基于視頻的高速公路匝道交通管控技術(shù)研究

楊卓敏 張森 郭恩強(qiáng)

摘 要：高速公路匝道口是事故多發(fā)地帶，而出口匝道及附近路段更是高頻事故點(diǎn)。研究表明，車速變化、車道變窄、車輛變道、車輛交匯等因素是造成交通違法和交通事件（尤其是重大交通事故）的主要原因。基于高速公路匝道交通視頻管控技術(shù)，本研究以人工智能技術(shù)改造和利用現(xiàn)有匝道監(jiān)控視頻，從而科學(xué)實(shí)現(xiàn)高速公路匝道及附近路段交通管控的實(shí)踐目標(biāo)。

關(guān)鍵詞：高速公路;匝道;視頻;交通管控

中圖分類號：U491.54文獻(xiàn)標(biāo)識碼：A文章編號：1003-5168（2021）14-0098-03

Abstract： Expressway ramp junctions are accident-prone areas， while exit ramps and nearby sections are even more frequent accident points. Studies have shown that factors such as speed changes， lane narrowing， vehicle lane changes， and vehicle intersections are the main reasons for traffic violations and traffic incidents （especially major traffic accidents）. Based on the highway ramp traffic video management and control technology， this research uses artificial intelligence technology to transform and use the existing ramp monitoring video， so as to scientifically realize the practical goal of highway ramp and nearby road traffic management and control.

Keywords： expressway;ramp;video;traffic control

高速公路匝道口特別是出口匝道及附近路段，由于車速變化、車道變窄、車輛變道、車輛交匯等多方誘因集聚，成為發(fā)生各類交通違法和交通事件的集中點(diǎn)，繼而導(dǎo)致重大交通事故頻繁發(fā)生。據(jù)不完全統(tǒng)計(jì)，高速公路匝道及附近道路事故占比接近事故總數(shù)的一半。

高速公路匝道處，視頻監(jiān)控密布。目前，我國高速公路交通管控方面，受成本限制，高速公路上電子警察和事件檢測設(shè)備總量不多，無法滿足高速公路匝道交通全面管控的需要。但是，高速公路視頻監(jiān)控設(shè)備部署數(shù)量龐大，平均達(dá)到每2 km 1處，而且高速公路匝道及附近路段是視頻監(jiān)控設(shè)備最密集的區(qū)域，接近于視頻全覆蓋。據(jù)此，我國的高速公路匝道管控完全有可能實(shí)現(xiàn)以視頻為基礎(chǔ)的交通管控。本文提出基于視頻的高速公路匝道交通管控技術(shù)，研究以人工智能技術(shù)改造和利用現(xiàn)有匝道監(jiān)控視頻，實(shí)現(xiàn)高速公路匝道及附近路段交通管控。

1 高速事故特征

其一，國內(nèi)高速公路事故類型中，直接財(cái)產(chǎn)損失和重大事故占總數(shù)的比重大。根據(jù)公安交通部門統(tǒng)計(jì)數(shù)據(jù)，2018年全國共發(fā)生道路交通事故244 937起，其中，高速公路事故有9 243起，占比為3.77%;死亡事故有63 197起，高速公路有5 336起，占比為8.44%，直接財(cái)產(chǎn)損失占比為32.11%;5起10人以上重大事故中高速公路發(fā)生2起，占比為40%。

其二，高速公路事故起數(shù)雖然不高，但造成的人員財(cái)產(chǎn)損失巨大。在所有高速公路事故中，匝道附近事故最為常見。2018年上半年，南京交管部門統(tǒng)計(jì)發(fā)現(xiàn)，高速上50%以上事故發(fā)生在匝道口。對陜西某高速公路上2007年10月至2009年7月發(fā)生的高速公路事故統(tǒng)計(jì)也表明，出口匝道事故占比達(dá)40%左右。

