城市道路交通擁堵狀況自動檢測算法研究

裴翔

（淄博市公安局交通警察支隊周村大隊，山東淄博 255300）

0 引言

隨著我國城市經濟發展與交通事業的進步，國內道路里程數不斷增加，隨之造成的道路擁堵問題也有所增加。在此背景下，檢測道路擁堵狀況，對城市道路實時情況加以判斷，及時作出安全預警變得尤為重要。傳統道路安全狀況檢測多為人工檢測方式，其自動化與信息化水平較低，與當前智慧交通發展現狀不符合。為解決上述問題，城市道路交通領域引入自動化技術，將自動檢測算法與城市交通有機集合起來，通過采取自動檢測技術措施，實時預測交通狀況，為城市交通管理朝著智能化與精細化方向發展提供支持。本文參考城市交通路段的最大車流量與承載量指標數據，通過數學模型計算得出道路擁堵參數，預測某路段的實際擁堵狀況，由此預測道路擁堵狀況，為城市智慧交通場景實現賦能。

1 城市道路交通擁堵的現狀與原因分析

1.1 道路擁堵現狀

近幾年，隨著城市化建設的推進以及社會的發展，人們收入和生活水平均得到提升，日常出行方式也變得更加多樣，私家車持有量逐年增多。截至2023年9月，我國機動車總數超過了4.3億輛，第一～第三季度注冊機動車達到2601萬輛，其中，汽車為1817萬輛，同比增長率為4.4%[1]。雖然車輛為人們出行帶來了便利，但是也給人們生活造成了一定的困擾，最需要解決的問題便是道路擁堵。

1.2 道路擁堵原因描述

道路擁堵的原因有以下3點：一是建立城市之初，城市道路規劃就已基本定型，受車輛數目快速增長影響，既有道路難以滿足車輛通行需求，加之土地資源以及資金緊張，有關部門無法重新規劃并建設道路，僅能以既有道路為基礎，通過增加規則等方式，緩解承載量不足造成的負面影響。

二是交通指揮系統未能得到及時更新，整體智能化水平存在欠缺，難以做到及時、準確地獲取道路狀態，無法快速判斷道路擁堵的原因并加以解決，而是需要工作人員前往擁堵路段進行實地巡查，根據現場情況采取相應的措施。這樣做雖然能夠使道路擁堵的問題得到解決，但存在效率低下、覆蓋范圍有限等不足，無法使城市交通網絡所具有的通行能力得到充分發揮。

三是人們缺乏交通意識，無法按照規定有序參與交通行為，違章行駛、隨意停車等情況屢見不鮮，上述情況也會致使道路擁堵問題進一步加劇。

2 道路擁堵自動檢測算法

2.1 檢測交通燈狀態

交通燈被部署在城市的各個街道中，其主要作用是維持正常交通秩序，確保行人與車輛能夠有序通過交通道路的路口，避免發生擁堵和其他安全事件。在開展交通燈信號路口的擁堵狀況檢測時，交通燈的實時狀態對檢測結果的準確度造成的影響極大。考慮到道路交通燈的狀態規則比較復雜，1個路口可能存在3個或多個交通信號燈控制狀況，使得擁堵檢測結果多樣，加之目前大部分檢測算法對交通燈狀態數據的采集和使用力度不足，會在無形中影響到交通指揮人員的判斷，最后形成不利交通局面[2]。通過上述分析，本文提出了針對性的解決方案，通過設計基于交通狀況狀態的自動檢測算法，使道路擁堵數據能夠及時反饋到后臺處理中心，實現對交通狀況的細分。另外，為進一步強化對道路擁堵狀況的檢測分析能力，還使用了大數據技術，對相關道路擁堵數據進行挖掘，并結合道路交警指揮系統，實現對道路擁堵狀況的實時預警和評估。上述方法的應用帶來了顯著成果，不僅能夠實時發送交通狀況，而且可以快速獲取交通燈狀態，對維持道路交通安全產生有益影響。

