王樂寧

（青島理工大學(xué) 機械與汽車工程學(xué)院，山東 青島 266520）

1 研究背景

交通運輸部2019年交通運輸行業(yè)發(fā)展統(tǒng)計公報顯示，目前我國高速公路里程已達(dá)到14.96萬km，居世界第一。隨著越來越多的人選擇高速公路出行，我國高速公路的事故率與死亡率居高不下。針對國內(nèi)外高速公路事故原因分析[1]得知，造成交通事故的人為因素中駕駛員操作不當(dāng)?shù)陌咐葹槌Ｒ姟Ｆ渲懈顚哟蔚脑蛑饕袃牲c。第一，駕駛員本身駕駛技術(shù)不高，規(guī)則意識淡薄，對于車輛在高速行駛情況下的應(yīng)急處理能力低，容易造成因隨意變道、激烈駕駛等而引發(fā)的交通事故。第二，車輛駕駛員特別是大型車輛駕駛員，工作壓力大，休息時間短，容易造成因疲勞駕駛而引發(fā)的交通事故。

此外，根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計，在各類事故死亡人數(shù)中，交通事故死亡人數(shù)所占比例為78.5%,已成為各種事故的“第一殺手”。其中，由于駕駛員疲勞駕駛造成的交通事故占事故總數(shù)20%左右,占特大交通事故的40%以上[2]。

因此，本文設(shè)計通過人工智能技術(shù)，對高速公路上具有潛在駕駛安全隱患的車輛駕駛員進(jìn)行預(yù)警，以提高車輛駕駛員的安全駕駛意識，降低其安全駕駛風(fēng)險。從而降低高速公路因駕駛員人為因素造成的交通事故發(fā)生率和人員傷亡率。

2 設(shè)計方案

2.1 總體構(gòu)架

本系統(tǒng)將基于現(xiàn)有的高速公路攝像頭、雷達(dá)、ETC門架等設(shè)備，對駛?cè)敫咚俟奋囕v的行駛軌跡、速度變化進(jìn)行數(shù)據(jù)采集，進(jìn)一步采用人工智能方法分析處理，得出車輛行駛狀態(tài)、駕駛員的駕駛狀態(tài)，并采用加權(quán)的方式對車輛行為進(jìn)行評分，進(jìn)而對駕駛狀態(tài)異常的車輛駕駛員進(jìn)行提醒，從而達(dá)到降低交通事故發(fā)生率，減少人員傷亡的目的?？傮w構(gòu)架如圖1所示。

圖1 系統(tǒng)總體構(gòu)架

2.2 系統(tǒng)設(shè)計

本系統(tǒng)采用一車一碼的監(jiān)測方案，當(dāng)車輛進(jìn)入高速公路入口收費站時，通過視頻監(jiān)控、ETC設(shè)備采集車輛信息，并建立此車輛檔案，然后車輛進(jìn)入高速公路；當(dāng)車輛經(jīng)過測速雷達(dá)和相應(yīng)攝像頭時，記錄此車輛速度、當(dāng)前時刻與車輛所在車道等信息；當(dāng)車輛經(jīng)過ETC門架設(shè)備時記錄當(dāng)前時刻與車輛所在車道等信息；當(dāng)車輛經(jīng)過1 280 p分辨率以上的攝像頭（包括出入口附近的廣角攝像頭、車道上放的攝像頭等）時，采用基于OpenCV下的圖像識別處理技術(shù)對車輛的行駛軌跡進(jìn)行判斷?；谝陨?種方式對駕駛員駕駛車輛狀態(tài)不斷進(jìn)行評分，若出現(xiàn)車輛評分高于閾值，則由相關(guān)部門手動或自動通過短信、電話、廣播等方式對車輛駕駛員進(jìn)行預(yù)警，或?qū)囕v駕駛員采取其他相關(guān)措施，進(jìn)而降低交通事故發(fā)生率。

基于以上設(shè)計，此系統(tǒng)模塊可以分為：車輛信息存儲模塊、車輛位置參數(shù)采集模塊、車輛時刻參數(shù)采集模塊、視頻參數(shù)采集模塊、參數(shù)計算模塊、視頻參數(shù)分析模塊和評分預(yù)警模塊。特別的車輛位置參數(shù)與車輛時刻參數(shù)模塊的目的是指當(dāng)車輛經(jīng)過ETC門架、雷達(dá)測速裝置、攝像頭等能夠識別此車輛通過的相關(guān)裝置，并由此直接得出或間接計算得出車輛所在車道和車輛速度信息，并為下一步人工智能分析提供相對直觀和較完善的數(shù)據(jù)。

2.3 系統(tǒng)組成

2.3.1 車輛信息存儲模塊

當(dāng)車輛駛?cè)敫咚俟啡肟谑召M站時，此模塊將對駛?cè)敫咚俟返能囕v建立特定“檔案”，存儲車輛車牌號、車型、駕駛員聯(lián)系方式、OBU或CPC卡等可對車輛進(jìn)行特定識別的相關(guān)信息。為接下來的信息存儲和車輛行為評分做準(zhǔn)備。