另外，這一現(xiàn)象并非中國特有，國外也發(fā)生頻繁，如美國。統(tǒng)計(jì)指出，在不到高速公路總里程5%的路段（立交或匝道），發(fā)生的事故數(shù)卻占高速事故總數(shù)的18%，致傷事故占17%，致死事故占11%;83%的立交事故發(fā)生于高速公路的出入口，其中，有一半的事故發(fā)生于出口匝道上，36%發(fā)生于入口匝道上，16%發(fā)生于兩條高速公路的相連路段[1]。

2 拓展視頻技術(shù)，加強(qiáng)匝道交通視頻管控

高速公路匝道管控的關(guān)鍵就是交通違法行為的管控。高速公路出口匝道的運(yùn)行特征較為特殊，傳統(tǒng)研究因缺少清晰的數(shù)據(jù)來源，在定量分析方面依然存在不足[2]。交通違法行為的智能識別和定性成為交通管控的重中之重。如果通過視頻識別，可以科學(xué)準(zhǔn)確地實(shí)現(xiàn)高速公路行車的規(guī)范化，充分達(dá)到約束交通違法行為、降低匝道高頻事故發(fā)生率的目標(biāo)，那么目前國內(nèi)高速公路匝道事故多發(fā)的現(xiàn)象就會得到簡單有效的遏制。

其一，通過視頻發(fā)現(xiàn)與取證“五類違法”具有可行性。2020年，公安部交通管理局提出，嚴(yán)管嚴(yán)查易擾亂秩序交通違法，緊盯違法占用應(yīng)急車道、強(qiáng)行連續(xù)變道、貨車違法占道、違法倒車、逆向行駛等“五類違法”。其中，違法倒車、逆向行駛、強(qiáng)行連續(xù)變道和占用應(yīng)急車道均為匝道口及附近道路多發(fā)違法行為。該五類重點(diǎn)違法行為不涉及測量與標(biāo)定，均可以通過視頻發(fā)現(xiàn)與取證。

其二，“五類違法”中強(qiáng)行連續(xù)變道識別難度大，急需視頻技術(shù)支持。如表1所示，2019年全國高速公路違法數(shù)據(jù)反映了兩個(gè)主要問題：一是“五類違法”發(fā)生量大，其視頻發(fā)現(xiàn)與取證確實(shí)非常重要，經(jīng)計(jì)算，五類違法共處罰742 650次，占非超速類高速公路違法的18.5%;二是“五類違法”現(xiàn)有查處能力集中于占用應(yīng)急車道和貨車違法占道，對于強(qiáng)行連續(xù)變道等發(fā)現(xiàn)與處罰的能力較弱，當(dāng)前急需發(fā)展相關(guān)視頻識別技術(shù)。

其三，常見違法行為亦需要采用視頻識別技術(shù)來識別。除五類重點(diǎn)違法之外，匝道口及附近路段還有其他5種常見違法行為也適合采用視頻識別技術(shù)，包括壓導(dǎo)流線、實(shí)線變道（壓白實(shí)線）、違法超車、違停、不打轉(zhuǎn)向燈。

根據(jù)表1計(jì)算可得，2019年全國高速公路違法數(shù)據(jù)中，這5種常見違法行為共處罰1 762 880次，占高速公路非限速類違法的43.91%，比五類重點(diǎn)違法行為占比更高，說明這5種常見違法行為識別手段較為成熟，新研發(fā)的基于視頻的匝道交通管控系統(tǒng)必須支持這5種常見違法行為的識別與取證，才能夠整合和替代現(xiàn)有分散高速公路違法識別系統(tǒng)。

由表1可知，以上10種違法行為共處罰了2 505 530次，占非限速類高速公路違法的62.41%。

縱觀以上數(shù)據(jù)，高速公路交通管控在五類重點(diǎn)違法行為方面已經(jīng)有相當(dāng)成熟的體制，而五類常見違法行為識別還亟待進(jìn)一步改進(jìn)和整合。因此，高速公路匝道交通管控應(yīng)緊緊圍繞上述10種違法行為，重點(diǎn)發(fā)展強(qiáng)行連續(xù)變道、違法超車等違法行為識別技術(shù)，吸收與強(qiáng)化壓導(dǎo)流線、實(shí)線變道、違停、不打轉(zhuǎn)向燈等成熟的視頻識別技術(shù)，對強(qiáng)制換道車輛與目標(biāo)車道進(jìn)行分析，然后基于總體效益，對車道協(xié)同換道軌跡進(jìn)行優(yōu)化研究。結(jié)合航拍視頻中車輛換道的軌跡擬合結(jié)果，對協(xié)同換道進(jìn)行軌跡規(guī)劃，提升高速公路匝道交通違法非現(xiàn)場查處能力[2]。

