基于物聯網技術的數智公路護欄系統

摘 要：針對頻發的公路交通事故，提出了一種基于物聯網技術的數智公路護欄系統。通過微時空主控站采集氣象、事故、動物橫穿公路等交通因子。通過增配碰撞傳感器、雷視融合模組、雷熱融合模組，檢測各類交通事故并偵測橫穿公路的大型動物。采用邊緣計算架構，將微時空內的風險因子通過NB-IoT上傳至云計算中心進行分析，護欄通過不同的顏色呈現路段的危險程度，實現對后方車輛的實時預警。采用環境俘能技術，利用向日葵式太陽能追光模組、垂直軸風力發電模組，解決了遠距離低壓供電的電能損失問題。該系統實現了對公路交通細顆粒度的精細化管理，減少交通事故的發生。

關鍵詞：物聯網；時空智能；微觀管控；公路感知網絡；事故預警；數智公路護欄系統

中圖分類號：TP29；TN92 文獻標識碼：A 文章編號：2095-1302（2024）05-0-05

0 引 言

在傳統公路管理下，一起隨機交通事故易引發慘烈的連環追尾事故。惡劣天氣下，駕駛員未能及時調整駕駛策略，也極易引發事故。在大型動物出沒的熱點區域，夜間行車易發生與動物相撞的慘烈事故。可采用智慧路側感知技術偵察到交通風險因子的形成，云計算中心獲得事故發生概率，通過變色交通標識，提前向車輛發出預警，將有效減少交通事故的發生。

2020年8月，交通部發布《交通運輸部關于推動交通運輸領域新型基礎設施建設的指導意見》[1]，要求推動公路感知網絡的建設，實現全天候、多要素的狀態感知。2022年2月，交通部發布《公路安全設施和交通秩序管理精細化提升行動方案》[2]，強調精細提升公路的安全防護能力，加強對惡劣天氣的動態管控。2022年10月，黨的二十大報告指出，推動經濟社會發展綠色化、低碳化是實現高質量發展的關鍵環節。

智慧公路的建設與發展最早始于20世紀90年代的歐洲。近年來，在防止兩車相撞方面，Gokulakrishnan等人[3]提出了一種名為道路事故預警（RAP）的路由方案，該方案引入了早期預警（EW）消息，以便做出重要決策—如何選擇替代路線、減速車輛和改變車道；為了預測極端天氣引發的交通事故，Hasan[4]利用分類樹法分析交通參數如何誘發道路危險情況，提前分析交通參數中極端氣候的因素；面對在高速公路上基礎設施供電難的問題，Amjadian[5]提出用電磁能量采集器（EMEH）給負責交通基礎設施電能清除和結構健康監測的常規傳感器供電；面對已發生的交通事故，徐勤亞等人[6]提出一種交通事故應急救援系統，該系統基于云端實時監控的概念開發，車輛發生事故時能第一時間自動聯系報警，通知救援人員。

本文基于前人的思想進一步做出改進，設計了基于物聯網技術的數智公路護欄系統，建設了智慧路側感知網絡體系，采用LED警示燈帶進行危險實時預警，在不破壞路面的同時又提升了預警信息的可視化程度，從天然環境中俘獲自給自足的能量，實現車輛碰撞檢測及報警救援、大型動物檢測、惡劣天氣預警等功能，助力建設“交通強國”，加快實現“雙碳”目標[7-8]。

1 設計原理

數智公路護欄系統由交通微時空主控站、智能護欄、環境俘能發電機及云計算中心四部分組成，如圖1所示。

1.1 交通微時空主控站

通過對南方丘陵地區的公路開展田野調查，發現該區域在臺風天氣中呈現“六里不同天”的氣象特點，故在公路沿線每隔3 km設置一個交通微時空主控站，將公路劃分為眾多連續的“交通微時空”，實現對公路的精細化分段管理。主控站集成了ESP32、小型氣象站、ZigBee協調節點、北斗授時模塊、NB-IoT模塊、LED限速板等。小型氣象站實時檢測本微時空的風雨霧指標，主控站調用風雨限速數學模型，計算安全限速值[9]；設置LED限速板，以綠、黃、紅三種底色依次表示安全、警示、危險，并顯示該處的限速值。

主控站采集本微時空的交通風險因子，采用邊緣計算方法[10]，提高本地數據的處理效率；根據風險因子改變本微時空每個護欄的顏色以警示車輛調速，在發生事故時，主控站主動報警。每個微時空把本時空的重要風險因子通過NB-IoT上傳至云計算中心，云計算分析風險因子在時空中的擴散趨勢，指揮相鄰的微時空做出協同聯動。

