梁曹佳， 葉 林 ， 葛俊鋒

(華中科技大學 自動化學院，湖北 武漢 430074)

0 引 言

隨著我國高速公路總里程不斷增長,由此帶來的交通安全問題也日益突出。據(jù)道路交通事故年報統(tǒng)計，2009～2014年我國高速公路上21.43 %的交通事故與濕滑、泥濘、積雪、結(jié)冰的路面有關(guān)。瑞典國家道路交通研究所的研究報告顯示，冰雪路面的事故率是干燥路面的3～16倍；在芬蘭，約25 %的致命交通事故發(fā)生在冰雪路面上[1]；美國聯(lián)邦公路管理局指出，美國北部地區(qū)的交通事故也因降雪而顯著增加[2]；在歐洲，每年超過3 800例的交通事故由濕滑或冰雪路面引起。因此，亟需研究出一種能夠?qū)崟r監(jiān)控并識別路面冰雪狀態(tài)的檢測系統(tǒng)，通過智能手機、車載廣播等渠道在線提供路面狀況信息，發(fā)出預(yù)警信號，從而避免潛在事故的發(fā)生。

1 路面狀態(tài)的定義

路面狀態(tài)(road surface condition)是指因降雨或降雪天氣以及人為干擾因素導(dǎo)致道路表面存在凝結(jié)物，是道路表面與積水、積雪、結(jié)冰及溫度的狀態(tài)集合[3]。Norrman J[4]在研究中將路面狀態(tài)分為以下七類：干燥路面、濕滑路面、積水路面、浮雪路面、泥濘路面、結(jié)冰路面。依據(jù)湯筠筠等人[5]對冬季典型路面狀態(tài)識別研究，路面狀態(tài)定義為公路表面液體的不同表現(xiàn)形式，主要分為干燥、潮濕、積水、結(jié)冰、積雪。

路面狀態(tài)檢測技術(shù)是指利用各種類型的傳感器去感知路面積水、積雪、結(jié)冰后產(chǎn)生的力學、光學等變化[6]，經(jīng)過信號處理與分析，對路面狀態(tài)(干燥、潮濕、積雪、結(jié)冰、黑冰等)進行分類，并給出預(yù)警信息。

2 國外研究現(xiàn)狀

2.1 近紅外多光譜法

瑞典中部大學的Jonsson P團隊[7]利用在水吸收光譜范圍內(nèi)敏感的單點像素紅外探測器來區(qū)分路面狀態(tài)。傳感器由3個探測器構(gòu)成，其敏感波長分別為960，1 550，1 950 nm。使用能夠覆蓋可見光波段和紅外波段的20 W鹵素燈照射樣品路面，3個探測器接收反射光，如圖1所示。對紅外探測器的結(jié)果進行聚類分析。路面狀態(tài)的不同必然會使3種波長光學特性存在較大的差異。實驗結(jié)果表明，傳感器提供了可靠的輸出，能夠有效區(qū)分表面條件干燥、潮濕、積雪和結(jié)冰的狀態(tài)。考慮到外界環(huán)境干擾因素，此后， Jonsson P團隊[8]又在該方法中加入環(huán)境光補償，使得分類算法更加健壯。由于該項研究中使用的單點紅外探測器，只能探測路面某一點的狀態(tài)，而對于大面積的路面情況的探測無能為力，無法從一點去準確判斷大面積關(guān)鍵路面的復(fù)雜情況，因此，只在實驗室進行實驗而未投入實際應(yīng)用。

圖1 Patrik Jonsson提出的近紅外多光譜法原理

2.2 氣象預(yù)測法

路面狀態(tài)與氣象條件密切相關(guān)。氣象模型法是指實時監(jiān)控大氣溫度、空氣濕度、空氣露點溫度、風速、風向等氣象參數(shù)以及降水顆粒數(shù)、降水相對大小、地表溫度等容易檢測出的地面參數(shù)，通過數(shù)學分析法對大量的氣象數(shù)據(jù)進行整合，判斷出可能的路面狀態(tài)。這種方法需要以被測區(qū)域大量的氣象數(shù)據(jù)為參照，才能制定出判斷規(guī)則。

