基于雷達與視頻的高速公路數字孿生系統研究

陸 璐,梁 杏,楊玉琳

(廣西交科集團有限公司,廣西 南寧 530007)

0 引言

近年來,為了跟隨科技革命的新趨勢,高速公路建設了多種業務系統,取得了較好的信息化建設成果。其中,利用攝像頭、毫米波雷達、氣象傳感器等設備,實時感知和監測交通流量、車速、車輛類型、路面狀況、天氣情況等信息,大幅度增強了高速公路的全息感知能力。然而,實際應用中仍存在問題和挑戰:(1)設備監測信息相對獨立,無法全面掌握整條路段的情況[1];(2)風險評估應用不足,數據分析結果缺乏直觀的效果評估,未形成有效的業務閉環。為此,本文提出了高速公路數字孿生系統設計方案,該方案綜合了多源數據融合技術和數字孿生技術,實現了實時監控、預測和優化公路運行狀態,提高公路運行效率和安全性。

1 數字孿生技術

數字孿生技術是一種基于數據與模型的融合技術,其可實時將物理實體精準地數字化并映射到數字空間中,從而模擬、驗證、預測和控制物理實體的全生命周期過程,以形成智能決策的閉環優化。數字孿生技術在對道路交通通行狀況進行分析,為交通管理決策提供準確依據的同時,能夠根據交通行為判斷和預測可能發生的交通事件和事故風險,實現對原交通參與者的動態監控和精確反饋。借助多種傳感器和網絡通信技術,數字孿生技術可以實現智能交通系統的全面監控和精細化管理,進而提高交通運行效率和安全性,為智慧高速公路發展提供一種創新解決方案。

2 技術架構

系統整體架構如圖1所示。

圖1 系統整體架構圖

2.1 感知層

感知層是數字孿生系統的數據采集端,包括路側設備如毫米波雷達、視頻監控、情報板、氣象傳感器、邊坡傳感器、環境傳感器等。這些設備產生的數據被收集、整理、存儲,為數字世界的場景和模型提供數據準備。

2.2 數據處理層

數據處理層實現對多源感知數據的融合,并提供數據服務以支持模型映射和業務場景應用。通過對動態數據的處理,如車輛的位置、車速、運行軌跡等,結合靜態數據如公路資產、設施狀態、氣象環境等,該層能夠分析出道路的車流量、交通事件、暢通與擁堵等狀態,為數字孿生系統提供精確的數據支持。

2.3 模型映射層

模型映射層是整個系統的核心支撐層,負責將數據和模型轉化為與數字世界對應的場景,包括靜態環境映射和動態信息映射。靜態環境映射是指路面、路基、隧道、基礎設施設備及其周圍環境在高速公路上形成的三維立體情景結構;動態信息映射是指靜態環境下車輛信息、氣象環境信息、交通事件等信息的疊加。

2.4 場景應用層

場景應用層是結合數字孿生技術的特性對業務功能點進行實現,包括對路段交通環境孿生、交通運行孿生、車輛跟蹤監測、事故監測、主動安全風險預警等。特別是針對車輛跟蹤監測,系統采用基于雷達與視頻融合的方法,實現了跨設備的車輛精準跟蹤,提升了交通數字孿生的可靠性。

3 關鍵技術

該系統的關鍵技術主要有三個方面:(1)利用毫米波雷達深度集成視頻,精確追蹤車輛動態;(2)通過高精度地圖和公路靜態資源的映射,實現數字孿生的交通環境;(3)業務場景通過動態信息疊加進行還原。

3.1 雷達與視頻的深度融合

雷達與視頻深度融合的算法流程主要有三個步驟:

(1)毫米波雷達識別:采用4顆毫米波雷達模塊進行級聯,實現高精度的車輛和人員等運動目標的探測和跟蹤。系統可以在1 000 m范圍內實時輸出目標的軌跡、方位和距離等信息,并對異常運行軌跡進行快速報警,包括停止、慢速、超速、車道異常偏離等。目標探測的精確性和實時性都通過毫米波雷達的高精度探測跟蹤能力得到了提高。

(2)視頻車輛目標檢測:采用YOLOv3模型的預測框定位算法對實時視頻幀的每幅圖像進行車輛圖像定位。系統篩選出多余的邊界框,通過置信度算法對最終目標的中心位置進行標記。利用人工智能中深度學習算法的高效性和準確性,能夠在視頻中實時檢測到車輛目標,為后續的數據融合提供基礎。

(3)毫米波雷達在視頻上的投影[2]:將毫米波雷達的識別結果與視頻目標識別結果進行時間坐標系和空間坐標系的轉化和對準。系統利用兩種傳感器得到的檢測框計算交并比(IOU),對檢測目標進行匹配融合,得到更精確的目標跟蹤信息。充分利用兩種傳感器的優勢,使整個系統的精確度和可靠性得到提高,從而實現目標追蹤的深度融合。

