方永定

（江苏润扬大桥发展有限责任公司，江苏 镇江 212115）

1 研究背景和意义

润扬大桥是我国长江上第一座由悬索桥和斜拉桥两座大跨径桥梁组合的特大型桥梁，素有“三四”之称：四纵-四横-四联，这座桥是江苏交通的重要构成，促进了区域交通运输与沿江经济发展。因此，及时发现交通事故及安全隐患成为润扬大桥安全运营的重中之重。

同时，如何利用现有的海量ETC 数据和视频数据提取交通流参数，掌握交通流规律，识别交通状态异常路段，为交通事件的预报预警，交通流的诱导控制提供决策支持，实现主动交通管理，成为亟待解决的问题。

本文以润扬大桥可视化智能服务系统建设实施为实例，以国家交通建设需求为基础，把人工智能、大数据等技术与之整合在一起，大力推动了交通的发展。将基于深度学习算法的视频识别技术首次应用在跨江公路桥上，通过对ETC 数据、视频数据进行分析，提取车流量、区间车速、行程时间等交通参数，建立比较完善可靠的模型，应用公式科学计算出车流量、速度及拥堵阈值，实现路段交通状态的判断，进而构建一套交通可视化主动智能管理与服务系统，实现润扬大桥畅通水平和应急管理水平的提升。

2 现状分析

2.1 管理现状

润扬大桥目前异常事件的上报主要依赖人工视频巡查，发现率在90%以上，其余由报警、路面巡查上报构成。视频巡查、异常事件台账记录、流量统计等工作均由人工完成，工作量很大。

2.2 数据现状

视频数据可以实时接入，ETC、收费站数据无法实时传输。非节假日收费站数据准确率较高，ETC 车牌识别数据准确率不高，ETC 流量大概占匝道收费站流量的80%。节假日期间无收费站数据，ETC 由于车辆缓行，准确率大幅下降。

目前润扬大桥没有电子地图，位置标注依赖桩号，需要重新绘制路线图并将桩号与经纬度关联，实现摄像头、收费站、事故信息地图展示。

2.3 需求分析

通过视频识别、交通分析实现自动化交通事件预警，具体需求包括：

一是梳理重点管控区域视频情况；

二是提出重点区域视频盲点设备布设需求；

三是基于视频识别建设可视化应急系统，提升处置效率。

3 关键技术、难点和创新点

3.1 关键技术

3.1.1 视频识别技术

为了满足润扬大桥的交通可视化主动智能管理与服务，不仅需要对跨江大桥的天气因素，例如一些特殊的天气，如大雪、大雾、雷雨暴风等等，以及一些交通问题进行监控，这些交通问题包括事故、堵塞等。同时，还需要对道路上车辆行驶的速度进行实时监控，车速测量法包括：激光法、雷达法、感应线圈法、视频分析法等。

激光法、雷达法、感应线圈法这三种要先安装好设备，对物力人力有不完整对比。相比之下视频分析法运用更广，且能获得丰富的信息，对设备要求低，在维护方面省了不少事。这种方法主要分成了摄像机标定法、虚拟线圈法两种。传统摄像机标定通过对摄像机作旋转、平移或平面正交运动，可以获得多种图像，并对图像加以分析处理。这种方法要对摄像机的位置进行改变，才能完成参数的标定工作。当前多种监控设备未能满足这点需求。而虚拟线圈法对于计算复杂度要求比较低，但因为具有一定的时间采样性特点，当一辆车经历了这个先设定好的虚拟线圈时，时间间隔是没有办法准确得出的。

采用计算机视觉+数字图像处理技术，对输入摄像头视频图像进行采集之后采用计算法，做好视频处理工作，可以实现车辆的自动检测以及跟踪。

3.1.2 事件检测技术

由于高速公路车速快、车流量大，一旦有行人闯入、故障停车、抛洒物、车辆超速和逆行等异常事件发生，往往会因不能及时救援而发生较为严重的事故。

交通事件检测方法可分为直接检测法和间接检测法。直接检测法包括人工手段如闭路电视、航空监视、警察和公路巡逻车、电话报警等，通过多种检测方式获取交通事件的具体的数据，其运行成本较高，受时间和天气影响明显，检测时间较长，检测率低。间接检测法，是通过参数变化，对交通事件进行判断，如行车的速度、车辆的流量等等，可24 小时进行监测。当前间接检测法比较多，如SND-标准偏差算法、神经网络算法等等，都是常用的检测法。但因为交通环境非常复杂，当前所提出的方法在实践中仍然受到制约，运行速度不够快，且在复杂的交通环境下鲁棒性不够好。

3.1.3 应急救援技术

有研究调查显示，一旦发生了较为严重的交通事故，30 分钟内救治重度伤员的，其存活率可高达80%。一小时内得到必要救治的生存率为40%。而1.5 小时之内才得到救治的，生存率低于10%。

同时，高速公路交通事故容易造成二次事故发生。所以需要做好高速公路交通事故的救援规划以及应急管理控制。当前由国内和国外的研究成果分析后援路径集中于数学规划、排队论等相关方面的理论研究，同时也包括一些算法的求解算法研究。虽然对于应急道路救援路径选择研究的起步时间比较早，且成果较多，但多数是针对城市道路网的，针对高速公路以及周边路网的研究则非常少。