1.1.1 風雨環境下的限速模型建立

為確定車輛的安全行車速度值，以風雨環境下的行車速度為目標函數搭建限速模型。對設定條件下的車輛進行受力分析，如圖2所示。

橫向力系數μ的表達式為：

（1）

當車輛橫向附著系數大于橫向力系數時，不會發生側滑事故，即：

（2）

得到限速模型：

（3）

式中：FW為側向風力（單位為N）；G為重力（單位為N）；θ為路面橫坡角；ih為路面橫向坡度；V為車速（單位為m/s）；g為重力加速度（單位為m/s2）；μ為橫向力系數；φ為橫向附著系數。

1.1.2 基于車輛跟馳模型的限速值修正

車輛行駛時需保持安全間距，在風雨霧環境中可見度降低，前后車發生追尾、碰撞等事故的概率增加[11]。故以后車安全車速為目標函數，對限速值進行修正[12]，如圖3所示。

為保證兩車制動結束后不發生碰撞，取安全距離為10 m，建立以下模型：

（4）

前車在制動時間內的行駛距離，以及后車駕駛員的行駛狀況均取最不利情況，則：

（5）

（6）

由于實際道路路面上的縱坡角數值極小，因此進行近似計算后可得：

（7）

式中：n表示前車；n+1表示后車；S為前后車原始車頭間距（單位為m）；Xn+1（t）為后車在反應時間內的行駛距離（單位為m）；Xn+1（T）為后車在制動時間內的行駛距離（單位為m）；L1為前車在制動時間內的行駛距離（單位為m）；V為后車的原始行駛速度（單位為m/s）；i為路面縱向坡度。

微時空主控站采用邊緣計算架構，根據上述模型計算限速值，判斷交通微時空所處狀態是否安全。交通微時空主控站的LED限速板顯示最高安全限速值，智能護欄的LED警示燈帶按不同的危險級別顯示不同的警示顏色。

1.2 智能護欄

在公路兩側布置智能護欄，每個護欄長度為8～15 m，護欄由ESP32（MCU）、ZigBee路由節點、MPU-6050碰撞傳感器、毫米波雷達、熱釋電紅外傳感器、攝像頭、LED警示燈帶等部分組成。由于微時空主控站上集成了ZigBee協調節點，則一個微時空內的所有護欄自動組織成無線傳感網，實現風險因子的傳遞。ZigBee具有路由節點受損自修復重建網絡的特性，即使某段護欄因事故損毀，余下的護欄也能快速重組網，具有傳感網絡自修復能力，具有良好抗損健壯性[13]。

護欄傳感器采用積木式模塊設計，提供了通用接口，根據當地事故記錄增配特殊傳感器，即插即用。護欄的標配傳感器為碰撞傳感器，用于檢測碰撞護欄類交通事故。在事故“黑點”，可以增配“雷視融合”傳感模組用于偵測交通事故。在野生動物出沒點，可以增配“雷熱融合”傳感模組用于偵察橫穿公路的大型動物。在居民區附近，可以增配“污染檢測”傳感模組用于對人居環境的噪聲及大氣污染物進行檢測。

主控站采用邊緣計算架構，以提高微時空內的計算速度，根據實時風險因子快速改變相關區域護欄的顏色。綠色表示正常區，黃色表示預警區，紅色表示危險區，同時限速板顯示計算后的安全時速。因此，系統完全利用“智慧路側單元”實現風險因子的采集和事故風險的預警，無需在車輛上安裝車載端，便于快速推廣。

1.2.1 碰撞事故檢測

智能護欄配置有碰撞傳感器，能感知到撞擊護欄類的交通事故。護欄檢測到激烈碰撞信號后，通過ZigBee網絡告知本微時空主控站，主控站把當前時間和護欄的經緯度坐標，上傳至云計算中心；云計算中心派遣救援車隊趕往事故現場，同時向事故區后方的微時空傳遞事故信息。事故所處交通微時空（3 km）的護欄變紅表示危險，后一個微時空的護欄變黃表示預警（提前6 km），避免出現連環追尾事故。

