基于機器視覺的交叉口特種車輛快速通行技術研究

趙晉芳，趙晉利，李 權，李德旭

(1.西安汽車職業大學 交通工程學院，西安 710000；2.昆明理工大學 津橋學院，昆明 650000；3.西安羚控電子科技有限公司，西安 710000)

0 引言

交叉口是交通重要樞紐，是車輛、行人等、轉向、撤離時必須經過的地方。為了確保道路的安全暢通，交叉口通常會設置諸如信號燈之類的交通控制設備以及其它的交通管理設備。對交叉路口進行科學的設計，對交叉路口的交通進行科學的組織與管理，對于提高交叉路口的通行能力，保證道路的安全運行具有重要意義。隨著經濟進步，汽車保有量呈現快速增長的趨勢，由此導致的交通擁堵現象越來越嚴重[1]，尤其是對一些特種車輛的調度、指揮不夠及時，從而耽誤了救援時間。特種車輛是指執行特殊任務、掛有特殊車輛牌號、安裝使用報警裝置及標志燈的車輛。例如，救護車，消防車，警車，工程救險車，軍隊監督車輛等等。交通規則規定：一切行人、車輛應當為執行任務的特種車輛先行。由于大部分交叉口信號控制框架缺乏特種車輛的危機應對措施，使得特種車輛不能快速通行。

為了解決特種車輛不能快速通行的問題，國內學者對此進行了深入研究。馬秀博等[2]利用高斯差分濾波技術對目標圖像進行去噪處理，建立了車輛對稱軸檢測模型，進一步將目標劃分為無遮擋類型、前后遮擋類型、斜向遮擋類型、左右遮擋類型和組合類型，通過Graham算法提取圖像凸包點，基于對稱關系完成車輛圖像的分割，實現特種車輛的快速通行。侯運鋒等[3]以無信號交叉口為研究對象，設計由自治車輛、智能路側單元和協同信息交互系統組成的控制模式，并建立無信號交叉口路權調度模型，求解目標函數，獲取車輛最優通行序列，實現車輛調度。但上述兩種方法易受其他信號干擾，存在不能對車輛類型進行準確判斷的缺陷。

為此，研究基于機器視覺的交叉口特種車輛快速通行技術。機器視覺算法是人工智能的一個分支，它利用機器替代人類的眼睛進行檢測和判斷。機器視覺算法指的是利用機器視覺產品，將被攝取對象轉化為圖像信號，并將其發送到專門的圖像處理系統中，從而得到被攝對象的形態信息，并以像素分布和亮度、顏色等信息為依據，將其轉化成數字化信號。通過對采集到的數據進行處理，提取出被測對象的特征量，并基于特征量的識別結果，實現了對被測對象的特征量的控制。機器視覺算法不僅具有調試靈活、成本低等特點，還可以融入跨模態的視覺信息，提高識別準確率。將機器視覺算法應用到交叉口特種車輛快速通行技術的優化設計工作中，以期能夠達到特種車輛快速通行的目的。

1 機器視覺特種車輛快速通行技術架構及原理

優化設計交叉口特種車輛快速通行技術的最終目的是控制特種車輛快速到達目的地，因此將應急車輛通行時間最短作為路徑規劃的主要目標，得到應急車輛行程時間最小目標函數：

(1)

其中：T為特種車輛在交叉口的通行時間，ti和tw分別為特種車輛在路段的行駛時間與等待時間，n為交叉路口包含的路段數量。為達到公式(1)表示目標，在機器視覺算法的支持下，優化設計交叉口特種車輛快速通行技術，優化設計技術主要由圖像采集及預處理、檢測識別和通行控制三部分組成，構建的基于機器視覺的交叉口特種車輛快速通行方案如圖1所示。

機器視覺特種車輛快速通行技術如圖1所示，主要原理如下：

1)圖像采集及預處理：通過圖像采集設備獲取交叉口的實時圖像數據，為了提高圖像質量，對采集到的圖像進行濾波、增強和光線補償等預處理操作。

2)檢測識別：利用Car-YOLO網絡對采集到的交叉口圖像進行分析和處理，以獲得交通情況的相關信息，進行車輛、行人、交通信號燈等目標的檢測與識別，以及車輛行駛方向的判定。

3)通行控制：根據檢測識別得到的交通情況數據，結合交通管理部門的規定和策略，采取相應的通行控制措施。例如，根據特種車輛的優先級和緊急程度，優化通行順序，向特種車輛提供綠燈優先通行的權利。

