt=t2-t1計算得知平均速度為。若當車輛經(jīng)過雷達測速裝置時可以獲知多次車輛的瞬時速率（此處v指的是速率），進而將其對時間t分別求其一階和二階導(dǎo)函數(shù)，得到車輛此刻的加速度和急動度。通過加速度判斷出車輛的速度變化情況；通過急動度判斷出車輛駕駛員對車輛“油門”控制變化的情況，并存儲數(shù)據(jù)，為下面人工智能分析做準備。

此外，結(jié)合以往不同外部環(huán)境狀況下μ與車輛車道變換頻率λ的相關(guān)性關(guān)系，可以統(tǒng)計出不同車輛與不同路況車況條件下的定性關(guān)系，其中μ為不同外部環(huán)境狀況，λ為車輛車道變換頻率，ξ為外部環(huán)境狀況與車輛車道變換頻率λ之間的函數(shù)關(guān)系。

此處外部環(huán)境狀況μ與當前路況、車況、車型、駕駛員的普遍駕駛習(xí)慣等都存在一定的聯(lián)系。因此無法定量分析，只有通過大量數(shù)據(jù)統(tǒng)計得出較為準確的分析結(jié)果。

因此，我們接下來引入人工智能分析的方法。通過對大量實例的系統(tǒng)分析，不斷更正學(xué)習(xí)，這樣不僅可以減少因數(shù)學(xué)計算帶來的復(fù)雜情況，還可以大幅提高對車輛駕駛行為評分的準確性。

2.3.5 評分預(yù)警模塊車輛評分體系建立

此模塊為本系統(tǒng)的核心模塊，主要采用人工智能分析的方法對前期采集的基礎(chǔ)數(shù)據(jù)和已經(jīng)進行初步分析的數(shù)據(jù)進行深度分析。具體分析方法如下：

首先，遵循科學(xué)性與系統(tǒng)性的原則，建立車輛評分體系，將駕駛員狀態(tài)、車輛狀態(tài)、自然環(huán)境、人為環(huán)境作為一級指標，將方向盤抓握位置、車輛車道變化率、天氣對路面影響、路面施工情況等作為二級指標，如圖2所示。

圖2 車輛評分體系

然后，通過人工智能對車輛評分指標進行權(quán)重判定。具體判定方法為：首先，采集以往事故車輛在高速公路上行駛的視頻記錄、車輛行駛速度等相關(guān)數(shù)據(jù)。然后，對此車輛事故的嚴重性以百分制的標準進行打分。進一步，根據(jù)上面提到的車輛評分體系E分別對事故車輛的E11～E43指標進行對應(yīng)打分。將得出的數(shù)據(jù)進行以下處理：

式中：σ為此車輛事故造成的嚴重性進行評分的分數(shù)；m為一級指標個數(shù)；i、j分別對應(yīng)相應(yīng)的一級、二級指標。通過求和計算，從而得出不同指標對車輛事故的造成和造成事故嚴重性的權(quán)重。

進一步，使用初步建立的車輛評分體系對還未使用的車輛數(shù)據(jù)進行評分，將此判定數(shù)據(jù)與此車輛實際發(fā)生事故情況進行比對，不斷采用人工智能學(xué)習(xí)、糾錯，以提升車輛評分體系的科學(xué)性與準確性。流程如圖3所示。

圖3 車輛評分體系工作流程圖

當車輛評分體系錯誤率降至合理范圍之內(nèi)，此系統(tǒng)將初步投入運營，對當下處于高速公路中的車輛進行評分和預(yù)警，且將繼續(xù)同步不斷地進行學(xué)習(xí)和糾錯的過程，從而進一步完善車輛評分體系。

特別說明的是，上文在車輛評分體系中提到的一級、二級指標應(yīng)根據(jù)不同地域、不同相關(guān)法律法規(guī)等實際情況做出適當調(diào)整，其中相關(guān)指標的權(quán)重判定，也可結(jié)合相關(guān)專家、考察隊伍的建議進行權(quán)重和閾值的調(diào)整，以適應(yīng)實際工作情況。

3 系統(tǒng)工作整體流程

a）車輛進入高速公路，采集車牌、車型等可特定識別此車輛的必要信息。

b）車輛經(jīng)過視頻監(jiān)控、測速雷達、RSU門架等，采集相關(guān)數(shù)據(jù)。

c）數(shù)據(jù)傳輸至計算機，進行數(shù)據(jù)初步處理。

d）將處理完成的數(shù)據(jù)交由人工智能分析，人工智能給出駕駛評分。

e）根據(jù)預(yù)先設(shè)定好的閾值確定是否由高速交管中心向車輛駕駛員發(fā)出預(yù)警。

f）若e）向車輛駕駛員發(fā)出預(yù)警，則由高速交管部門做進一步處理。若e）未向車輛駕駛員發(fā)出預(yù)警，則返回執(zhí)行b）。

g）車輛駛出高速，結(jié)束此次進程，將此次駕駛數(shù)據(jù)存儲至數(shù)據(jù)庫，備用。如圖4所示。

圖4 系統(tǒng)工作整體流程圖

4 應(yīng)用前景

本系統(tǒng)將高速公路現(xiàn)有的設(shè)施做進一步開發(fā)，改造成本較低，且能大幅度地提高車輛在高速公路駕駛的安全性，有效降低高速公路事故率，提高車輛的通行效率，無論是對車輛駕駛員還是交通管理部門都會產(chǎn)生一定的積極影響。進而推動物流、運輸、旅游行業(yè)的進一步發(fā)展。因此本系統(tǒng)有著廣闊的應(yīng)用前景。

5 結(jié)論

基于人工智能的高速公路車輛安全駕駛預(yù)警系統(tǒng)能夠使用高速公路上現(xiàn)有的相關(guān)設(shè)施，通過計算機處理，人工智能學(xué)習(xí)、分析的方法，對車輛駕駛行為進行評分，從而對駕駛狀態(tài)異常的車輛駕駛員進行提醒，以達到降低交通事故發(fā)生率，減少人員傷亡的目的。