瑞典中部大學的Jonsson P[8]和Casselgren J[9]團隊從瑞典道路氣象信息系統(tǒng)(road weather information systems,RWIS)獲取氣象數(shù)據(jù)，結(jié)合標準近紅外相機拍攝的路面圖像建立數(shù)學模型進行分類。氣象數(shù)據(jù)和道路圖像作為輸入變量X，(具體見文獻[9])，利用主成分分析法(principal component analysis,PCA)分析不同的路面狀態(tài)的輸入變量之間的相關(guān)性和定量關(guān)系。

2.3 光學偏振法

偏振是電磁波的一種重要特性，而光波就是電磁波的一種。當入射光以起偏角或布儒斯特角射向某些特殊界面時，反射光與折射光相互垂直，此時的反射光就是部分偏振光。

芬蘭研究人員Jokela M等人[11]采用光學偏振與圖像粒度分析相結(jié)合的方法檢測路面狀況，取得了良好的結(jié)果，尤其是在對結(jié)冰路面的識別上，達到了90 %以上的正確率。光經(jīng)過非金屬材料(如瀝青)的反射，垂直偏振光相對于水平偏振光的數(shù)量會有所減少。道路狀況檢測系統(tǒng)采用一對單色立體相機分別在同一時間內(nèi)定點拍攝相同尺寸的路面圖片。兩個相機并排安裝以保證時間、空間的同步，使圖像之間細微的時間和空間差異可以忽略不計。偏振濾光片安裝在相機鏡頭前，一個用于阻擋垂直偏振光，而另一個使垂直偏振光通過并進入相機，同時濾光片消除大部分環(huán)境光。然后對圖像進行低通濾波，通過計算兩幅原始圖像和低通濾波圖像之間的對比差，分析出當前的路面狀態(tài)。上位機軟件處理分析數(shù)據(jù)，檢測結(jié)果顯示為干燥、潮濕、積雪、結(jié)冰等狀態(tài)的其中一種并給出檢測結(jié)果的置信值。

瑞典呂勒奧理工大學的Casselgren J等人[12]利用了冰作為雙折射晶體的各項異性提出了一種新的偏振法。試驗裝置原理圖如圖2所示，一個半球形的有機玻璃罩上經(jīng)度與緯度每隔10°開一個直徑為3 mm的小孔，將其罩住一小塊樣品路面。在光源與接收器前放置偏振片，偏振方向在水平方向與垂直方向均可調(diào)。當光源入射角φi固定時，探測器的接收角φd將在φi～(180°-φi)范圍內(nèi)變化，這樣φi與φd的組合共有540種。當φi與φd固定時，通過調(diào)節(jié)偏振片的方向，會有4種不同的接收光強。將這2 160種光強分類組合后可以歸納出入射光偏振方向、接收光偏振方向、入射角φi、接收角φd與路面狀態(tài)之間的關(guān)系。實驗結(jié)果顯示，該方法能有效區(qū)分路面干燥、潮濕、積雪、結(jié)冰等9種狀態(tài)。但在實際應(yīng)用過程中，機械結(jié)構(gòu)復(fù)雜龐大且難以實現(xiàn)，光源與探測器要對準同一點轉(zhuǎn)動，不適用于安裝固定在路肩上，只能安裝在測試車上且需要人為操作的步驟較為繁瑣。

圖2 Johan C提出的偏振法實驗裝置示意

2.4 圖像分析法

圖像分析法是指利用相機拍攝路面照片或從道路監(jiān)控視頻中截取圖片，提取圖像的顏色、亮度、紋理等特征，使用支持向量機、人工神經(jīng)網(wǎng)絡(luò)、K最近鄰、線性判別、貝葉斯分類器等對路面狀態(tài)進行分類[13]。

加拿大滑鐵盧大學的Omer R團隊[14]提出一種基于GPS標記圖像的路面狀態(tài)檢測系統(tǒng)。低成本監(jiān)測視頻和安裝在非專用車輛上的靜態(tài)攝像機獲取能夠覆蓋較大路面范圍的圖像，在攝像機安裝位置和角度已知的情況下可自動剪切圖像，獲取有效拍攝區(qū)域。對圖像進行濾波去噪等預(yù)處理后，使用帶有梯度的RGB顏色特征作為特征向量，利用提取的特征對支持向量機進行訓練分類，然后對圖像進行分類。試驗結(jié)果表明，該方法可達到85 %～90 %的分類正確率。