通過上述步驟可知，機器視覺技術可以根據實時的交通情況和特種車輛的需求，提供準確的路況判定和通行控制，以最小化特種車輛在交叉口的通行時間，達到車輛快速通行的目的。

2 交叉口特種車輛快速通行技術設計

按照技術框架的優化設計結果，分別從圖像采集及預處理、檢測識別和通行控制三個方面實現車輛的快速通信任務，優化設計快速通行技術以公式(1)表示函數為目標，其基本運行原理為：利用機器視覺技術采集的交通圖像，判斷特種車輛所處交叉口的路況，根據路況識別結果選擇最優車道，結合前車狀態規劃車輛通信路徑與通行速度。在考慮特種車輛路徑規劃結果的情況下，對交叉口的信號燈進行控制，保證特種車輛所在車道的信號燈能夠最快切換至“綠燈”，即通行狀態，進而實現特種車輛的快速通信。在此次優化設計與研究中，以規定的交通道路規則為基準，確保特種車輛以及交叉口中的其他車輛不會違反交通規則，在保證車輛通行速度的同時，最大程度地降低交叉口發生碰撞事故的概率。

2.1 機器視覺技術下交叉口圖像采集及處理

2.1.1 圖像采集

將機器視覺成像設備裝設在特種車輛的前、左、右端，利用圖2表示的機器視覺成像原理，采集交叉口的交通圖像。

圖2 機器視覺成像原理圖

在交通圖像采集之前，首先需要對機器視覺成像設備進行標定處理，相機標定是實現圖像內容逆變換到原始三維空間的關鍵一步，它可以通過一定的方式建立相機采集到的二維平面與真實三維空間坐標系的關系。在進行攝像機定標時，必須獲得攝像機的內部參數和外部參數。在快速通信技術優化設計工作中，選用張友正校正方法對機器視覺成像設備進行校正，使其能夠對圖像采集失真進行校正。其基本思想是使用線性算法計算出一部分參數的值，然后使用最大似然估計對其進行非線性的優化[4]。該方法分為三個步驟：1)利用參數待校正的圖像采集裝置，從多個角度對已有的模板進行采樣；2)提取模板的特征點，并將特征點與所獲取的圖像相對應；3)根據各圖的約束矩陣，對其進行參數求解。利用標定完成的機器視覺成像設備，得到交叉口實時交通圖像的采集結果，可以表示為：

(2)

其中：(xr，yr，zr)為實際環境中任意節點的位置坐標，θ為機器視覺成像角，f和β對應的是成像焦距和放大系數，上述參數的計算公式如下：

(3)

式(3)中，變量Lw和Lx分別為物距和像距。按照上述方式完成對視野下所有像素點的采集，根據像素點之間的空間關系，完成像素點的連接，得出交叉口交通圖像的采集結果[5]。由于特種車輛在交叉口通行過程中，處于行駛狀態，因此采用動態采集的方式重復上述操作，得出交叉口實時交通圖像的采集結果。除此之外還需要在交叉口端安裝機器視覺設備，用來采集道路圖像，從而判斷當前道路中是否存在特種車輛。因采集的圖像中存在干擾，所以還需進一步對其進行預處理，提高圖像的清晰度。

2.1.2 圖像預處理

圖像預處理的作用是提高初始采集交叉口實時交通圖像的質量，降低環境因素對采集結果產生的干擾，初始采集圖像的預處理步驟主要包括：圖像濾波、圖像增強、光線補償等，其中圖像濾波采用均值濾波與高斯濾波相結合的方式，均值濾波是一種線性濾波算法，它主要用于去除圖像噪點，平滑圖像的場景[6]。它的工作原理是：選擇一個模板對圖像進行遍歷，用其鄰域內所有像素點的平均值來替代圖像中的每個像素點，從而消除圖像中的一些突變噪點。均值濾波的處理過程為：

(4)

其中：Nd為采集初始圖像中包含的圖像像素點數量，f0(x，y)和fl(x，y)分別為初始采集圖像以及圖像的均值濾波處理結果。高斯濾波可以很好地過濾掉隨機的白噪聲，而高斯濾波則是用一個模板將原圖像卷積起來，而高斯濾波器則根據高斯分布依次地將模板系數從中間向外減權[7]。因此，中間的像素會受到外部像素的影響，而高斯濾波則會讓整個畫面變得更加清晰，也能更好地保存圖像中的細節。交通圖像的高斯濾波處理結果為：

