趙笑月，汪 攀，朱順應，蔣若曦，鄒 禾

(1.武漢市交通發(fā)展戰(zhàn)略研究院，湖北 武漢 430017；2.武漢市規(guī)劃設(shè)計有限公司，湖北 武漢 430014;3.武漢理工大學 交通學院，湖北 武漢 430063)

0 引言

目前國內(nèi)外對交通沖突的空間分布特征沒有進行深入研究，但近年交通事故模型中越來越多地考慮空間特征因素[14]，交通沖突同樣也可從該角度展開研究，不僅要減少整體交通沖突個數(shù)和降低嚴重性，同時還需要找到交通沖突集中的位置，從而進行針對性改善。在數(shù)據(jù)采集方面，常用的方法為地點觀測法，但是路側(cè)架設(shè)相機錄像只能記錄斷面的車輛數(shù)據(jù)，而無人機視頻數(shù)據(jù)采集則可以同時進行連續(xù)多斷面數(shù)據(jù)采集，且精度更高。在視頻數(shù)據(jù)處理方面，人工處理數(shù)據(jù)的主觀性較大，而且數(shù)據(jù)精度低，采集的沖突數(shù)據(jù)類型少[15]。范文超等采用自適應混合高斯背景模型，結(jié)合幀間差分法，充分發(fā)揮其對環(huán)境變化的適應能力，檢測進入視頻拍攝區(qū)域的車輛[16]； Zhang K等提出一種基于時空上下文視覺跟蹤算法，且該跟蹤算法效果很好[17]。

本研究克服數(shù)據(jù)采集的條件限制，選取典型互通合流區(qū)，利用無人機錄像采集車輛數(shù)據(jù)，運用OpenCV視頻自動分析系統(tǒng)和Matlab擴展工具，依據(jù)幀間差分法和時空上下文視覺跟蹤算法原理，進行車輛檢測與跟蹤，并分析車輛預定軌跡下交通沖突點的位置，運用改進的交通沖突指標TDTC，考慮交通沖突嚴重性，分析高速公路互通合流區(qū)交通沖突的空間分布及其影響因素，以期對合流區(qū)安全水平的提高作參考。

1 數(shù)據(jù)采集與分析

1.1 數(shù)據(jù)采集

以濟青高速公路改擴建安全評價項目為依托，本研究于2019年1月10號至1月25號使用無人機在濟青高速的多個路段采集交通沖突數(shù)據(jù)。本次試驗所選的采集地點見表1，共選取3個互通合流區(qū)，主線設(shè)計速度為100 km/h，施工時限速80 km/h，主線均為單向兩車道，匝道為單車道，互通合流區(qū)采集現(xiàn)場及合流區(qū)示意圖如圖1、圖2所示。

表1 數(shù)據(jù)采集

圖1 濟青高速施工區(qū)互通合流區(qū)數(shù)據(jù)采集現(xiàn)場Fig.1 Data collection site of interchange merging area in Jinan-Qingdao expressway construction area

圖2 濟青高速施工區(qū)互通合流區(qū)幾何構(gòu)造示意Fig.2 Schematic diagram of geometric structure of interchange merging area of Jinan-Qingdao expressway construction area

本次試驗設(shè)備采用的是無人機可以提供4 k超高清和每秒30幀(fps)視頻。該設(shè)備可以在高空視野良好的情況下懸停拍攝，相比傳統(tǒng)攝像機，不存在拍攝角度和遮擋問題，且拍攝范圍較大，優(yōu)勢明顯，另外該方法收集車輛數(shù)據(jù)具有提取數(shù)據(jù)豐富、成本相對較低等優(yōu)點[18-19]。該無人機最大飛行高度500 m，最長飛行時間30 min，鏡頭視頻最大錄像分辨率：4 K/60 P，可采取GPS定位。試驗中無人機采取靜止懸停拍攝，飛行高度為350～450 m，基于無人機鏡頭視角參數(shù)計算，拍攝范圍為600～700 m(長)/300～350 m(寬)，所拍攝視頻精度為 0.2 m，滿足精度要求，若拍攝高度更低，精度更高。相比傳統(tǒng)的數(shù)據(jù)采集方式，無人機視頻拍攝可以采集某一區(qū)域內(nèi)所有車輛的數(shù)據(jù)，便于識別車輛軌跡，連續(xù)性較好。

1.2 數(shù)據(jù)描述與分析

本研究使用OpenCV視頻識別系統(tǒng)和Matlab擴展工具解析試驗拍攝的視頻，每7幀輸出一次車輛的狀態(tài)信息，選用TDTC[12](time difference to collision)作為沖突判別指標。TDTC是指在某個時刻，假定車輛的速度和方向保持不變，兩輛車通過當前軌跡交叉點(沖突點)的時間差；若兩輛車的軌跡在一條直線上，則TDTC和傳統(tǒng)的TTC(time to collision)指標計算方法一樣。TDTC是一種改進的交通沖突識別指標，可同時識別同車道沖突和異車道沖突，也可對沖突的前期預測分析，很好地彌補了TTC(time to collision)和PET(Post encroachment time)的不足。因為高速公路互通合流區(qū)的車輛行為比正常路段更復雜，TDTC的特點使得其作為高速公路合流區(qū)的沖突指標具有很好的普適性。

圖3 沖突識別模型Fig.3 Conflict identification model

(1)沖突識別模型

(1)

