丁柏群，趙娣

(東北林業(yè)大學 交通學院，哈爾濱 150040)

基于容錯設(shè)計的城市道路禁貨系統(tǒng)研究

丁柏群，趙娣

(東北林業(yè)大學 交通學院，哈爾濱 150040)

在城市一定區(qū)域內(nèi)實施大型貨車禁行、限行的交通管制可有效緩解道路交通壓力，但大貨車違章現(xiàn)象仍然是現(xiàn)代城市交通中一個嚴重的問題。論文針對傳統(tǒng)禁貨管理措施工作量大、成效低、缺乏容錯性等問題，通過分析駕駛?cè)朔磻?yīng)特征和城市道路交通環(huán)境，提出路側(cè)標志牌復設(shè)方法和基于多攝像機遠近景協(xié)同拍攝的大型貨車識別方法；綜合LED違法警示管理及違法數(shù)據(jù)采集傳輸管理等功能，構(gòu)建容錯性較強的實時、高效的大型貨車禁限行管理系統(tǒng)，可成為智能交通運輸系統(tǒng)的有機組成部分。

大型貨車；交通管制；標志牌；容錯設(shè)計；禁貨系統(tǒng)

0 引言

在城市一定區(qū)域特別是中心城區(qū)對大型貨車實施限路、限時、禁行等措施，是很多大城市為緩解交通擁堵、減輕交通壓力和環(huán)境污染所采取的管理措施[1]。目前對大型貨車禁限行的實際管理主要局限于發(fā)布交通管理信息、設(shè)置交通限行和誘導標志、交警巡邏檢查、現(xiàn)場處罰和居民舉報等[2]；這些措施具有相應(yīng)作用，但大型貨車違章闖行現(xiàn)象仍然比較多，其中外地駕駛員由于不熟悉該城市交通情況、提示信息不充分、疲勞等因素造成的誤闖也為數(shù)不少。交通管理部門很難僅僅依靠人力對所有禁限行區(qū)域?qū)嵭腥轿还芾?，采用現(xiàn)代化交通工程設(shè)施實現(xiàn)有效禁貨，對城市交通管理有實際意義。所謂容錯性設(shè)計是指駕駛?cè)嗽谛熊囘^程中有時難免出現(xiàn)注意力不集中、接收信息不完整或操作失誤，應(yīng)該為這類失誤提供寬容的空間和適當?shù)膹浹a措施，以保證交通管理控制的有效性和行車安全[3]。本文通過綜合研究交通標志設(shè)置、車輛檢測與識別、可變信息警示、數(shù)據(jù)傳輸管理4個功能模塊，構(gòu)建一種具有容錯性的大型貨車禁限行系統(tǒng)。

1 道路禁貨系統(tǒng)方案

道路禁貨系統(tǒng)主要包括禁令指示標志、車輛檢測識別、可變信息警示、數(shù)據(jù)傳輸管理等模塊。圖1為系統(tǒng)應(yīng)用場景布設(shè)示意圖。系統(tǒng)所需硬件設(shè)備包括：標志牌、攝像機、視頻采集卡、工業(yè)控制機、高清照相機、LED顯示器[4]、補光燈和立桿等。

圖1 道路禁貨系統(tǒng)布設(shè)Fig.1 Application scene diagram for the installation

道路禁貨系統(tǒng)的工作過程：車輛在駛?cè)虢浡范吻?，通過連續(xù)設(shè)置多個路側(cè)禁令、限速標志，提示駕駛員繞行或停駛；當車輛駛?cè)霗z測區(qū)域時，系統(tǒng)開始進行車輛檢測跟蹤及大型貨車的識別工作，并核查其是否有“道路通行證”，若識別出當前車輛為無證大型貨車，則會連接LED可變信息示警裝置，在車輛到達視認點附近時，警示大型貨車當前存在的違法行為，并在LED屏上顯示車輛牌照號、示警緣由等，同時將數(shù)據(jù)傳輸?shù)娇刂浦行?，若檢測到車輛有通行證，則可以正常通行；當車輛經(jīng)過檢測線時，后方高清相機將抓拍車輛圖像信息，傳送到后臺數(shù)據(jù)管理系統(tǒng)，并保存至違章數(shù)據(jù)庫，作為管理部門處罰的依據(jù)。若駕駛員能在車輛行駛至檢測線前停車或掉頭，則車輛不屬違章行駛，不會進行相關(guān)處罰；否則，管理部門可以通過后臺管理系統(tǒng)對違禁車輛實施罰款、扣分等措施。其工作流程如圖2所示。