(5)

式中，σ為圖像像素值的標準差。交叉口交通圖像的增強處理原理為：由于歸一化后圖像的直方圖可能集中分布在一部分灰度值，而其它區域可能不存在或僅有少量的像素點。在這種情況下，可以采用某種映射方法，使得這種灰度分布更為均勻，提高了圖像的對比度。圖像的增強處理結果為：

(6)

式中，r為初始圖像的灰度級變量，P(x)為圖像灰度級的概率密度函數。通過對比度的均衡化處理，能夠實現對交叉口交通圖像曝光部分的補償[8]，光線補償的結果為：

(7)

2.2 基于Car-YOLO網絡的交叉口通行能力識別

通過檢測當前交叉口的擁堵情況以及前車的行駛情況，識別出當前特種車輛所處交叉口的通行能力。在通行能力計算過程中，需要按照交叉口的車道進行劃分，得出各個車道的通行能力識別結果。在圖像特征識別過程中，以YOLOv3為基本架構為了兼顧不同距離不同尺寸目標的檢測識別效果，將不同尺寸特征圖融合，提高模型對目標不同尺度狀態下目標的定位、識別準確能力。將訓練好的模型應用在車輛檢測上，生成Car-YOLO網絡[10]。交叉口交通圖像目標識別的Car-YOLO網絡結構如圖3所示。

圖3 交通圖像目標識別的Car-YOLO網絡結構圖

選擇512×512的圖像作為網絡的輸入分辨率，采用5個深度殘差網絡模塊對目標特征進行強化，以步長為2的下采樣操作，得到128×128，64×64，32×32，16×16，8×8，4×4分辨率的特征圖，分別獨立執行車輛預測。為了增強特征金字塔對目標的表征能力，反過來以2倍大小的步長，對4×4，8×8，16×16，32×32，64×64的特征圖，執行上采樣，并與下采樣得到的相應尺寸的特征圖進行級聯。這樣，在不影響特征識別深度，又能強化模型識別目標特征能力的時候，避免由于誤差反向傳播，而引起梯度消失、梯度爆炸，從而造成模型由于不收斂無法檢測的問題。在實際的目標檢測過程中，將采集并預處理完成的交叉口交通圖像輸入到Car-YOLO網絡中，Car-YOLO網絡將輸入圖像進行依次檢查全部特征圖內所含有的單元格，根據含有可識別目標的置信度，以及檢測到的確切目標類別，配以相應的參數權重進行候選框的微調，以提高目標檢測時的識別、定位準確率[11]。Car-YOLO網絡在目標檢測過程中需要在輸出前將通道數調整至Nt，公式如下：

Nt=A+(Q+S)

(8)

式(8)中，參數A為每個預測單元格所預設的候選框數量，S表示檢測的目標類型，則變量Q的計算公式如下：

(9)

式中，Qx，Qy，Qw，Qh分別為目標檢測矩形框所需要的目標中心點坐標，及其寬度與高度參數，變量wx和wy分別為矩形框相對單元格左上角的相對坐標，ew和eh對應的是矩形框的寬度和高度，δ為矩形框坐標求解函數，cx和cy分別表示單元格距離原始圖像左上角XY坐標的距離，Kw和Kh表示預測前候選框的寬高，將式(9)的計算結果代入到式(8)中，即可得出輸出通道數的調整結果[12]。在Car-YOLO的訓練中，網絡從預先設定的候選框中進行學習，并預測出實際的目標邊界框的位置，然后通過式(9)的變換，獲得整個圖像中的該邊界框的實際位置，即交叉口檢測目標的位置，Car-YOLO網絡的輸出結果表示為：

(10)

其中：B(x，y)為輸入圖像的背景提取結果，通過式(7)、(8)和(10)的聯立，即可得出Car-YOLO輸出的目標檢測結果[13]。按照上述原理選擇車道、交叉口所有車輛以及前車作為交叉口通行能力的檢測目標，得到任意車道中車輛密度的識別結果：

(11)