然而，需要特別說明的是，使用該種方式檢測交通燈狀態信息也存在一些安全隱患，例如，自動檢測對硬件資源的依賴度不高，有關人員可利用專業技術手段，直接獲取視頻流資源，這也增加了交通數據的安全風險。因此，在后期使用過程中，對自動檢測算法進行加密處理十分必要。在自動檢測算法的使用期間，當某一條道路被多個交通燈控制時，算法只對直行通過的交通狀況生效，這與道路車輛的運行規律存在關系，即大部分道路上的車輛為直行狀態，且綠燈標識的優先級高于左轉和右轉指示燈標識。關于不同類型道路的交通燈控制狀態見圖1。

圖1 不同類型道路的交通燈控制狀態

為簡化對交通燈路口交通狀態的檢測流程，提升檢測工作開展時效性，本文參考視頻流數據，研究交通燈狀態自動檢測的算法設計與實現路徑。為了表達方便，下文出現的交通燈狀態自動檢測算法均稱作自動檢測算法。通過自動檢測算法、歸一化相關匹配算法、YOLOv3算法的配合應用，獲取特定范圍內車輛狀態和車流量變化的實時數據，在此基礎上，與歷史數據加以比較，結合當前系統數據提示，判斷城市道路擁堵狀況。基于對上述技術方式的使用，能夠及時判斷路口交通燈狀態變化，可為城市道路的智慧化管理提供技術保障。另外，為顯著提升自動檢測算法應用的可靠性，保證道路擁堵數據資源真實性與可靠性，本文在具體研究中，也選取了合適目標區域內的車輛狀態信息。對研究區域的基本要求是，區域內的車輛狀態可以被快速準確識別，且自動檢測算法對該區域內的道路擁堵檢測有效，不會發生任何一項誤檢或漏檢事項，同時，自動檢測算法也能夠根據車輛實時狀態快速檢測出交通燈狀態信息。

對上述分析進行總結，文章選用的車輛狀態監控區域具體位置與交通燈、攝像頭鄰近，且位于同側。選擇該區域的具體原因如下：在一般情況下，城市道路交通燈的等待區域會有黃色或白色的實線標識，道路上行駛的車輛出于安全考慮會提前駛入該區域車道，且不能有超車或并道行為。研究與分析道路交通指揮實踐表明，該區域距離交通燈和攝像頭的位置更近，這也為技術人員獲取清晰的道路擁堵狀況信息提供了便利。同樣，選擇該區域作為自動檢測算法的實踐場景也具有現實意義，可幫助有關人員快速了解交通燈的變化狀況，對提升道路擁堵狀況的自動化識別能力產生深遠影響。為便于稱呼、避免出現贅述，下文將“交通燈狀態”區域描述為NCC區域。

2.2 自動檢測算法場景的實現

基于對自動檢測算法的使用，有關人員可及時完成對交通燈狀態的檢測工作，即判斷交通燈狀態是否滿足變化條件。當交通燈狀態剛好變化為綠色時，NCC區域內全部車輛運動狀態更改需要花費一定時間，在該時間段，NCC區域的車輛以運動或靜止兩種狀態存在，此時，將自動檢測算法應用在擁堵狀態條件識別中，可判斷車輛狀態是否更新，即是否存在道路擁堵條件[3]。其判斷方法是計算NCC區域內相鄰幀車輛狀態相似度，并根據傳入的數據，獲取車輛實時狀態變化參數。基于該種方式對路口交通擁堵狀態的前提是獲取NCC區域車輛速度與場景轉換數據，即：交通燈狀態為綠色通行時，車輛運行速度加快、場景幀數值較大，而以上數據的獲取與自動檢測算法的使用密不可分。

針對城市交通狀況變化而言，當交通燈變為紅色，且NCC區域存在多種狀態的車輛時，大部分車輛可判斷為靜止狀態。為確保判斷準確，本文還將自動檢測算法應用在靜止狀態車輛的檢測中，通過對車輛速度變化值與車輛運行場景視頻幀數等多個數據的獲取，確保了城市道路擁堵預測結果可靠，為緩解城市交通壓力提供有力支持。在自動檢測算法的使用中，交通指揮人員使用了大數據技術與信息化手段，將道路交通指揮系統數據庫與視頻傳感設備結合，為自動檢測交通狀況變化提供了技術支持。為準確構建自動檢測算法的應用場景，提升數據獲取準確性，有關人員設計了NCC區域內車流量閾值，對算法使用條件做出嚴格控制，避免出現冗余數據，研究指出，在自動檢測算法的配合幫助下，工作人員能夠快速判斷當前路口交通是否有擁堵，并給出實時的檢測數據，由此避免出現誤檢和誤報不良事件。