3.2 难点

结合国内外研究情况，跨江大桥视频识别与事件预警系统关键技术研究的重点在于交通视频流中实时和鲁棒性的交通事件检测算法。为了保证对交通事件快速和精确地检测，并达到实际运用的目的，研究难点包括：

3.2.1 能够处理复杂的交通环境，包括较差的天气、不同的光照条件、复杂的道路状况和不同的交通参与者。

3.2.2 能够处理不同的交通流状态，也就是不同程度的交通拥堵。

3.3 创新点

研究的创新点包括：

一是构建了跨江大桥全息感知自动监测系统，润扬大桥对钢结构主桥面实现了视频自动监测的全覆盖。

二是将基于深度学习算法的异常事件检测模型应用在实际运营中，模型具有极强的泛化能力，对多种常见异常交通事件均能准确识别。

三是融合多源数据，构建可视化智能服务系统，辅助决策运营，提升管理效率。

4 数据基础

润扬大桥数据包括基础数据、ETC 数据和事故数据（见表1）。

表1 数据情况汇总表

5 视频点位布设

视频点位布设选取侧装、400 万像素及以下、高度8 米以下无遮挡的视频点位，剔除相机架设高度偏低（高速场景要求至少6 米）或者画面抖动的点位，其余视频点位可以支持交通事件检测（拥堵、停车、交通事故、行人、抛洒物、路障、施工、逆行、压线、变道、占用应急车道）及交通参数提取（见图1）。

图1 斜拉桥视频点位布设

桥面在车辆经过时会产生震动，对事件检测服务器产生极大的干扰。建议在重要点位更换更加稳固的立杆和防抖相机。同时夜间效果由于受到汽车大灯的影响，事件检测准确率较差，故在关键点位处新增毫米波雷达与视频融合雷视一体机，夜间通过雷达与视频融合检测的方式提高事件检测准确率。

6 系统方案

6.1 系统架构图

系统总体架构分为三个部分：数据接入层、平台层、应用层（见图2）。

图2 系统架构图

6.1.1 数据接入层：从ETC 检测设备、摄像头等基础设施接入ETC 数据、视频数据。从管理系统接入基础数据、事故数据。

6.1.2 平台层：对数据进行质量分析后通过深度学习算法实现交通流预测、交通事件自动检测识别及交通事件预警。

6.1.3 应用层：多源信息管理模块展示多源数据接入及分析情况，交通状态识别模块展示道路交通状态，交通事件报警模块提示异常交通事件及预案并可通过车道控制系统、语音提示系统通知后来车辆，应急预案管理模块实现预案的管理及统计。

6.2 系统功能介绍

系统包括四个功能模块：多源信息管理模块、交通状态识别模块、交通事件报警模块、应急预案管理模块。

6.2.1 多源信息管理模块

地图显示实时路况及接入检测器位置。

检测器在线显示检测器接入量和在线率；检测器列表中显示检测器名称和类型，点击可定位；数据接入情况展示累计接入数据和数据接入条数、有效率、更新时间。流量态势展示各路段流量时变图，速度态势展示各路段速度时变图。

6.2.2 交通状态识别模块

地图显示实时路况及接入检测器位置。

路段列表显示所有路段实时和历史的速度、流量、空间占有率、时间占有率等指标及路段状态。实时拥堵路段显示拥堵路段的速度、流量、状态，点击可定位至路段，显示选中路段今日流量时变图。常发拥堵路段默认显示当前时段常发拥堵路段的速度、流量、状态信息，拥堵时段下拉框可查看其他时段常发拥堵路段。统计分析显示空间占有率排名、平均车速小时统计、平均车速日统计、交通事件统计图。

6.2.3 交通事件报警模块

地图上显示检测到异常交通事件的摄像机位置，事件列表显示识别到的事件路段、事件类型、最近摄像机。异常事件发生时，系统自动识别异常事件类型，警铃会闪烁并发出报警声，提示管理人员迅速处置。警铃的气泡显示当前报警事件数量，鼠标移动至警铃处，下拉列表显示当前报警事件列表，点击事件可跳转至交通事件报警模块。

点击事件图片可查看抓拍，点击预案可查看对应预案。

图3 事件识别案例

根据预案内容可通过车道控制系统、语音提示系统通知后来车辆，避免二次事故的发生。

图4 车道控制系统

6.2.4 应急预案管理模块

显示预案列表，可根据事件路段、事件类型、组织机构查询预案。预案不仅包含停车、抛洒物、逆行、行人等类型，对于节假日大流量等情况也有相应的收费站分流和诱导管控方案。管理员可通过应急预案管理模块对预案进行新增、修改和删除。预案事件类型分布统计图和预案事件路段分布统计图，帮助管理员查漏补缺。

7 结语

本文的研究成果主要应用在跨江大桥上，交通安全和桥梁安全都得到了本质提升。在事件发生的第一时间能自动报警提示监控员处置，避免因夜间视线不清或人员疏忽导致事件不能及时处理，造成二次事故。提高工作效率的同时减轻了监控员的工作负担，降低了错误率，真正实现从人工识别到自动识别的转变。同时通过可视化交通管控与应急处置，真正提高了跨江大桥及高速公路交通管理的科技水平。