智慧高速路側感知設備優化布設方法研究

邱興友，徐志航，田 彬，溫金川，梁麗娟，杜世貝

（1.浙江杭紹甬高速公路有限公司，浙江 杭州 311241；2.長安大學信息工程學院，陜西 西安 710064）

路側設備的合理布局在目前智慧高速試點大力推行的形勢中起到了尤為關鍵的作用，為智慧高速各項功能的實現提供了基礎。這一問題需要進行合理研究以達到良好的功能要求以及成本約束。

在高速公路交通檢測器布設方案以及相關事件檢測方法方面，Li[1]、Salari[2-3]、王浩淼[4]、展鳳萍[5-6]、何賞璐[7]、程銀雁[8]、馬雅勰[9]、張雯靚[10]、Bopardikar[11]、Contreras[12]、Gentili[13]、Haber[14]、González[15]、Ye[16]等 人開展了研究，這些研究中都沒有給出確定最佳路側感知設備位置、路側感知設備數量的布設方案，基于此，該文對這個問題進行了研究。

1 高速公路特性和事件感知原理分析

1.1 高速公路特性

根據我國的道路設計規范，高速公路在設計時，就對各車道設置了明確的速度限制，最低時速規定為60 km/h，最高時速為120 km/h。當高速公路上行駛的車輛車速超過100 km/h 時，應當與同車道的前方行駛車輛保持至少100 m 的安全車距；當車速低于100 km/h 時，與前車車距不得小于50 m。這就造成了正常通行情況下高速公路上車輛的低密度性。智慧高速是在傳統高速的基礎上進行功能以及服務的提升，在特性上跟傳統高速是相同的，基本遵循上述說法。

根據調查研究知，當高速公路車流密度較低、車輛之間相互影響較小，在沒有其他外界干擾因素存在的情況下，可以將高速公路上的車流近似看成泊松分布，即在長度為L的路段上有n輛車的概率為：

式中，λ為車輛密度。則路段上的平均車輛節點數為：

由于車輛到達服從泊松分布，車輛到達的時間間隔服從指數分布。假設車輛行駛速度相同，則車輛間的距離x也服從指數分布:

當車流量較小時，在SUMO 仿真平臺中模擬的高速公路車流基本符合上述特性，因此可以在SUMO中模擬出高速公路一般情況下的車流場景，用于仿真實驗。當車流較大時，車輛間的相互影響較大，當車流某一部分出現異常事件時，會對整個車流運行狀態造成巨大影響，這種情況下很容易被快速感知。因此在后續的仿真實驗中都模擬高速公路車流量較小的狀態。

1.2 事件感知原理

當高速公路上發生交通事件時，會造成事件發生位置前后一定區域內交通流參數發生突變，與正常交通狀態下的交通參數相比存在一定偏差，根據偏差的變化幅度大小可以進行交通事件檢測研判。當交通參數變化幅度超過設定的閾值范圍時，就可以判定事件的發生，如式（4）所示：

式中，Pz為無事件發生的交通流參數；Py為發生事件后的交通流參數；ε為偏差閾值。

因此可以在仿真平臺中，分別模擬出高速公路場景下無異常事件發生和有事件發生的情形下，通過設置的檢測器，分別檢測出各自場景下的交通參數，進行多組試驗后得到多組數據，根據式（4）確定有無事件發生交通參數變化的閾值。

檢測器可以直接檢測出檢測范圍內的異常事件，該文對于事件的感知依靠檢測器的直接感知，以及檢測的數據通過上述算法原理間接研判感知相結合[17]。

2 感知原理的仿真實驗

2.1 仿真場景設置

在SUMO 仿真平臺中基本可以模擬出大部分的高速公路真實場景，參考了國內某條高速公路的相關數據以及歷史交通量數據后，該文采用的實驗模擬場景為一段5 km 的三車道高速公路，三條車道從上到下的限速分別為120、100、80 km/h，總車流量為1 266 veh/h，車流符合高速公路基本特性。

通過使用SUMO 中自帶的檢測器模塊，如圖1中白色部分所示，可以檢測出通過該檢測器車流的流量、速度、占有率等交通參數。因此可以在模擬路段的任意位置布設檢測器用來檢測交通流參數，分別得到模擬的正常高速場景和有異常事件交通流參數，對比其是否在出現異常事件的時候交通流參數出現變化，并計算變化幅度值以此驗證異常事件感知原理是否可以在仿真軟件模擬的場景實驗中成立，最終用來確定指導檢測器布設方案的可行性。