2 標志牌設(shè)置的數(shù)量和位置

2.1 交通標志位置設(shè)置依據(jù)分析

從駕駛?cè)税l(fā)現(xiàn)交通標志到采取并完成相應(yīng)行動，要經(jīng)歷標志的發(fā)現(xiàn)、讀取、決策和行動等過程[5]，如圖3所示。

圖2 系統(tǒng)工作流程圖Fig.2 System workflow diagram

圖3 駕駛?cè)税l(fā)現(xiàn)標志至行動結(jié)束過程Fig.3 Process diagram of the drivers found signs to take action and to end

可見，標志牌設(shè)置的位置必須能夠使駕駛員在車輛到達檢測線前停止或掉頭[6]，即

s+D>c+d+b+L=V0t1+V0t2+V0t3+L。

(1)

式中：V0為各點的正常行駛車速；s、D、c、d、b、L分別為標志視認距離，警告標志設(shè)置的前置距離讀取距離、決策距離、操作反應(yīng)距離、行動距離；t1、t2、t3分別為駕駛?cè)俗x取標志時間、決策時間和操作反應(yīng)時間。

標志視認距離S可計算如下(如圖4所示)：

圖4 標志視認距離Fig.4 Visual cognition distance of sign。

(2)

式中：h為駕駛員水平視線與標志板上邊緣間的垂直距離；H為標志牌上緣距離地面高度；θ為讀取標志點駕駛員眼睛和標志牌上緣連線與水平線夾角，可通過儀器測得；e為駕駛員視線高，小汽車取1.2 m，載重汽車取1.8 m。

2.2 標志牌數(shù)量

如圖5所示，如果內(nèi)側(cè)車道車輛在其認讀距離l內(nèi)不被大車遮擋，就可以認為不存在遮擋問題。即圖中兩個矩形區(qū)域都沒有大車出現(xiàn)或出現(xiàn)大車的概率都很小時，內(nèi)車道駕駛?cè)艘暰€不會被遮擋或被遮擋的概率很??；否則必須考慮遮擋問題。首先要求出路側(cè)標志對應(yīng)矩形的大小，然后根據(jù)車流量求出矩形區(qū)域內(nèi)出現(xiàn)大車的概率。如果每個標志對應(yīng)的矩形區(qū)域內(nèi)出現(xiàn)大車的概率為p0，則連續(xù)設(shè)置的n個標志都出現(xiàn)大車遮擋的概率為：

P=p0n。

(3)

當按上式計算得到的P值非常小，也是至少有一個標志牌不被遮擋的概率很大時，此時的n值即是多個路側(cè)標志牌的設(shè)置數(shù)量?；蛘咭部梢詫⒙穫?cè)標志更改為門架式標志。

圖5 標志的認讀過程(大車遮擋)Fig.5 Identifying process of sign(CART block)

2.3 標志牌位置

從點C到標志F的距離稱為讀完標志后的剩余距離K；從點C到標志F的距離稱為消失距離。如果距離m比距離K長，就意味著點C在消失距離范圍內(nèi)，那么駕駛?cè)司碗y以準確判讀標志內(nèi)容[7]。因此標志的設(shè)置地點不僅要滿足駕駛員完成操作(如公式(1))，還必須滿足K>m的要求，即：

s=L+j+l-D=K+l。

(4)

j=V0t3。

(5)

D=L+j-K。

(6)

l=V0t2。

(7)

(8)

式中：s、j、D、K、L分別為視認距離、判斷距離、前置距離、認讀距離和行動距離，V0為車輛正常行駛速度，m/s；V1為到達檢測線處的車速；t2為識讀時間，通常為2.0～3.0 s；t3為決策時間，通常為2.0～2.5 s；a為減速度，通常為0.75～1.5m/s2；n為車道數(shù)。

D必須滿足條件：

(9)

D即是當標志牌數(shù)量為1塊時的最小前置距離。

交通標志設(shè)置的間距，以駕駛?cè)俗x完前一個標志內(nèi)容并調(diào)整車輛運行狀態(tài)后，再呈現(xiàn)下一個標志為原則。這一間距應(yīng)視標志內(nèi)容的復雜程度而定[8]。如果取時間間隔為2.5 s，則標志間距(m)為：

s+2.5V1+j-K=I+2.5V1+j。(10)