2.3.2 車輛位置、時刻、視頻參數(shù)采集模塊

此模塊的工作方法我們將其分成三類討論，但最終目的都是將車輛相關(guān)行為記錄至計算機，也將對車輛行為評分做準(zhǔn)備。

一般情況下，對于ETC門架上RSU設(shè)備采集的車載OBU設(shè)備或CPC卡的信息包括車輛識別、車輛所屬車道和車輛經(jīng)過此RSU設(shè)備的時間此類信息；對于雷達(dá)測速裝置采集到的信息包括一系列的車輛瞬時速率、車牌信息、車輛所屬車道等信息；對于在高速公路出入口匝道附近的高清監(jiān)控攝像頭，因為其識別范圍廣、精度高，且可以以較高的碼率傳輸視頻信號，所以可以主要作為基于OpenCV下人工智能圖像識別的功能。因此，此裝置可以采集到較長一段時間內(nèi)的車輛速度變化情況、車牌信息、車輛所屬車道信息。若在攝像頭分辨率足夠高，且網(wǎng)絡(luò)傳輸速率足夠快，計算機設(shè)備性能優(yōu)良的情況下，還可識別到車輛駕駛員的駕駛狀態(tài)，為車輛預(yù)警提供更多參考。

2.3.3 視頻參數(shù)分析模塊

上述，對于視頻的分析主要是對高速公路出入口匝道附近的高清攝像頭進(jìn)行分析。分析的方法主要采用基于OpenCV下的圖像識別技術(shù)，處理方式主要分為3個主要步驟。第一，對圖像進(jìn)行矯正處理。因車輛在高速公路上行駛速度較快，且多數(shù)攝像頭擺放位置較高，與車輛行駛方向呈一定角度。因此采用基于標(biāo)定板的攝像機標(biāo)定的方法，利用攝像機成像模型以及標(biāo)定板上特征求解其內(nèi)外參數(shù)，以實現(xiàn)對車輛的定位和對攝像頭的畸變矯正[3]。第二，對圖像進(jìn)行灰度、降噪、濾波、二值化處理，且調(diào)用無車情況下當(dāng)前時間，當(dāng)前天氣的歷史影像，采用OSTU算法的閾值自適應(yīng)選擇算法[4]，與當(dāng)下實時影像逐幀進(jìn)行比對，判斷圖像不同的區(qū)域，并對此區(qū)域物體進(jìn)行輪廓分析，以對車輛進(jìn)行跟蹤。第三，對識別到的車輛車牌進(jìn)行中值濾波、灰度拉伸、字符切字符識別等處理[5]。得知車輛的特征信息之后，將相關(guān)信息存入此車輛“檔案”，并對其車輛駕駛狀態(tài)進(jìn)行評分。且將數(shù)據(jù)傳入計算機對應(yīng)此車輛的評分預(yù)警模塊，以便于其他模塊調(diào)用。

2.3.4 參數(shù)計算模塊

根據(jù)收集到的數(shù)據(jù)，很容易可以統(tǒng)計出車輛在駛?cè)敫咚俟分淋囕v所在位置之間的一系列車輛瞬時速率、車輛經(jīng)過某一車輛識別裝置的時刻以及車輛所在車道。根據(jù)兩識別裝置之間距離差Δx=x2-x1且根據(jù)經(jīng)過兩識別裝置的時間差Δt=t2-t1計算得知平均速度為。若當(dāng)車輛經(jīng)過雷達(dá)測速裝置時可以獲知多次車輛的瞬時速率（此處v指的是速率），進(jìn)而將其對時間t分別求其一階和二階導(dǎo)函數(shù)，得到車輛此刻的加速度和急動度。通過加速度判斷出車輛的速度變化情況；通過急動度判斷出車輛駕駛員對車輛“油門”控制變化的情況，并存儲數(shù)據(jù)，為下面人工智能分析做準(zhǔn)備。

此外，結(jié)合以往不同外部環(huán)境狀況下μ與車輛車道變換頻率λ的相關(guān)性關(guān)系，可以統(tǒng)計出不同車輛與不同路況車況條件下的定性關(guān)系，其中μ為不同外部環(huán)境狀況，λ為車輛車道變換頻率，ξ為外部環(huán)境狀況與車輛車道變換頻率λ之間的函數(shù)關(guān)系。

此處外部環(huán)境狀況μ與當(dāng)前路況、車況、車型、駕駛員的普遍駕駛習(xí)慣等都存在一定的聯(lián)系。因此無法定量分析，只有通過大量數(shù)據(jù)統(tǒng)計得出較為準(zhǔn)確的分析結(jié)果。

因此，我們接下來引入人工智能分析的方法。通過對大量實例的系統(tǒng)分析，不斷更正學(xué)習(xí)，這樣不僅可以減少因數(shù)學(xué)計算帶來的復(fù)雜情況，還可以大幅提高對車輛駕駛行為評分的準(zhǔn)確性。