3.2 高精度地圖與靜態資源映射

為了實現交通環境的數字孿生,系統采用高精度地圖模型作為基礎,將公路基礎設施和設備模型與之疊加,并為其賦予業務語義,以支持業務運行。

(1)高精度地圖采集與構造[3]:利用點云和無人機航拍圖像數據,采用降采樣和建模技術生成高精度地圖。該地圖包含地理信息,可用于在數字孿生中建立高精度的三維模型。

(2)基礎設施建模:通過設施模型庫對高速公路上常見的設備和設施進行建模,例如攝像頭、毫米波雷達、路側立桿、龍門架、情報板和指示牌等。根據實際世界坐標將相應的模型加載到高精度地圖上,以增強數字孿生的真實感和可靠性。

(3)語義信息疊加:除了模型本身的基本信息,還需要疊加業務上應用的常用信息,如管轄區號、樁號、維護單位等,從而增加數字孿生與實際運營場景的匹配度。

3.3 動態數字孿生場景構造

動態數字孿生場景的構造反映的是高速公路運行環境實時的總體動態描述,主要包括:

(1)天氣環境:包括白天、黑夜、晴、雨、霧、積水、結冰等情況,不同天氣下的能見度和路面狀況都會影響道路行駛的安全性和流暢度。

(2)道路環境:包括路側設備的使用狀態、傳感器的采集范圍、動態情報板顯示的內容等。如對于毫米波雷達等傳感器,需要展示其采集范圍和精度,以及安裝位置的高度和角度等。

(3)交通流:包括車牌信息、車輛類型信息、行駛方向信息、車道位置信息以及車輛的行駛速度等信息。這些信息可實時獲取,并在虛擬環境中展現出來。例如,根據車輛的位置、速度和方向等信息,可以還原其行駛軌跡。

(4)交通事件:包括計劃中的施工養護占道、交通事故以及相應的告警信息發布等。

4 系統功能

4.1 交通環境孿生

基于全自由視覺三維實景仿真,包括高精度車道級還原、傳感器設備與交通設施仿真,以及服務區、收費站、隧道管理等應用場景仿真。系統利用高精度地圖模型和基礎設施模型庫,構建一個高度真實的交通環境模型,包括路面、設施、交通標志等元素,可根據實時交通狀態進行動態更新。同時系統支持不同天氣和時間條件下的實時還原,包括白天、黑夜及晴、雨、霧等情況,以及由于氣象引起的路面變化,如積水、結冰等。這樣可以在各種場景下進行測試和演練,為運營決策提供參考。見圖2～3。

圖2 主線路面交通環境孿生示例圖

圖3 雨霧天氣場景示例圖

4.2 交通運行孿生

該系統實時獲取行駛車輛、行人、異常物體等目標,并能將其實際地理坐標、行駛方向、偏移角度等信息實時反映出來,使道路的交通狀況得到實時反饋。系統還支持包括車輛車牌型號識別、車道位置、車速等在內的交通數據的實時采集和分析,可實時監控和預警交通擁堵、意外等交通事件。見后頁圖4。

圖4 目標車輛實時信息在數字孿生場景的映射示例圖

4.3 事故監測

系統實時監測到高速公路上的交通事故,包括車輛碰撞、車輛傾翻、道路封閉等情況。系統通過對視頻流和傳感器數據的實時監測和分析,能夠自動識別并報警異常事件,及時通知相關管理人員和救援機構。同時,系統還能提供交通事故的位置、時間、車輛類型、事故原因等詳細信息,幫助管理人員快速定位事故現場,進行救援和疏導。見圖5。

圖5 事故信息在數字孿生場景的還原示例圖

4.4 風險預警

系統實現對高速公路運行風險的預警,從交通設施安全風險和駕駛行為安全風險兩個方面進行。對于交通設施安全風險,系統主要關注道路基礎設施、交通管理設施、交通安全設施設備的完好率和布設完整度,采用定期評估的方式進行監測和評估。對于行車行為的安全隱患,該系統利用雷達和視頻集成技術,根據車輛的空間位置、車速、行駛方向等,提取車輛行駛軌跡,判斷發生碰撞的可能性,并對車輛進行預警,從而減少交通事故的發生。

5 結語

基于雷達和視頻的高速公路數字孿生系統采用數據驅動的方式構建高速公路運行場景,通過高速公路要素與數字孿生的虛實映射和交互融合,深度提升高速公路精準感知和風險預警的技術應用水平,對于解決高速公路運營安全管理問題有著重要的作用。未來將進一步開發數字孿生技術在預期事件中交通流的影響評估分析能力,以提升高速公路組織管理水平。