假設(shè)路側(cè)標志最小間隔為U，則對于龍門架多路側(cè)交通標志設(shè)置位置可選取為：第1、2、3塊警告標志位置為距龍門架D+U、D+2U、D+3U處，第n塊為距龍門架D+nU處，第2塊及以后的路側(cè)標志可適當取整。

3 大型貨車識別方法

現(xiàn)有的車型識別大多都是將車輛分為大車和小車，而沒有將大貨車作為一個類型來進行識別[9-10]。為此針對城市道路，利用基于多攝像機遠近景協(xié)同拍攝的大貨車識別方法，即通過安裝在路段正上方的一個攝像機用于拍攝各車道的共同遠景，另外幾個攝像機分別攝取各車道的近景圖像，用于識別車輛牌照，并確定車輛在遠景圖像中位置。

3.1 大型車檢測及分割

現(xiàn)有軟件能識別車牌號碼、車牌顏色和車牌在近景中的位置等。通常大型車對應(yīng)號牌顏色為黃底黑字，小型車為黑底白字或藍底白字，由此可以直接通過號牌顏色將車輛分為小車和大車[11]。如果要再將大貨車從大車中分離出來，就需要將大車從遠景圖像中辨析出來。

首先，確定出車牌在遠景中的位置，再進行局部搜索分割出大車區(qū)間。由于本文系統(tǒng)檢測的目標為運動物體，而傳統(tǒng)的背景圖像的初始化方法要求在初始化過程中不能出現(xiàn)運動目標。所以，這里采用自適應(yīng)混合高斯背景模型[12]初始化背景圖像(可以有效地消除影子的影響)，同時融合幀間差分和背景差法來提高模型的收斂速度。在圖6(a)中，右下角截取的矩形區(qū)間即為車輛區(qū)間，如圖6(b)所示。

圖6 大型車輛辨析Fig.6 Large vehicle identification

3.2 客貨車型分類

大貨車和大客車在車體結(jié)構(gòu)區(qū)間和顏色上明顯不同。在監(jiān)控圖像上，大貨車通常可劃分為四個或四個以上的區(qū)間，且前風擋車窗較小；而大客車通常有三個區(qū)間且前風擋車窗較大。大客車圖像顏色單一，即除去車窗外，車身顏色較均勻，而大貨車由于裝載貨物不同等原因，往往車身和車頭呈現(xiàn)不同顏色。因此本文引入車體區(qū)間數(shù)、區(qū)間顏色數(shù)和前風擋車窗比例作為三個結(jié)構(gòu)特征，通過疊加分界線進行區(qū)分(如圖7)。

Mean shift算法是一種有效的統(tǒng)計迭代算法，無論從特征空間的哪一點開始計算，迭代到最后都會達到一個模式點(不動點)[13]。這樣采集到的車輛正面圖像就會被分為許多小區(qū)域，然后對這些小區(qū)域上的每一個像素點進行聚類、合并，實現(xiàn)基于Mean shift的區(qū)域分割，并提取各區(qū)間分界線。

獲得的三個特征值如下：

區(qū)間數(shù)：分界線數(shù)+1。

顏色數(shù)：各區(qū)間顏色為此區(qū)間內(nèi)標記眾數(shù)最大的顏色均值。當兩區(qū)間顏色歐式距離大于一定值時顏色不同，否則相同。再統(tǒng)計顏色數(shù)。

前窗比例：從位置和大小上對前窗作限制。

將上述方法所獲得的三個特征值分別與貨車對應(yīng)特征的閾值進行比較，若三個特征值同時滿足條件，則認定該車為大貨車，否則為大客車。

圖7 大貨車和大客車圖像分區(qū)Fig.7 Distinguish between large truck and omnibus

3.3 車輛的跟蹤定位

在檢測到場景中的車輛后，同時還要進行車輛的跟蹤。這時車輛在短時間內(nèi)的速度和方向變化都不大，但車輛跟蹤對實時性要求較高。這里采用基于卡爾曼濾波預測的Meanshift算法來實現(xiàn)車輛的跟蹤，Meanshift算法簡單、計算量小、快速，再利用卡爾曼濾波預測跟蹤目標在后續(xù)圖像的位置，減小收拾范圍，可以很大程度上避免跟丟目標的問題。

當系統(tǒng)識別出目標為違章車輛，在車輛行駛至圖像背景中預設(shè)的標記處(事先判定的LED屏視認點)時，將其車輛信息以及違法行為顯示在門架式LED可變信息板上，顯示信息的時間持續(xù)到車輛行駛至另一標記處(消失點)之后，此時，跟蹤結(jié)束。若判定為非違章車輛，則跟蹤結(jié)束。