日本富士山大學的Kawai S和Takeuchi K等人[15]提出一種區(qū)分夜間道路冰雪狀況的圖像方法。大多數(shù)傳統(tǒng)的圖像方法非常依賴于光源條件，基本只適用于白天和照明充足的情況。該方法從車載攝像機獲取路面視頻信息，進行幀提取進而獲取路面圖像，分別討論了夜間光照條件以汽車前大燈為主和以路燈、信號燈為主的情況下路面圖像特征的差異。

當夜間光源主要為汽車前大燈時，車載相機可以從干燥路面或積雪路面上獲得反射光。由于瀝青路面通常是深色的，而積雪路面呈白色，故干燥路面的亮度低，積雪路面亮度較高，而潮濕路面無法反射光線，因此潮濕路面的亮度最低。同時，積雪路面的紋理特征比較粗糙，而干燥、潮濕情況下圖像特征平滑。在汽車前大燈主導(dǎo)時，路面圖像的亮度和紋理特征會顯著增加。當夜間光源主要為路燈和信號燈時，反射光的數(shù)量相比于僅有汽車前大燈時明顯增加，此時對干燥和積雪路面的影響較小，而對潮濕路面的影響會隨著濕度的增加而變大。對潮濕路面拍攝的圖像往往比僅有汽車前大燈時顏色更紅或者更橙。因此，在第二種情況下，將顏色、亮度和紋理都作為特征進行分類。最后，使用K最近鄰算法對圖像進行分類，干燥、潮濕、積雪的分類正確率分別達到96.1 %,89.4 %,95.6 %。

加拿大約克大學視覺研究中心的Almazan E團隊[16]從圖像訓練數(shù)據(jù)中得到道路像素位置的先驗分布，劃定感興趣的區(qū)域(region of interest,ROI)，然后結(jié)合亮度特征和紋理特征，構(gòu)建分類器進行分類。

瑞典學者Jonsson P等人[17]使用紅外照相機結(jié)合一組不同波長的光學濾波器來獲取路面圖像。實驗分別使用K最近鄰、神經(jīng)網(wǎng)絡(luò)、支持向量機(support vector machine,SVM)、偏最小二乘法等算法對圖像的每一個像素分類，從而得到圖像中不同區(qū)域的路面狀態(tài)。實驗表明，SVM支持向量機和K最近鄰算法能在訓練數(shù)據(jù)較少的情況下仍然以較快的速度達到94 %以上的分類正確率。該系統(tǒng)是對現(xiàn)有單點路面狀態(tài)分類系統(tǒng)的一個巨大改進。

相比于其他方法，圖像分析法最大的優(yōu)勢在于設(shè)備簡單、成本低廉，但圖像的質(zhì)量易受光照條件的影響和攝像機分辨率的限制，往往難以獲得高質(zhì)量的清晰圖片，且分類器以及訓練方案的選擇對分類結(jié)果的正確率有很大的影響。

2.5 雷達技術(shù)

雷達技術(shù)在結(jié)冰探測方面取得了良好的效果，主要利用電磁波經(jīng)過路面的水層、冰、雪的反射或散射后，電磁波的強度會發(fā)生改變來區(qū)分不同的路面狀態(tài)。然而，商用雷達單元的價格昂貴，使得這一技術(shù)難以投入實際應(yīng)用。

Viikari V V等人[18]研究了采用24 GHz的汽車雷達檢測瀝青、水、冰或雪引起的低摩擦點進而區(qū)分路面狀態(tài)的技術(shù)。分別研究了實驗室和現(xiàn)場試驗中瀝青表面不同附著物對后向散射特性的影響。在干燥、潮濕、冰、雪等不同的路況下，路面的極化散射比有很大區(qū)別。結(jié)果表明，通過比較不同極化態(tài)下的后向散射信號，可以檢測到低摩擦點。

Magerl G等人[19]采用一個頻率為2.45 GHz的固定道路監(jiān)控雷達能夠探測氣候引起的路面狀態(tài)的變化。發(fā)射器和接收器分別安裝在距離路面3 m高處，發(fā)射器發(fā)出的信號經(jīng)路面反射后由接收器接收。該系統(tǒng)能夠有效區(qū)分路面干燥、積水、結(jié)冰等狀態(tài)，并能夠測量水層厚度和水鹽含量。