其中：Ni為Car-YOLO網絡輸出的第i條車道中包含的車輛數量，Li和Wi對應的是第i條車道的長度和寬度。若公式(11)的計算結果ρi高于閾值ρ0說明當前車道處于擁堵狀態，否則認為當前車道處于正常行駛狀態[14]。除此之外，車道的通行能力與特種車輛前車的通行狀態有關，通過對機器視覺采集交通圖像的分析，得出單位時間內前車移動距離的識別結果，即前車行駛速度的識別結果：

(12)

式中，變量υv為當前特種車輛的行駛速度，xt2和xt1分別為t2和t1時刻前車在圖像中的像素點位置，ki為成像系數[15]。綜合考慮前車行駛狀態和交叉口各個車道的通行能力識別結果：

(13)

按照上述方式，以特種車輛交通圖像的采集與預處理結果為分析對象，在Car-YOLO網絡的支持下，實現對交叉口所有車道通行能力的精準識別。基于識別結果，可以快速了解到特殊車輛的通行能力，進一步提高特殊車輛的通行效率，減少等待時間。

2.3 交叉口特種車輛通行控制方法

2.3.1 規劃特種車輛快速通行路線

基于交通通行能力識別結果，將特種車輛快速通行路線的規劃工作分為兩種情況，第一種為當前車道即為交叉口內車輛通行的最優車道，則特種車輛無需換道，可在本車道上完成通行路線的規劃，另一種情況為當前車道通行能力過低，此時需要在交叉口環境下重新選擇一條最優車道，經換道后在最優車道內完成車輛通行。特種車輛快速通行路線的規劃流程如圖4所示。

圖4 特種車輛快速通行路線的規劃流程圖

從圖4中可以看出，路線規劃過程中，首先需要判斷當前車道的通行能力是否滿足特種車輛的快速通行要求，即判斷式(13)的求解結果是否高于0.9，若γ取值高于0.9，則可以直接在當前車道內進行通行路線規劃，規劃結果可以表示為：

(14)

其中：(xt，yt)為當前時刻特種車輛的位置坐標，(xe，ye)為車輛通過交叉口后的終點坐標，參數κs為路線平滑參數，xl和xr為機器視覺中車道左、右邊緣的識別結果，以此作為規劃特種車輛通行路線的約束條件[16]。針對當前車道通行能力過低的情況，需要對特種車輛的換道路線進行規劃，規劃結果為：

(15)

式中，(xo，yo)為更換目標車道位置。在此基礎上，利用公式(14)以更換車道后的車輛位置作為起始位置進行通行路線規劃，此時通行路線的約束條件為換道后車道的左、右邊緣，最終通過換道路線與通行路線的連接，得出特種車輛快速通行路線的規劃結果。通過規劃的通行路線，可以使特種車輛的通行速度控制更加靈活，減少交通事故的發生。

2.3.2 交叉口特種車輛通行速度控制

交叉口特種車輛的通行速度可以分為有前車和無前車兩種情況，在無前車的情況下車輛的通行速度為：

(16)

其中：di和ti為交叉口的通行距離與通行時間，要求公式(16)的求解結果不得高于該交叉口的最高限速[17]。而在有前車的情況下，保證特種車輛與前車之間保持安全距離，并與前車通行速度保持一致，提高車輛的安全性，幫助交叉口信號燈控制系統合理調整信號時長。

2.3.3 交叉口信號燈控制

交叉口信號燈控制的目的是縮短特種車輛的等待時間，以最快速度將特種車輛所在車道的信號燈以最快速度切換至“綠燈”，并以此作為特種車輛快速通行的決策依據。在信號燈控制之前，首先需要判斷當前車道是否存在特種車輛，以交叉口視角下的機器視覺圖像采集結果為處理對象，利用Car-YOLO網絡提取圖像特征，記為τr，根據特種車輛的外形特征設置標準特征，利用公式(17)判斷當前車道是否存在特種車輛。

(17)

其中：τs為特種車輛標準特征，若μ取值高于閾值μ0說明當前車道存在特種車輛，需針對該車道進行信號燈控制，否則無需啟動信號燈控制程序。通過綠燈早啟、綠燈周期時間延長等方式，實現對交叉口信號燈的控制，將特種車輛到達停止線時刻與路口排隊車輛消耗完成時刻之差定義為理想的綠燈早啟時間，其中，綠燈早啟時間主要決定于當前綠燈相位按照綠燈早啟時間截斷后，是否滿足最小綠燈的限制，若滿足，則按理想的綠燈早啟時間進行；若不滿足，則在保證前一相位最小綠燈時間的前提下，進行綠燈早啟控制，并對應急車輛進行減速引導[18]。相應地，對特種車輛優先階段的綠光提前啟動時間的控制值為：