4 數(shù)據(jù)傳輸及管理

4.1 LED警示裝置

在識別出違章車輛后，將其車輛信息以及違法行為顯示在門架式LED可變信息板上，以警示駕駛員糾正當前行駛狀態(tài)，如圖8所示；由于信息板位置較高，顯示的信息可以對后續(xù)駛來的類似車輛產(chǎn)生遠距離示警作用。另外，如果出現(xiàn)多輛貨車同時違章，LED屏會滾動播出。

特別地，LED板在另一意義上相當于門式標志牌，到檢測線的距離就為前置距離，其布設(shè)方法同第1節(jié)標志牌的設(shè)置方法。

圖8 門架式LED警示裝置Fig.8 Gantry LED warning device

4.2 前端設(shè)備數(shù)據(jù)采集

監(jiān)控前端主要完成視頻數(shù)據(jù)的采集、處理、無線網(wǎng)絡(luò)的接入等功能。前端設(shè)備包括：高清數(shù)字攝像機、補光燈、視頻采集卡、工控機、高清照相機等。攝像機采集實時交通流影像數(shù)據(jù)，然后通過視頻采集卡將模擬視頻信號壓縮編碼成數(shù)字視頻信號[14-15]，再將其輸入到工業(yè)控制計算機中進行處理和分析，判斷是否為大貨車，且檢測該車輛是否有“道路通行證”。流程圖如圖9所示。

圖9 前端設(shè)備系統(tǒng)流程圖Fig.9 Flow chart of the front-end equipment system

本文在對高速公路視頻監(jiān)控中的視頻進行編碼后，采用H264壓縮算法對其進行壓縮處理，從而使得在同等的網(wǎng)絡(luò)條件下能夠傳輸更多的信息量，使得高速公路監(jiān)控視頻的視頻數(shù)據(jù)碼流失降低，提高監(jiān)控視頻的清晰度及實時性[16]。

4.3 數(shù)據(jù)傳輸及管理

采集的違章大貨車數(shù)據(jù)通過3G移動通信網(wǎng)絡(luò)發(fā)送到數(shù)據(jù)庫管理中心和LED警示系統(tǒng)。首先將有闖禁趨勢的車輛信息和警告信息傳送到現(xiàn)場LED顯示屏上，警告相應(yīng)駕駛員及類似現(xiàn)象；如果違禁車輛在警告后繼續(xù)闖關(guān)，則將抓拍到的車輛圖像等信息傳輸?shù)綌?shù)據(jù)庫管理中心，并存儲到違章管理數(shù)據(jù)庫，然后通過后臺管理系統(tǒng)對違章車輛實施罰款、扣分等懲戒措施。其工作流程如圖10所示。

(1)違章登錄模塊：對將檢測到的違章車輛信息與其抓拍圖像統(tǒng)一存入違章數(shù)據(jù)庫，同時建立違章車輛處罰檔案。

(2)違章查詢模塊：將車牌號、車型、違章地點、發(fā)動機號碼等信息輸入違章查詢平臺，在違章信息數(shù)據(jù)庫中查詢違章處罰信息。打印查詢結(jié)果、違章通知單和違章車輛圖像。

(3)違章統(tǒng)計模塊：根據(jù)違章地點、違章時間等信息在違章數(shù)據(jù)庫中進行分類統(tǒng)計，并發(fā)布在違章查詢平臺上，30min更新一次。

駕駛員可在收到違章通知后，在相應(yīng)限制時間內(nèi)，到指定地點辦理處罰手續(xù)。

圖10 數(shù)據(jù)傳輸管理模塊結(jié)構(gòu)圖Fig.10 Structure diagram of the Data transmission management module

5 結(jié)論

目前單純以禁限行標志為主的禁貨管理措施，普遍工作量大、方式落后且覆蓋面小，很容易產(chǎn)生管理疏漏；而且在城市道路復雜的交通環(huán)境下容錯性不足，容易產(chǎn)生駕駛員誤闖現(xiàn)象，實際效果受到一定影響。本文所構(gòu)建的城市道路禁貨系統(tǒng)基于容錯設(shè)計理念，通過門架式LED可變信息裝置，及其與路側(cè)復設(shè)禁限行標志的聯(lián)合警示作用，對駕駛員形成邏輯性提示、重復預警，可以避免現(xiàn)行禁貨措施的被動性和疏漏，更有效地減少大型貨車的闖禁行為；通過大型車輛圖像識別篩選出目標車輛，避免傳統(tǒng)背景圖像初始化時的弊端；通過與數(shù)據(jù)采集、傳輸和后臺處理系統(tǒng)聯(lián)動，形成實時、高效的禁貨管理系統(tǒng)，可成為智能交通運輸系統(tǒng)的有機組成部分。

[1]Lai A H S，F(xiàn)ung G S K，Yung N H C.Vehicle Type Classification from Visual-based Dimension Estimation[C].2001 IEEE Intelligent Transportation Systems Conference Proceedings，Oak-land，USA，2001：201-202.

