無人機輔助城市路口行人過街交通特性調查與分析*

向懷坤，譚 基，何漢馳

（深圳職業技術學院 汽車與交通學院，廣東 深圳 518055）

行人交通特性主要是指行人作為群體表現出來的宏觀特性，一般以行人交通量、行人交通速度、行人交通密度等參數來進行表征[1]．近年來，隨著“以人為本”交通管理理念逐步深入人心，人們越來越重視行人交通規劃、設計、管理與控制等工作[2]，作為支撐這一交通管理理念落地實施的重要基礎數據，行人交通特性參數再次受到與行人交通研究有關各方的重視．文獻[3]對老年人的步行速度進行了研究，發現老年人的步行速度受性別和交叉口類型的影響較大，建議人行橫道的設計步行速為1.2 m/s．美國《HCM》認為，當城市道路中老年人的比例超過20%時，建議取1.0 m/s作為行人的平均步行速度[4]．文獻[5]研究得出城市交叉口行人的平均過街速度為1.11 m/s．文獻[6]對上海市的行人平均步速、步行幅度和步行頻率等參數進行了調查研究，得出行人步行速度為1.24 m/s．文獻[7]通過對哈爾濱市 11個交叉口中的42條人行橫道調查數據的分析處理，得到總體行人平均過街速度為1.47 m/s，其中85%位行人步速為1.74 m/s，15%位行人步速為1.19 m/s．調研表明，目前關于行人過街交通特性的研究仍主要集中在行人平均步速的研究上，對其他行人交通特性如行人交通密度、行人運動空間等的研究還較為缺乏，且行人交通特性參數調查方法也主要在機動車數據調查方法的基礎上發展而來，如人工檢測法、感應線圈檢測法、超聲波檢測器法等等，與行人交通特性參數的數據采集與處理工作不相適應[8]．在此背景下，本文提出基于低空多旋翼無人機（UAV）輔助城市燈控路口行人過街交通特性參數調查方法，利用無人機航拍視頻圖像，采用人工交互作業模式可以快速地提取路口行人過街速度、行人交通密度等交通特性參數．

1 行人過街交通特性參數計算方法

與地面監控系統拍攝的視頻圖像中的背景處于靜止狀態有所不同的是，無人機航拍視頻圖像中背景與移動目標之間都處于運動狀態．其中背景的運動是由于無人機在空中飛行時受風力、無人機遙控及其自身穩定性等因素影響，而移動目標的運動則是指其相對于圖像中的背景處于運動狀態，因此在進行圖像中移動目標的分析提取時，需要綜合考慮視頻流圖像中背景運動對于前景移動目標的辨識和跟蹤的影響，涉及到非常龐雜的計算機視覺理論與模式識別等內容，限于篇幅本文只重點介紹基于航拍視頻圖像獲取行人交通速度、行人交通密度與行人運動空間參數的基本采集方法．

1.1 行人交通速度采集方法

行人交通速度一般定義為單位時間內行人運動通過的距離，單位為m/s．在視頻圖像區域內，行人運行的速度向量可以通過計算曲率零點在位置差異和時間差異之間的商來獲取，并且加入了中途時間．具體實現方法可以有以下幾種[9-11]：

1）給定第i個行人的運行軌跡距離為Xi(t)，在單位時間Δt內速度的計算公式如下：

2）在給定的距離和行人進、出時間（tin,tout）條件下，行人速度的計算公式如下：

3）考慮行人的運行坐標和區域面積Ai，則行人速度的計算公式如下：

式（3）中，vi(t)表示t時刻行人走行的瞬時速度，單位m/s．

1.2 行人交通密度采集方法

行人交通密度被定義為某時刻單位面積內的行人數量，單位為p/m2（人/平方米）．由于這是一個瞬時觀測參量，在實際采集時一般利用航空攝影的方法進行采集，對于無人機航拍而言，無論是采集圖像還是拍攝連續視頻流，均可以從圖片中提取統計時刻停留在某個調查區域內的行人數量，從而得到行人交通密度值．具體計算公式如下：