在事故“黑點”區域的護欄上增設“雷視融合模組”（毫米波雷達+攝像頭），感知交通狀態，微時空主控站采用邊緣計算的方法精準檢測公路上是否出現靜止車輛[14]。當檢測到靜止車輛時，進一步分析車輛停滯原因是排隊還是交通事故。若靜止車輛或靜止車流的前端位于路段中，則判定為發生交通事故；若靜止車輛或靜止車流的前端位于路口停止線處，且靜止時間不超過紅燈相位時長，則判定為車輛排隊。

1.2.2 動物檢測識別

在郊區時常會出現橫穿公路的大型動物，如果缺少預警機制，容易出現車輛和動物相撞的慘烈事故。因此，在這些路段的護欄增設“雷熱融合模組”（毫米波雷達+熱釋電紅外傳感器），感知動物橫穿公路的事件。熱釋電傳感器檢測波長為0.2～20 μm，動物體溫輻射紅外線波長為9～10 μm[15]。

熱釋電傳感器檢測到移動中的動物體溫信號后，再啟動毫米波雷達對移動物體的行為進一步判斷，減少誤判。當確定為動物橫穿公路時，智能護欄的LED燈帶變紅，標識危險區域。動物檢測工作原理如圖4所示。

1.3 環境俘能發電機

智慧公路的監測系統需要采用低壓直流電，而低壓直流電遠距離轉輸時線阻損耗大[16]。高壓交流電適合遠距離供電，直接使用風險大，變電整流成本高，高速公路及郊區公路目前難以實現全面低壓供電。因此設計了環境俘能發電機，由“向日葵式太陽能追光模組+垂直軸風力發電模組”組成，將其布置在道路兩側，承擔本微時空的風險因子監測及邊緣計算耗能。環境俘能實現數智公路護欄系統的能源自給自足，助力碳達峰、碳中和的戰略目標實現。

追光模組像向日葵一般，始終追逐天空中光照的最強區域，實現太陽能發電效率的最大化，如圖5、圖6所示。向日葵式太陽能追光模組采用象限法將檢測系統接收板分成四個象限，通過擋光板將象限隔離，光敏電阻分布在不同象限并采集感光信號。通過LM324電壓跟隨器，將信號傳遞到LM339電壓比較器進行比較，然后輸入STC89C52單片機進行處理。四個光敏電阻檢測到的光線強度不一樣時，單片機將會通過步進電機控制接收板向陽光強度強的地方偏轉，實現對太陽的追蹤，直至每個象限的受光強度相同，即可采集到充足的太陽能。

垂直軸風力發電模組利用車輛行駛所產生的弱小風能進行發電，在南方臺風區域還具有多項優點，如各向弱風、強風下最高轉速有限，強風側壓小，不容易傾倒。通過Ansys軟件對弱風風場進行流體力學的有限元仿真分析[17]，得到風力發電模組對風能利用的仿真分析圖，如圖7所示。通過對弱風能量的仿真分析，確定了風葉最佳的曲率和3D結構流域風向為從左至右，可見風力發電模組周圍流域的風速大大降低，證實了該模組能較好地俘獲環境中的風能，進而轉換為電能，如圖8所示。

風電模組利用汽車在高速公路上行駛時產生的擾動風能進行風力發電，配合光電模組，同時獲取風能和太陽能，實現數智公路護欄系統的能源自給自足。

2 創新點

本系統具有如下創新點：

（1）發明了智能護欄：具有車輛碰撞檢測、動物檢測、惡劣天氣預警等功能。

（2）發明了微時空主控站：組織ZigBee傳感網，構建數智化的智慧公路感知網絡。

（3）定義了交通微時空：將公路劃分為交通微時空，實現細顆粒度的精細化管理。

（4）助力了時空智能化：在時空四維坐標中疊加了氣象、動物、事故等風險因子，分析風險因子在時空中的擴散和演進，實現了時空智能化。

（5）設計了環境俘能發電機：解決了遠郊公路建立智慧交通感知體系時所缺乏的能源問題，消除了遠距離供電的“高壓變電整流”的能源損耗，達到低碳節能的目標。

（6）具有沿海丘陵地域特色：南方丘陵臺風地區存在“六里不同天”氣象特征，還有飄忽不定的團霧、山口側向強風等氣象現象，系統設計過程中對此地域特色做了針對性研究。

3 結 語

本系統以公路為應用環境，運用物聯網技術、數字化和智能化技術實現時空智能，同時通過向日葵式太陽能追光技術和風力發電裝置，充分利用太陽能與汽車行駛產生的風能，極大程度地滿足ZigBee無線傳感網持續低電量消耗的需求，維持數智公路護欄系統能源供應，保障公路車輛的行駛安全，具有以下良好的現實意義和應用前景：