[2]段里仁，毛力增.因勢利導，交通管理科學的重要理念[J].綜合運輸，2013，1(18)：80-86.

[3]李雪.基于容錯理念的快速路指路標志設(shè)置方法研究[D].哈爾濱 ：哈爾濱工業(yè)大學.

[4]侯啟真，劉衍帆，薛榮榮，等.霧和霾環(huán)境下跑道關(guān)閉警示裝置燈光的衰減研究[J].科學技術(shù)與工程.2016，16(22)：132-136.

[5]李令舉，張繼民，宋舒.道路交通標志的設(shè)計[J].云南交通科技，1999，15(1)：6-12.

[6]張毅，游克思.基于信息設(shè)計的道路交通標志設(shè)置方法理論研究[J].城市道橋與防洪，2014，(3)：114-117.

[7]楊久齡，劉會學.GB5768-1999道路交通標志和標線應(yīng)用指南[M].北京：中國標準出版社.1999.

[8]鄭安文，牛倬民.高速公路靜態(tài)交通標志設(shè)置科學性分析[J].交通運輸工程學報，2002，2(4)：49-53.

[9]Burden M J J，Bell M G H.Vehicle Classification Using Stereovision[C].6th International Conference on Image Processing and its Applications，Dublin，Ireland，1997：881-885.

[10]Morris B，Trivedi M.Robust Classification and Tracking of Vehicles in Traffic Video Streams[C].2006 IEEE Intelligent Transportation System Conference Proceedings，Toronto，Canada，2006：1078-1083.

[11]Comaniciu D，Meer P.Mean Shift：A Robust Approach Toward Feature Space Analysis[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24(5)：603-619.

[12]邱聯(lián)奎，劉君亮，趙予龍，等.混合高斯背景模型目標檢測的一種改進算法[J].計算機仿真.2014，31(5)：378-384.

[13]張彬，王永雄，邵翔.基于擴展Mean Shift算法的移動目標跟蹤研究及實現(xiàn)[J].軟件導刊，2016，15(10)：106-110.

[14]Zhen C，Yu H，Wen J，et al.A Survey of Bitmap Index Compression Algorithms for Big Data[J].Tsinghua Science and Technology，2015，20(1)：100-115.

[15]Shaban O，Li B.A New DCT Image Compression Algorithm Using Block Visual Activities[J].Computer Aided Drafting Design & Manufacturing，2006，16(2)：78-82.

[16]張紀鈴，夏超，黃富良.一種基于H264編碼標準的快速運動估計算法[J].電子測量技術(shù)，2009，32(8)：69-73.

Research on an Urban Large Truck Prohibited SystemBased on Fault-tolerant Design

Ding Baiqun，Zhao Di

(School of Traffic，Northeast Forestry University，Harbin 150040)

In a certain area of the city，the implementation of traffic control of ban or restriction on large trucks can effectively alleviate the pressure on the road traffic，but the phenomenon of large trucks violation is still a serious problem in modern urban transportation.According to the problems in traditional large trucks prohibited management，such as heavy workload，low efficiency，lack of fault tolerance，etc.，after analyzing drivers’ response characteristics and urban road traffic environment，this paper puts forward the method of duplicating the roadside sign and large trucks recognition method of multi camera long-distant and close shots.Combing with LED illegal warning management and illegal data acquisition and transmission function，we can build a large truck prohibited management system of strong fault-tolerance，real-time and efficiency，which can be an integral part of intelligent transportation system.

Large truck；traffic regulation；sign board；fault-tolerant design；truck prohibition system

2017-03-06

國家自然科學基金項目(51078113)

丁柏群，碩士，教授。研究方向：交通管理控制、交通規(guī)劃。E-mail：ding_bq@163.com

丁柏群，趙娣.基于容錯設(shè)計的城市道路禁貨系統(tǒng)研究[J].森林工程，2017，33(3)：94-99.

U 491.4；U 491.5+2

A

1001-005X(2017)03-0094-06