3 做好匝道交通視頻管控，促進(jìn)事件識別和預(yù)警

高速公路匝道安全管控有利于全方位監(jiān)督和管控安全。匝道交通違法行為的識別與取證主要起到事后監(jiān)督的作用，對于高速公路匝道安全管控，更重要的是基于交通事件的管控，核心就是交通事件的識別與預(yù)警。

提前警示高速路況，有利于降低高速公路交通事件的發(fā)生率。密布于高速公路沿線的監(jiān)控?cái)z像機(jī)電設(shè)備所記錄的交通監(jiān)控視頻包含了豐富的能見度信息，為高速公路能見度探測提供了新的思路[3]。高速公路交通事件分為三部分。一是交通違法行為，特別是對于號牌無法看清而無法取證的交通違法行為，作為交通事件發(fā)現(xiàn)與預(yù)警，由高速公路民警現(xiàn)場糾正或通過誘導(dǎo)屏、短信等警示，立竿見影地提高匝道區(qū)域的交通安全管控水平;二是事故和擁堵，保安全和保暢通是高速公路管控的兩大永恒主題，因而事故與擁堵事件必須第一時(shí)間發(fā)現(xiàn)與預(yù)警;三是危險(xiǎn)的跡象，擁堵與事故難以直接發(fā)現(xiàn)，通常需要通過速度驟減、車輛緩行等跡象發(fā)現(xiàn)，而行人上高速、跟車過近、惡劣天氣等可能導(dǎo)致事故發(fā)生，這些相關(guān)事件的識別與預(yù)警具有重要意義。

4 合理運(yùn)用視頻優(yōu)化技術(shù)，做好匝道交通視頻管控

交通運(yùn)輸行業(yè)在當(dāng)前社會中承擔(dān)了重要的任務(wù)，除了提升公路運(yùn)輸?shù)恼w運(yùn)輸量與運(yùn)輸效率，運(yùn)輸單位還須將基礎(chǔ)性的運(yùn)輸安全保障工作做好，以先進(jìn)的技術(shù)手段來改進(jìn)運(yùn)輸監(jiān)管系統(tǒng)，綜合運(yùn)用視頻監(jiān)控系統(tǒng)與車輛定位技術(shù)，探索全新的公路運(yùn)輸管控手段[4]。視頻監(jiān)控系統(tǒng)在高速公路的應(yīng)用中存在一系列問題，如數(shù)據(jù)分析設(shè)施不夠完善、重點(diǎn)視頻監(jiān)控地段監(jiān)管較為薄弱、視頻監(jiān)控設(shè)備在極端惡劣條件下很難發(fā)揮實(shí)效、設(shè)施運(yùn)行穩(wěn)定性不高、圖像數(shù)據(jù)信息傳送與存儲很難保證穩(wěn)定性等[5]。因此，有必要基于高速公路監(jiān)控連續(xù)視頻（球機(jī)或槍機(jī)），改進(jìn)高速公路匝道交通管控技術(shù)。與傳統(tǒng)的電子警察抓拍方式相比，基于視頻的高速公路匝道交通管控方式有一些特別的技術(shù)難點(diǎn)。一是基于視頻的違法取證困難，主要是可識別車輛號牌區(qū)域較小、快門太慢等;二是監(jiān)控視頻并非專用，使用中不斷變化，存在場景適應(yīng)的困難。結(jié)合具體問題，本文提出以下解決方案。