式中：K為行人交通密度；N為行人數量；A為單位面積．由于該計算方法未充分考慮到觀測面積、間隔及次數，而觀測面積的不同對行人密度的觀測精度影響較大，為此B.Steffen等人提出基于泰森多邊形法來對行人交通密度進行采集和計算[9]，如下式：

式（5）中KV的測量適用于行人數量較小的狀況，而式（6）的KV’則允許泰森多邊形法元胞落于調查區域外，故公式（5）較公式（6）的計算更容易受鄰近邊緣多邊形的影響．

1.3 行人運動空間采集方法

行人運動空間被定義為行人在運動過程中人體正射投影的平均面積，單位取 m2/p（平方米/人）．這個參數用于行人交通的空間分析，是支撐行人交通基礎設施空間大小規劃、設計的重要參量．設某個測量區域Ai中有N個被檢測行人在運動（過街），將每個行人個體看成一個矩形元胞（square cell），提取其質心點坐標（xi,yi）生成元胞單元面域，根據其某時刻運動輪廓計算最大的矩形面積，從而得到每個元胞單元的基于時間序列（t）的面積Ci，再將其取均值得到每個個體的運動空間，然后對測量區域內的N個元胞單元取平均，最后得到平均的過街行人運動空間參量：

2 無人機輔助燈控路口交通特性參數調查

2.1 調查地點選取

為使觀測樣本數據更具代表性，充分考慮了行人過街地點、周邊交通需求、觀測時段、道路交通分布狀況、對行人干擾等綜合影響因素．行人過街地點考慮了一次過街、二次過街、信號燈控制、平面交叉路口、燈控路段；對于地點周邊交通需求重點考慮附近用地性質如住宅區、商業區和工業區；觀測時段則考慮了早、晚高峰和中午平峰3個時段；道路交通分布狀況考慮了交通擁擠和非交通擁擠2種情況；對行人干擾重點考慮非機動車對行人干擾．根據以上選點依據，首先利用百度地圖APP、高徒地圖APP并結合交通專業知識，對深圳市燈控路口進行大范圍篩選，然后在此基礎上進行實地走訪調查選擇，最后選出有代表性的10個燈控路口作為觀測地點，見表1．

表1 調查地點情況

2.2 統計樣本量確定

確定觀測樣本量的主要目的是為了控制觀測值的統計精度，可根據數理統計學理論確定．限于篇幅下面僅給出行人過街步行速度采樣的最低樣本量計算方法：

式中，n為最小樣本量；E為步速觀測值允許誤差，m/s，其值取決于要求的精度，一般取E=0.07m/s；K為置信度水平系數，其值可查表求得，一般取95%的置信度水平，即K取1.96；σ為估計樣本的標準偏差，一般取0.37 m/s．據此可計算出調查所需的最小樣本量為107個．

2.3 無人機數據采集

為確保無人機航拍行人過街視頻清晰，選擇了天氣晴朗的時段，調查時間自2019年9月12日至10月30日，前后歷時近50 d．調查工具以大疆精靈4pro為主，為提高測量結果的精度，地面比例標定方法采用專用鋼尺測定．由于行人過街行為具有隨意性，本次調查對象為城市道路交叉口中在綠燈控制下的過街行人，為了分析年齡對行人交通特性的影響，在調查時把行人分為青年和中年．在整個外業數據采集過程中，只需要2名觀測人員即可完成全部觀測記錄任務．觀測人員到達現場后，首先選定行人過街觀測區域，然后選擇標志物利用專用測繪鋼尺標定地面比例，再對觀測區域手工繪制草圖（必要時可用手機拍照），最后操作無人機開始航拍錄像．在航拍過程中，一般而言要求攝像頭垂直向下，按人行橫道方向分時段逐點固定航拍，使正個垂直拍攝過程覆蓋整個人行橫道，以方便內業數據處理工作．

3 無人機輔助燈控路口交通特性參數統計

利用本團隊開發的專用航拍視頻交通分析軟件對外業航拍的行人過街視頻進行分析，涉及大量的計算機視覺及模式識別等理論知識，通過視頻圖像處理可以提取行人過街交通量、行人過街速度、行人過街密度、行人運動空間等特性參數，計算方法見前面第一部分的論述．