(18)

(19)

2.3.4 實現交叉口特種車輛快速通行

在實際的交叉口特種車輛快速通行任務執行過程中，需要綜合考慮交叉口道路情況、交通信號燈、前車行駛狀態等因素，當交叉口同時出現兩種不同類型的特種車輛時，需要設置特征車輛之間的優先級，優先級的設置情況如表1所示。

表1 特種車輛快速通行優先級設置表

在車輛快速通行過程中忽略黃色的等待燈，當交叉口的機器視覺設備檢測到道路中存在特種車輛時，立即調整交叉口信號燈，并控制特種車輛按照規劃路線快速通行，需要注意的是，通行優先級越高的車輛，越優先通行；當兩條道路上同時檢測到同一級別的車輛，并且級別是該交叉口當時的最高優先級時，紅綠燈狀態不變，維持綠色道路上的車輛具有通過路口的更高優先權[20]。另外，當交通燈控制器檢測到特種車輛時，其信號狀態變為綠色，交通燈控制器延長此階段的持續時間，直到優先車輛通過交叉口。

3 實驗與分析

以測試優化設計基于機器視覺的交叉口特種車輛快速通行技術的快速通行效果為目的，設計效果測試實驗，此次實驗主要包括兩個部分，第一部分主要用來測試特種車輛通行速度以及對其他道路車輛的影響，第二部分主要測試特種車輛快速通行過程中的安全性。綜合特種車輛通行速度以及安全性兩個方面，通過與傳統通行技術的對比，體現出優化設計技術在通行控制效果方面的優勢。

3.1 選擇交叉口實驗環境

此次實驗選擇某市中心的四相位十字交叉路口作為特種車輛快速通信的實驗環境，在交叉口的東西和南北方向均設置直行、左轉和右轉三個車道，其中直行車道寬度為3.5 m，左轉和右轉車道寬度為3.2 m。交叉口實驗環境中共包含四個交通信號燈，南北方向道路的直行信號燈時長為50 s，左轉信號燈時長為30 s，東西方向道路直行和左轉信號燈時長分別為45 s和20 s。

3.2 設定交叉口交通狀態

為保證優化設計的交叉口特種車輛快速通行技術能夠適應正常和擁堵兩種交通狀態，通過對交叉口車輛密度的設置，實現對其交通狀態的設定。正常交通狀態下的交叉口，車輛密度為120輛/km，而擁塞交通狀態下交叉口的車輛密度為220輛/km。按照交通狀態場景的設置情況，準備多臺不同型號的車輛，驅動其行駛到交叉口的各個車道中，在交叉口交通狀態設定過程中，特種車輛控制對象未進場。在交叉口交通狀態設定與控制過程中，對交叉口環境內的所有車輛的行駛路線進行規劃，保證環境車輛行駛軌跡不重合，即交叉口的其他車輛不會發生交通事故。為了更好地模擬城市道路的交通狀態，使其達到相對穩定的狀態，重復進行5個周期的車輛循環行駛。在后續5個循環中，專用車輛均等幾率隨機分布，從路口由西向東駛入。

3.3 裝設機器視覺硬件設備

優化設計的交叉口特種車輛快速通行技術以機器視覺算法作為支持，為保證機器視覺算法在實驗環境中的正常運行，需要安裝相關的硬件設備。裝設的機器視覺硬件設備包含鏡頭、相機等元件，其中鏡頭選擇型號為EF 40 mm f/2.8 STM，該鏡頭的最大光圈為2.8，相機型號為CMOS，該相機的數據傳輸接口采用GigE，符合GigEVision2.1標準，并支持POE電源。該攝像頭采用了高像素、高幀頻的CMOS芯片，其分辨率從40W-2000W-2000W像素。其外觀是具有體積小、攜帶方便、堅固、抗振動、散熱、穩定、電磁屏蔽等特點。相機輸入端采用了C-Mount光學接口，方便了與30 mm的同軸系統的整合。為了進行安裝和定位，攝像機的4個側面均可作為安裝和定位面。將選擇的機器視覺設備分別裝設在特種車輛和交叉口環境中，特種車輛中機器視覺設備的具體安裝位置為前擋風玻璃附近，具體的安裝與走線情況如圖5所示。