2.3 評估道路擁堵狀況

評價道路擁堵狀況，通常要考慮車輛數目、車輛速度等瞬時狀態。考慮到道路擁堵是持續存在的狀態，若選擇的評價指標不合理，將無法真正評價道路的狀態，鑒于此，科學、合理地選擇評價指標十分重要。從理論上來說，道路擁堵與否和車輛順利通過該段道路所要花費的時間密切相關，車輛通過時間可以從側面說明道路狀態，一般情況下，通過時間越短，代表道路越通暢；反之，通過的時間越長，代表道路越擁堵。對已經投入使用的道路進行調查分析能夠發現，臨時交通管制、交通燈的設置同樣會影響車輛的通過時間，但由于交通管制、交通燈設置不符合實際情況，導致車輛通過時間增加，并不代表道路已經達到承載極限，這說明僅根據車輛通過事件判斷道路狀態，極易出現判斷結果片面的情況[4]。日常生活中，道路擁堵通常是因為某路段車輛密度過大，致使車輛無法按照正常速度行駛，最終由于通過時間增加，導致該路段擁堵。由此可見，道路擁堵和道路通行量、承載量密切相關，道路通行量、承載量能夠決定車輛通過路段的時間，因此，將通行量、承載量作為評價道路擁堵狀態的指標具有可行性，見表1。

表1 道路擁堵評價指標

出于準確反映道路情況，為決策者制訂緩解道路擁堵所采取方案提供便利，使道路實現彈性運輸、可持續運輸目標的考慮，有關人員對評價指標進行了量化，最終得到以下公式：

式（1）中：CI為指擁堵指數，該指數越接近1，代表道路擁堵越嚴重；AN為指特定時間段內，通過道路的車輛數目平均值；MN為道路所能承載車輛的最大數目；AN/MN為道路實際占用率；K1為權重系數；TV為特定時間段內，通過道路的實際車流量；MTV為特定時間段內，道路可以通過車流量的最大值；TV/MTV為車輛實際通過率；K2同樣為權重系數。所述道路擁堵狀況檢測算法的步驟如圖2所示。

圖2 道路擁堵狀況檢測流程

基于對擁堵路段檢測周期時長的合理設定，并獲取檢測路段車輛數量、時間等指標，可以確定某交通路段的單位車流量與平均瞬時車數量。將以上參數代入計算擁堵指數的公式中，參考該路段的最大車流量和最大承載量數據參數，能夠計算出交通道路的擁堵指數。相關人員通過對擁堵指數這一關鍵指標的分析，可評估出當前路段的實際擁堵狀況。然而，需要特別指出的是，本文對城市道路擁堵狀況算法研究的構建基礎是離線視頻，即借助離線視頻獲取最大車流量，此種方式獲取的車流量信息與實際車流量之間存在一些誤差，并且在選定時間內，該路段也未必一定出現最大車流量[5]。為解決上述問題，在具體研究環節，需要實時更新交通擁堵路段的檢測信息，以確保最大車流量信息準確，提升自動檢測算法應用的可靠性。

3 結語

本文研究了自動檢測算法在交通領域中的應用，以城市道路擁堵狀況作為研究對象，首先分析道路擁堵現狀與產生擁堵的具體原因，其次論述道路擁堵自動檢測算法的應用路徑，通過判斷交通燈狀態、明確自動檢測算法場景條件與評估道路擁堵狀態等多種技術手段，確保自動檢測算法應用具有現實意義。在擁堵狀況的評價中，還引入了車輛速度與數量識別算法機制，并結合數據挖掘技術，完成道路擁堵狀況的主動預測。研究最終取得預期效果，不僅能夠加快道路擁堵狀況的識別預測效率，也可以為城市交通指揮智慧場景的實現提供新思路。