（1）助力雙碳目標：維持自給自足能源供應，減少遠距離低壓供電的能量損耗。

（2）容易規模化推廣：無需車載硬件端，可以降低推廣門檻，有助于快速推廣應用。

（3）加強事故“黑點”的風險監控：可廣泛應用于地形不佳、氣象惡劣等事故“黑點”區域。

（4）定義了路側護欄的傳感器擴展標準：通過增設其他傳感器，可實現護坡應力監測、形變監測、公路安全檢測，及一路綠波最優速度指示的交通指揮功能。

注：本文通訊作者為林宇洪。

參考文獻

[1]中華人民共和國交通運輸部.交通運輸部關于推動交通運輸領域新型基礎設施建設的指導意見[EB/OL].（2020-08-03）. https：//www.gov.cn/zhengce/zhengceku/2020-08/06/content_5532842.htm.

[2]中華人民共和國交通運輸部.公路安全設施和交通秩序管理精細化提升行動方案[EB/OL].（2022-02-21）. https：//www.mot.gov.cn/yijianzhengji/lishizhengji/202201/P020220114668883160367.pdf.

[3] GOKULAKRISHNAN P. Road accident prevention with instant emergency warning message dissemination in vehicular Ad-Hoc network [J]. PLoS ONE，2020，10（12）：e0143383.

[4] HASAN M. Investigation of the effect of traffic parameters on road hazard using classification tree model [J]. International journal for traffic and transport engineering，2012，2（3）：271-285.

[5] AMJADIAN M，AGRAWAL A K，NASSIF H. Feasibility of using a high-power electromagnetic energy harvester to power structural health monitoring sensors and systems in transportation infrastructures [C]// Proceedings of Conference on Sensors and Smart Structures Technologies for Civil，Mechanical，and Aerospace Systems. San Diego，CA（US）：[s.n.]，2021：11591.

[6]徐勤亞，孫玉濤，鄭健. 基于云端實時監控的交通事故應急救援系統設計[J]. 價值工程，2019，38（23）：284-285.

[7]中共中央，國務院.交通強國建設綱要[M].北京：人民出版社，2019.

[8]新華社.中共中央 國務院關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見[EB/OL].（2021-10-24）. https：//www.gov.cn/zhengce/2021-10/24/content_5644613.htm.

[9]林春水，林宇洪，郭建鋼.基于BPNN的高速公路風雨天氣限速系統的設計[J].交通運輸工程與信息學報，2013，11（3）：35-39.

[10]袁俊球，周斌，嚴向東.邊緣計算方法在建筑工程實踐的應用[J].工業建筑，2022，52（7）：238.

[11]申海洋，霍魁，王德喜.基于機器視覺和深度學習的車輛碰撞預警算法研究[J].山西大學學報（自然科學版），2023，46（3）：617-627.

[12]蔣帥，費天揚.基于車輛行駛模型與跟馳模型的安全評估研究[J].科學技術創新，2021，25（24）：1-2.

[13]孫遒. ZigBee信號在無限感知系統位置中的應用[J].計算機時代，2022，40（7）：77-79.

[14]黃智偉，馮蘅，劉鵬.基于雷視融合的路側感知的應用[J].現代工業經濟和信息化，2022，12（6）：176-177.

[15]胡學敏，王韶偉.基于熱釋電紅外傳感技術的攔人閉鎖裝置在王家嶺煤礦的應用[J].機械管理開發，2020，35（3）：71-72.

[16]何萍.基于低壓限流的直流電流控制的直流輸電研究[J].煤炭技術，2013，32（3）：72-73.

[17]楊堅，張善猛，曾勵，等.基于ANSYS的電渦流位移傳感器仿真分析[J].工程機械，2021，52（3）：40-44.

作者簡介：葉芷藝（2000—），女，福建農林大學交通運輸專業碩士在讀學生，研究方向為物聯網工程。

李妙梅（2001—），女，中南大學交通運輸專業碩士在讀學生，研究方向為交通運輸工程。

章可欣（2000—），女，福建農林大學交通運輸專業碩士在讀學生，研究方向為物聯網工程。

林宇洪（1976—），男，碩士，高級實驗師，研究方向為物聯網工程。

收稿日期：2023-08-29 修回日期：2023-09-27