3.1 行人過街速度統計分析

根據速度的測定條件，從視頻圖像中共篩選采集得到了324個符合要求的行人樣本，其中男性161個，女性163個，提取到324個行人樣本的過街速度．然后利用SPSS軟件對這些樣本數據進行統計分析．

從表2可知，男性行人過街速度的均值為1.55 m/s，女性行人過街速度的均值為1.49 m/s，男性行人過街速度高于女性．過街速度的極小值和極大值男女差別不大．男性過街速度的標準差較女性大，說明女性的自由速度分布更為集中．利用SPSS輸出男、女性行人過街速度分布的正態Q-Q圖如圖1所示．正態Q-Q圖上的點可指示數據集的單變量分布的正態性．如果數據是正態分布的，點將落在 45度參考線上．如果數據不是正態分布的，點將會偏離參考線．

表2 行人過街速度分性別統計結果

圖1 過街速度分布正態Q-Q圖

從圖1中可以看出男、女性行人過街速度的觀測值與期望值具有較高的吻合度，樣本最多重疊的部分離預期的正態值較近，因此認為樣本符合正態分布．不同年齡段的行人，其過街速度會有所差別，在調查視頻中可以觀察到，青年人與中青年人在過街過程中普遍步速較快．為定量研究不同年齡段行人過街速度的差異，本文采用SPSS統計分析行人過街速度的樣本數據．統計結果如表3所示．結果顯示，青年行人過街的速度均值為1.51m/s，與中年行人的 1.52m/s基本相近．其他幾項數據均差別不大．

表3 行人過街速度分年齡段統計結果

對總體行人過街速度進行統計分析，得到總體行人過街均值為1.52 m/s，中位數為1.48 m/s，極小值和極大值分別為0.77 m/s和3.10 m/s．因為一般要在行人過街過程中至少保證85%的行人能順利通過，所以采用速度累計頻率分布的15%位速度作為行人過街設計速度．本文統計得到的行人過街15%位速度為1.18m/s．將本次行人過街速度與國內目前已有研究成果對比，結果見表4．

表4 行人過街速度對比分析

分析上述國內其他城市發現其行人過街速度統計均值位于1.2～1.52 m/s之間，本文統計得到深圳市行人過街速度均值為1.52 m/s，高于哈爾濱、北京、長春等城市．

3.2 行人過街密度統計分析

根據無人機拍攝的視頻，以5 s為間隔，從中共篩選出108組符合要求的行人交通密度樣本量進行數據提取．利用SPSS軟件對提取數據進行統計分析，得到行人過街交通密度統計結果見表5．

表5 行人過街密度統計結果

從表5可知，行人交通密度平均值為0.1811 p/m2，其中最小值為 0.03 p/m2，最大值為0.58 p/m2，中位數為0.155 p/m2．

3.3 行人運動空間統計分析

根據無人機拍攝的視頻，以每十幀為間隔進行視頻分析，從中共篩選出110組符合要求的行人運動空間的樣本量進行數據采集，然后利用SPSS軟件對行人過街運動空間數據進行描述性統計分析，得到行人過街交通密度統計結果見表6．由表6可知，行人運動空間均值為1.4453 m2/p，其中極小值為0.79 m2/p，極大值為2.11 m2/p．

表6 行人運動空間描述統計量

4 結 語

受制于傳統的地面觀測技術和方法，目前對行人交通速度的研究較為充分，對行人交通密度、行人運動空間等研究較少．本文利用無人機輔助地面人工觀測開展城市燈控路口行人過街交通特性參數調查，重點對行人交通速度、行人交通密度和行人運動空間三個參數進行了統計分析．以深圳市為例，選取了具有一定代表性的10個燈控路口進行了調查和數據統計分析，得出深圳市行人交通速度均值為1.52 m/s，高于國內哈爾濱、北京、西安、重慶等城市．另外，還得到了深圳市行人過街交通密度均值為0.181 p/m2，行人過街運動空間均值為1.445 m2/p．下一階段將繼續完善基于無人機的行人交通調查系統的數據統計功能，同時針對多因素干擾下的行人交通特性時空變化規律等進行研究．本文的統計數據對于深圳市及類似城市在行人交通管理與控制方面具有一定的參考價值．