圖1 SUMO模擬的高速場景基本圖

2.2 檢測器布設仿真實驗

根據對高速公路典型異常事件的分析，該文選用異常停車事件進行仿真研究，預先設置異常停車位置為路段的1 km 處，考慮到事件發生后的影響區域范圍，在路段的0.8 km 以及1.2 km 處的車道上布設SUMO 自帶的檢測器，先仿真進行無異常事件發生狀態，如圖2 所示，車流按照設置正常運行；再進行異常停車事件場景的仿真，如圖3 所示，帶有三角符號的異常車輛在1 km 處停車造成車道排隊堵塞。分別開展兩種情形的仿真實驗，通過設置的檢測器得到交通流參數數據，這些數據每50 s 上傳一次，并存儲在SUMO 的對應文件下。

圖2 正常場景示意圖

圖3 異常事件場景示意圖

每一個場景總體仿真3 800 s 至完全仿真結束后，這些檢測器將檢測到的數據輸出，得到有無事件發生時的交通流數據，將這些數據進一步處理后可以得到交通流參數變化圖，并計算出各交通流參數的變化幅度。

如圖4 所示，總交通量為1 266 veh/h 時，有無事件發生情形下，設置的檢測器檢測出來的交通流參數均出現一定的變化。

圖4 有無事件發生交通流參數變化圖

根據式（4）分別計算這三個參數在有無事件發生的變化幅度，得到流量的變化值為19.906 4%；占有率的變化值為14.033 8%；速度的變化值為8.833 4%。

為了進一步驗證這些變化值是否合理，改變總體交通量分別為900、1 500、1 800 veh/h，在其他參數完全不變的情況下開展多組仿真實驗，進行上述的實驗操作得到表1 中的不同總體流量下交通流參數在有無事件發生的情形下的變化值。根據表1 的結果可以驗證基于交通流參數變化來判斷事件發生的間接檢測方法在SUMO 仿真實驗中的可行性，并且各交通流變化幅度隨著總體交通流量增大而增大。

表1 不同車流量下交通流參數變化值

事件檢測算法的閾值的界定需要進行多組實驗最終根據結果進行合理選取，最終界定后，當參數變化值超過閾值后，即可判定事件發生，并且得到相應的事件檢出時間。

3 路側設備布設方案優化研究

3.1 路側設備布設方案優化仿真場景設置

該文在此研究純視頻檢測器布設方案下不同的布設間距對交通事件以及交通事件的感知效果，結合考慮總體的布設成本以此對布設間距進行優化處理，最終選擇一個效益好的布設間距。經過調研后得知，目前廠家生產的視頻監控設備大致的檢測距離為單向75 m 左右，在檢測距離內可以立即檢測出異常交通事件以及交通流參數。在SUMO 里面的檢測器模塊進行的點檢測不考慮工作半徑。然而在智慧高速的建設中，相關路側感知設備布設間距都比傳統高速的布設間距小的多，因此在一定的布設間距中，需要考慮視頻監控設備的檢測距離來指導整個方案的布設。在該文中通過SUMO 和OMNET++兩個雙向耦合仿真平臺來實現上述功能，在OMNET++里調用RSU 通信設備，通過車與RSU 通信來替換視頻監控設備的相關檢測功能，視頻監控設備的檢測半徑通過設置RSU 的通信半徑來替換，基于此就可以實現純視頻布設方案模擬檢測場景。

因此，同樣設置一段5 km 的三車道高速公路，三條車道從上到下的限速分別為120、100、80 km/h，總車流量為1 266 veh/h，車流符合高速公路基本特性。如圖5 所示，模擬的范圍檢測器按150 m 的間隔布置，其中每個模擬的范圍檢測器的通信半徑為75 m，如圖5 中虛線所示，在通信半徑內可以獲得車輛的交通流參數信息，并且異常停車事件發生在范圍內立即上報。