圖5 特種車輛環境中機器視覺設備安裝實景

從圖5中可以看出，特種車輛中機器視覺設備的走線采用的是車內走線方式，即利用車內電力系統為機器視覺設備的運行提供電力支持。另外交叉口中機器視覺設備安裝在信號燈附近，保證圖像拍攝視野的廣度。

3.4 描述效果測試實驗過程

采用VISSIM軟件作為交叉口特種車輛快速通行技術的測試工具，利用軟件內置的編程程序，實現優化設計技術的開發。在設定的交叉口交通場景下，按照規定路線駛入特種車輛，此次實驗中選擇消防車作為研究對象，通過機器視覺設備的運行，得出圖像采集結果，如圖6所示。

圖6 交叉口特種車輛機器視覺圖像采集結果

分析機器視覺圖像的采集結果，通過通行能力識別、路線規劃等步驟，完成交叉口中特種車輛的快速通行，特種車輛通行結果及其通行數據測試結果如圖7所示。

圖7 交叉口特種車輛快速通行技術執行結果

當特種車輛駛出交叉口時，通信技術執行結束。為體現出優化設計技術在通行控制效果方面的優勢，設置文獻[2]和文獻[3]作為實驗的兩個對比方法，分別標記為對比技術一和對比技術二，在相同的實驗環境下，實現兩種對比系統的開發，并得出相應的車輛通行控制結果。重復上述操作，得出擁塞與正常場景下的測試結果。

3.5 設置快速通行效果測試指標

根據實驗目的，分別從車輛通行速度和車輛通行安全兩個方面設置具體的測試指標，其中車輛通行速度控制效果的測試指標分別為特種車輛通過時間和環境車輛延誤增加時間，上述指標的數值結果為：

(20)

其中：tt和tw分別為特種車輛的實際移動時間和交叉口等待時間，tc和tw對應的是特種車輛進場前后環境車輛的行駛時間。設置交叉口事故發生概率作為特種車輛通行安全性的測試指標，該指標的測試結果為：

η=Ps+Pt

(21)

式中，Ps和Pt分別表示特種車輛與環境車輛之間的碰撞概率和環境車輛與環境車輛之間的碰撞概率，由于設置的環境車輛路線之間不存在重合，因此Pt反映的是由于特種車輛快速運行導致的環境車輛碰撞。最終計算得出特種車輛通過時間和環境車輛延誤增加時間越小、交叉口事故發生概率越低，證明對應技術的快速通行效果越優。

3.6 效果測試實驗結果與分析

3.6.1 擁堵場景

通過相關數據的統計，得出擁堵場景下，車輛通行速度的測試結果，如表2所示。

表2 擁堵場景下車輛通行速度測試數據表

將表2中的數據代入到公式(20)中，計算得出三種通行技術作用下，特種車輛通過時間的平均值分別為44.2 s、38.2 s和18.2 s，環境車輛延誤增加時間的平均值分別為8.6 s、5.4 s和1.6 s。另外，通過公式(21)的計算，得出擁堵場景下特種車輛通行安全性的測試結果如圖8所示。

圖8 擁堵場景下特種車輛通行安全性測試對比結果

從圖8中可以直觀地看出，在優化設計技術作用下，交叉口事故發生概率始終低于2%，與兩種對比技術相比，應用優化設計技術能夠有效提升特種車輛通行的安全性。

3.6.2 正常通行場景

在正常通行交叉口場景下，重復上述測試與數據處理流程，利用公式(20)和公式(21)得出特種車輛通行速度與安全的測試對比結果，如圖9所示。

圖9 正常通行場景下特種車輛通行效果測試結果

從圖9中可以看出，在正常通行場景下，特種車輛通過時間的平均值分別為71.5 s、52.7 s和10.1 s，環境車輛延誤增加時間的平均值分別為9.6 s、8.8 s和1.8 s，而交叉口事故發生概率的平均值分別為8.3%、7.5%和1.4%，由此證明在正常通行場景下，優化設計技術的通行效果更優。

4 結束語

特種車輛是提供應急服務的輔助工具，為保證特種車輛能夠第一時間達到事故現場，并將事故帶來的負面影響降至最低，提出基于機器視覺的交叉口特種車輛快速通行技術。從實驗結果中可以看出，在優化設計技術的作用下，能夠在保證特種車輛通行安全的基礎上，加快車輛的通行速度，具有較高的應用價值。