4.1 違法取證困難，采用后端識別方案

由于近大遠(yuǎn)小的基本成像規(guī)則，即使采用高分辨率攝像機(jī)（如900萬的攝像機(jī)），也只能實(shí)現(xiàn)30～50 m范圍內(nèi)的車牌可見。遠(yuǎn)處場景大物體小，車牌看不清楚。而取景范圍受高度、角度限制，調(diào)整焦距看到遠(yuǎn)處時(shí)，近處會被遮擋。因而，無論怎么調(diào)整攝像機(jī)設(shè)置，能同時(shí)支持違法識別和號牌識別的范圍也非常有限。

高速公路違法取證一般采用槍球聯(lián)動的方案解決這一問題，即由大視野的槍機(jī)發(fā)現(xiàn)識別違法，驅(qū)動球機(jī)抓拍號牌。但采用后端識別方案時(shí)，來不及驅(qū)動球機(jī)抓拍（高速車速過快，1～2 s即開過違法區(qū)域）。

此外，快門太慢、逆光等原因也會造成車輛號牌不清晰。為此，采取以下策略。一是大范圍預(yù)警，小范圍取證。在正常監(jiān)控視野內(nèi)，發(fā)現(xiàn)和識別各種違法行為，將其作為預(yù)警信息輸出;將車牌可見范圍對準(zhǔn)違法密集區(qū)域（如導(dǎo)流線附近），爭取盡可能取證違法行為。二是針對性的前端設(shè)備改造。采用高分辨率（400萬～600萬像素）、超寬動態(tài)（如120 dB）的監(jiān)控球機(jī)。三是調(diào)整攝像機(jī)快門設(shè)置。采用較高快門，以犧牲圖像流暢性為代價(jià)提高單幀清晰度。

4.2 場景適應(yīng)困難，采取語義分割技術(shù)

目前，高速公路電子警察設(shè)備主要通過預(yù)先人工劃線的方式，讓算法認(rèn)識場景，從而識別交通違法行為。但匝道及附近路段監(jiān)控主要是球機(jī)，優(yōu)點(diǎn)是通過控制云臺和焦距增加監(jiān)控范圍，缺點(diǎn)是監(jiān)控視野不固定，難以預(yù)先標(biāo)注車道等基本元素。

解決方案是通過深度學(xué)習(xí)語義分割技術(shù)（見圖1），經(jīng)過大量樣本訓(xùn)練，識別高速公路標(biāo)志標(biāo)線，分割車道等不同區(qū)域，從而由算法自行理解場景。當(dāng)球機(jī)監(jiān)控范圍發(fā)生變化時(shí)，算法可以再次識別場景，自行理解新的場景，從而實(shí)現(xiàn)場景自適應(yīng)。

5 結(jié)論

根據(jù)本文描述的方法，技術(shù)人員研發(fā)了匝道識別預(yù)警系統(tǒng)，其試用效果顯著。目前，該系統(tǒng)已在江蘇、湖北、海南等多個(gè)高速公路公安交通管理部門試用，在不顯著增加前端設(shè)備成本的前提下，通過后端算法，充分利用現(xiàn)有高速公路監(jiān)控視頻，實(shí)現(xiàn)了高速公路匝道區(qū)域交通違法非現(xiàn)場處置、交通事件應(yīng)急處置、匝道交通擁堵秩序管控等業(yè)務(wù)應(yīng)用，取得了一定的效果。

參考文獻(xiàn)：

[1]程飛，郭唐儀，白泉.美國Florida州高速公路出口區(qū)域事故特征分析[J].中外公路，2015（5）：313-317.

[2]周昊.基于航拍視頻的高速公路出口匝道貨車運(yùn)行特征及影響研究[D].南京：東南大學(xué)，2018：12.

[3]王金冕.基于監(jiān)控視頻分析的高速公路能見度檢測與預(yù)警系統(tǒng)研究[D].西安：長安大學(xué)，2016：16-17.

[4]張鐵東.車輛定位與視頻監(jiān)控系統(tǒng)在公路運(yùn)輸安全管理的應(yīng)用[J].科學(xué)與財(cái)富，2019（2）：74.

[5]翟娜.視頻監(jiān)控系統(tǒng)在高速公路中的應(yīng)用[J].交通世界，2018（12）：158-159.