3 國內(nèi)研究現(xiàn)狀

國內(nèi)關(guān)于路面狀態(tài)檢測的研究起步較晚，絕大多數(shù)研究都是基于國外研究，相關(guān)文獻報道較少。目前，國內(nèi)針對路面狀態(tài)檢測研究的主要是一些高校及交通部門，且大多集中在偏振和圖像[20]兩種方法。

華中科技大學的苑會珍等人[21]提出了一種基于線偏振度的的路面狀態(tài)探測方法。該方法采用近紅外石英鹵鎢燈照明，通過旋轉(zhuǎn)偏振片依次采集4個偏振方向的分量圖片，進而計算出現(xiàn)偏振度，實驗裝置如圖3。當路面干燥或附著有水、冰時，線偏振度不同，利用這一原理來區(qū)分路面狀態(tài)。該方法原理簡單、易于實現(xiàn)，且識別正確率達到90 %。但在該方法的實現(xiàn)過程中需要人為旋轉(zhuǎn)偏振片，且難以保證每次旋轉(zhuǎn)的角度都保持一致，因此，距離投入實際應(yīng)用還有一段距離。

圖3 苑會珍提出的偏振方法實驗裝置示意

南京大學的一個研究團隊利用TN型液晶在有無外加電場的情況下對透射光線呈90°偏振影響的特性，結(jié)合偏振片構(gòu)建光學偏振度測量系統(tǒng), 測量不同路面狀態(tài)下的光學反射偏振差異, 從而檢測其中的冰、水區(qū)域[22]。如圖4所示，該方法在接收器前放置能用電流控制偏振方向的、類似于偏振片的TN型液晶，外加電場時，光滑路面反射的水平偏振光順利通過偏振片，因而CDD相機拍攝到的圖片亮度較大；無電場時，偏振光翻轉(zhuǎn)到垂直方向，被水平偏振片濾除，圖片亮度小。而當路面干燥粗糙時，是否有外加電場對圖片的亮度幾乎沒有影響。該方法只能定性區(qū)分干燥路面和濕滑路面，無法準確區(qū)分積水和結(jié)冰的狀態(tài)。

圖4 偏振實驗裝置示意

北京交通大學的武洪強[23]提出了一種基于視頻圖像技術(shù)的路面狀態(tài)檢測方法。首先提取單一狀態(tài)的圖像構(gòu)建路面狀態(tài)圖像庫，采用三階顏色矩法和灰度共生矩陣法提取了13維圖像特征向量，形成特征數(shù)據(jù)庫，最終建立圖像分類模型，使用SVM進行分類。實驗結(jié)果表明，基于SVM尋優(yōu)分類器和視頻圖像分塊識別路面狀態(tài)的方法科學可行，對單一路面狀態(tài)的識別準確率達到90 %以上，對混合路面狀態(tài)的識別率達到85 %以上。

除此之外，國內(nèi)一些團隊也嘗試采用基于徑向基函數(shù)(radial basis function,RBF)神經(jīng)網(wǎng)絡(luò)[24]或反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)[25]的圖像方法來識別路面狀態(tài)。

4 結(jié)束語

路面濕滑、積雪、結(jié)冰的狀態(tài)會嚴重影響行車安全，因此，開發(fā)出能夠?qū)崟r區(qū)分路面狀態(tài)并給出預(yù)警信號的檢測系統(tǒng)對于交通安全、出行保障具有重要意義。在國內(nèi)外主要的幾種檢測方法都取得了良好的效果，在實驗中基本都可以達到85 %以上的分類正確率。然而，紅外多光譜法和偏振法由于機械結(jié)構(gòu)復(fù)雜、需要人為操作無法實現(xiàn)全自動等限制，尚未投入實際用；商用雷達價格昂貴，目前雷達技術(shù)檢測路面狀態(tài)僅用于實驗室研究和現(xiàn)場試驗中；氣象模型法需要大量的氣象數(shù)據(jù)支持；圖像分析法仍需要研究如何減少照明條件的影響和環(huán)境光的干擾等問題。隨著計算機視覺和機器學習等技術(shù)的快速發(fā)展，基于圖像、視頻和各種先進分類算法并結(jié)合氣象數(shù)據(jù)的路面檢測方法將是未來發(fā)展的主要方向。