圖5 模擬范圍檢測器圖

如果異常事件沒有發生在檢測器檢測范圍內，則需要用交通參數的變化幅度達到設定閾值這一原理來間接判斷事件的發生。場景構建后進行仿真實驗，數據每隔10 s 上傳一次，仿真300 s 得到正常情況下純視頻布設方案的流量和速度數據，與SUMO自帶點檢測器檢測模塊檢測到的數據進行對比，對比結果如圖6 所示。

圖6 兩種檢測器數據對比圖

從圖6 中可以看出，兩種檢測器的檢測準確度是基本一致的，為了定量驗證一致性，對兩種檢測器檢測的數據進行整體平均，得到兩者檢測的流量以及速度數據，對兩者進行差比，結果如表2 所示，兩種檢測器檢測到的數據基本一致。因此驗證了模擬的純視頻布設方案在考慮視頻檢測范圍來進行仿真實驗的可行性。

表2 范圍檢測器和點檢測器對比

3.2 路側設備優化布設仿真實驗

在設置好的模擬高速公路場景內，先設置純視頻方案的檢測器布設間距為150 m，其中設置的視頻檢測距離為75 m，在這75 m 內，發生的異常交通事件會被及時直接檢測感知，當發生在檢測距離外的異常交通事件由事件感知公式間接檢出。經過調研，在該文中，取異常事件發生時，總體車流的速度參數變化幅度超過正常情況下總體車流速度的25%時，判定事件發生。因此后續實驗結果選取檢測器檢測的交通流速度參數進行結果分析。

在仿真實驗中，隨機模擬出異常事件在路段的任意位置任意時刻發生，通過視頻檢測器檢出正常情形下以及異常事件發生情形下的交通流速度參數。事件隨機的發生位置和事件在仿真模擬完成后可以在輸出文件中得知，仿真進行300 s，如圖7 所示是一組隨機模擬事件發生在檢測器檢測范圍外的實驗結果，對數據進行處理后，得到兩種情形下總體速度的變化圖。

圖7 檢測速度參數變化圖

根據圖7 中兩條曲線的變化差異可以得出事件發生區域周圍的檢測器序號為檢測器3、4、5、6、7、8，調取這些檢測器的速度檢測值，與正常情況下這些檢測器檢測的速度值進行對比，當速度變化幅度大于設置的閾值時，即可判定事件的發生，得到事件的檢出時間，如圖8 所示，可以得到異常事件發生時受影響的檢測器的速度檢測值與正常情形下的速度檢測值。

圖8 正常情況和事件發生周圍檢測器速度變化圖

計算出從速度開始出現變化時到速度變化超過設定閾值的時間，取這幾個檢測器計算得到的檢出時間最小值，得到在布設間距為150 m 的場景下，純視頻檢測器方案對事件的間接檢出時間為15 s。后續進行了20 組隨機異常事件模擬實驗，按照事件檢測算法和檢測器直接結合得到事件檢測效果，最終取檢出時間的平均值得到150 m 布設間距下純視頻方案對異常事件的檢出時間為12 s。

遵循上述思路，調整布設間隔為225 m、300 m、400 m，分別重復上述實驗，得到不同間距下的事件間接檢出時間，如表3 所示。

表3 不同布設間距下事件檢出結果

從表3 的結果知，在布設間隔為400 m 時，事件檢出時間大幅度增加，布設間隔為300 m 時，基本滿足所需的時間檢測應急需求，并且事件檢出時間與前面變化不大，并且綜合考慮布設成本因素，對布設方案進行優化比較，最終選取300 m 作為純視頻布設方案的布設間隔。

4 結束語

該文在仿真軟件中模擬現實高速公路場景，通過SUMO 仿真平臺驗證出有無事件發生情況下，模擬的檢測器檢測出的交通流參數是否滿足事件檢測算法的理論要求。通過OMNET++與SUMO 雙向耦合平臺模擬出在不同間距布設條件下要考慮視頻檢測器檢測范圍的情形，在這種情形下得到了不同布設間距下異常事件的檢出時間。綜合考慮布設成本以及檢測效益，最終確定一個較為合適的布設間距來指導純視頻布設方案的布設，以此在保證達到交通管控檢測需求的同時，使得路側設備布設成本降低。該文的不足之處在于優化布設考慮得太過粗糙，在未來工作中可以對檢測效益和成本等參數進行建模，然后求解出各類檢測設備的合理布設間距，以此來指導路側設備布設。