2.3.5 評分預(yù)警模塊車輛評分體系建立

此模塊為本系統(tǒng)的核心模塊，主要采用人工智能分析的方法對前期采集的基礎(chǔ)數(shù)據(jù)和已經(jīng)進(jìn)行初步分析的數(shù)據(jù)進(jìn)行深度分析。具體分析方法如下：

首先，遵循科學(xué)性與系統(tǒng)性的原則，建立車輛評分體系，將駕駛員狀態(tài)、車輛狀態(tài)、自然環(huán)境、人為環(huán)境作為一級指標(biāo)，將方向盤抓握位置、車輛車道變化率、天氣對路面影響、路面施工情況等作為二級指標(biāo)，如圖2所示。

圖2 車輛評分體系

然后，通過人工智能對車輛評分指標(biāo)進(jìn)行權(quán)重判定。具體判定方法為：首先，采集以往事故車輛在高速公路上行駛的視頻記錄、車輛行駛速度等相關(guān)數(shù)據(jù)。然后，對此車輛事故的嚴(yán)重性以百分制的標(biāo)準(zhǔn)進(jìn)行打分。進(jìn)一步，根據(jù)上面提到的車輛評分體系E分別對事故車輛的E11～E43指標(biāo)進(jìn)行對應(yīng)打分。將得出的數(shù)據(jù)進(jìn)行以下處理：

式中：σ為此車輛事故造成的嚴(yán)重性進(jìn)行評分的分?jǐn)?shù)；m為一級指標(biāo)個數(shù)；i、j分別對應(yīng)相應(yīng)的一級、二級指標(biāo)。通過求和計算，從而得出不同指標(biāo)對車輛事故的造成和造成事故嚴(yán)重性的權(quán)重。

進(jìn)一步，使用初步建立的車輛評分體系對還未使用的車輛數(shù)據(jù)進(jìn)行評分，將此判定數(shù)據(jù)與此車輛實際發(fā)生事故情況進(jìn)行比對，不斷采用人工智能學(xué)習(xí)、糾錯，以提升車輛評分體系的科學(xué)性與準(zhǔn)確性。流程如圖3所示。

圖3 車輛評分體系工作流程圖

當(dāng)車輛評分體系錯誤率降至合理范圍之內(nèi)，此系統(tǒng)將初步投入運營，對當(dāng)下處于高速公路中的車輛進(jìn)行評分和預(yù)警，且將繼續(xù)同步不斷地進(jìn)行學(xué)習(xí)和糾錯的過程，從而進(jìn)一步完善車輛評分體系。

特別說明的是，上文在車輛評分體系中提到的一級、二級指標(biāo)應(yīng)根據(jù)不同地域、不同相關(guān)法律法規(guī)等實際情況做出適當(dāng)調(diào)整，其中相關(guān)指標(biāo)的權(quán)重判定，也可結(jié)合相關(guān)專家、考察隊伍的建議進(jìn)行權(quán)重和閾值的調(diào)整，以適應(yīng)實際工作情況。

3 系統(tǒng)工作整體流程

a）車輛進(jìn)入高速公路，采集車牌、車型等可特定識別此車輛的必要信息。

b）車輛經(jīng)過視頻監(jiān)控、測速雷達(dá)、RSU門架等，采集相關(guān)數(shù)據(jù)。

c）數(shù)據(jù)傳輸至計算機，進(jìn)行數(shù)據(jù)初步處理。

d）將處理完成的數(shù)據(jù)交由人工智能分析，人工智能給出駕駛評分。

e）根據(jù)預(yù)先設(shè)定好的閾值確定是否由高速交管中心向車輛駕駛員發(fā)出預(yù)警。

f）若e）向車輛駕駛員發(fā)出預(yù)警，則由高速交管部門做進(jìn)一步處理。若e）未向車輛駕駛員發(fā)出預(yù)警，則返回執(zhí)行b）。

g）車輛駛出高速，結(jié)束此次進(jìn)程，將此次駕駛數(shù)據(jù)存儲至數(shù)據(jù)庫，備用。如圖4所示。

圖4 系統(tǒng)工作整體流程圖

4 應(yīng)用前景

本系統(tǒng)將高速公路現(xiàn)有的設(shè)施做進(jìn)一步開發(fā)，改造成本較低，且能大幅度地提高車輛在高速公路駕駛的安全性，有效降低高速公路事故率，提高車輛的通行效率，無論是對車輛駕駛員還是交通管理部門都會產(chǎn)生一定的積極影響。進(jìn)而推動物流、運輸、旅游行業(yè)的進(jìn)一步發(fā)展。因此本系統(tǒng)有著廣闊的應(yīng)用前景。

5 結(jié)論

基于人工智能的高速公路車輛安全駕駛預(yù)警系統(tǒng)能夠使用高速公路上現(xiàn)有的相關(guān)設(shè)施，通過計算機處理，人工智能學(xué)習(xí)、分析的方法，對車輛駕駛行為進(jìn)行評分，從而對駕駛狀態(tài)異常的車輛駕駛員進(jìn)行提醒，以達(dá)到降低交通事故發(fā)生率，減少人員傷亡的目的。