式中，TA為A車以t時刻的速度到達沖突點Q的所需時間；VA為A車在t時刻的瞬時速度；SA為A車t時刻距沖突點Q的距離；TB為B車到達沖突點Q的所需時間；VB為B車t時刻的瞬時速度；SB為B車t時刻到達沖突點Q的距離。

參考國內(nèi)外文獻，TDTC指標大于10 s可記為無沖突。在本研究中若兩輛車之間持續(xù)存在交通沖突，以持續(xù)沖突期間的TDTC最小值作為本次沖突的指標值；若持續(xù)無沖突，在3.1節(jié)頻率統(tǒng)計的過程中，TDTC值記為10 s。

(2)合流區(qū)空間結(jié)構(gòu)劃分

為深入分析施工區(qū)互通合流區(qū)的交通沖突空間分布，將每個合流區(qū)平均分為10個區(qū)段，以便準確找出交通沖突的聚集點。受采集范圍的影響，本研究以匝道與主線連接點為合流區(qū)的起點，以漸變段與主線的連接點為終點。圖4為將全長160 m的互通合流區(qū)分為10個區(qū)段的示意圖。

圖4 濟青高速施工區(qū)互通合流區(qū)空間劃分示意(K258+260)Fig.4 Schematic diagram of spatial division of interchange merging area of Jinan-Qingdao expressway construction area (K258+260)

2 基于車輛預定軌跡的交通沖突視頻識別

目前，國內(nèi)外基于車輛軌跡的交通沖突視頻識別主要是采用一種基于OpenCV(開源計算機視覺，一種現(xiàn)有的開源跟蹤工具)的視頻數(shù)據(jù)自動分析系統(tǒng)，該系統(tǒng)包含多種計算機視覺算法，在計算機視覺處理中得到了廣泛的應用[20]。本研究在此基礎(chǔ)之上，依據(jù)幀間差分法和時空上下文視覺跟蹤算法原理，使用Matlab擴展工具檢測視頻中每一幀狀態(tài)下的車輛信息，分析每一幀車輛預定軌跡下的沖突情況，并計算TDTC指標值。交通沖突識別流程如圖5所示。

圖5 交通沖突識別流程Fig.5 Traffic conflict identification process

2.1 車輛檢測與跟蹤

車輛檢測主要是采用自適應混合高斯背景模型，結(jié)合幀間差分法，充分發(fā)揮其對環(huán)境變化的適應能力，檢測進入視頻拍攝區(qū)域的車輛[16]。

高速公路路面的高差變化相對于無人機飛行的高度可以忽略不計。無人機在高空采集視頻時受到了氣流的干擾，會造成畫面抖動，使得后續(xù)的畫面逐漸偏離初始畫面，因此需要以第1幅圖像為基準，將后面的畫面和第1幅圖像配準，從而在一個坐標系下進行車輛跟蹤，識別車輛連續(xù)的運行軌跡。圖像配準的方法有很多，本研究引用了基于特征點匹配的方法，雖然速度較慢，但是效果較好，而且該技術(shù)現(xiàn)在已經(jīng)十分成熟[21]。

圖像配準之后，選取道路所在的多邊形區(qū)域及起終點區(qū)域，對每一個檢測到的車輛BOX進行標號并跟蹤，傳統(tǒng)車輛跟蹤算法有特征點跟蹤算法(vision point tracker)、基于直方圖的跟蹤算法(vision Histogram based Tracker)[22]，但是前者在跟蹤過程中車輛BOX數(shù)目會不斷減少，對象太小特征點太多時不合適，車輛BOX大小會變化；后者跟蹤目標太小，車輛BOX大小不固定，會不斷變大。再結(jié)合采集路段的交通流特征，本研究引用時空上下文視覺跟蹤算法[15]，跟蹤效果好，可以保持初始車輛BOX大小不變。跟蹤效果如圖6所示。

圖6 車輛跟蹤效果Fig. 6 Vehicle tracking effect

2.2 視頻識別結(jié)果

編寫的視頻識別程序跟蹤每一個進入?yún)^(qū)域的車輛BOX，每7幀輸出一次區(qū)域內(nèi)所有車輛實時連續(xù)軌跡坐標(X/Y)、車輛ID、速度(X/Y方向)、TDTC等數(shù)據(jù)。經(jīng)過圖像配準排除鏡頭可能存在的抖動影響，確保坐標系一致。車輛識別準確性在98%以上?；谲囕v預定軌跡的視頻識別結(jié)果如表2所示。

表2 視頻識別部分結(jié)果

3 沖突嚴重性判別及沖突統(tǒng)計

3.1 沖突嚴重性判別

交通沖突之間的潛在后果嚴重性存在很大區(qū)別，為增加研究結(jié)論的說服力，本研究在數(shù)據(jù)采集完成后，依據(jù)視頻識別輸出結(jié)果，將交通沖突分為嚴重沖突、中度沖突和一般沖突3類不同的沖突類型。

累積頻率曲線法是交通工程中常用的一種方法，如確定道路限速值，通常根據(jù)實測的累積頻率曲線的速度分布生成道路速度，并選擇與限速對應的85%累積頻率作為依據(jù)(即在正常行駛條件下，85%的車輛不超過車速)[23]?？梢砸胂嗨频姆治鰜泶_定交通沖突的嚴重程度，本研究通過繪制TDTC的累積頻率曲線，使用85%位累積頻率和15%位累積頻率對應的TDTC值分別作為中度沖突與一般沖突、中度沖突與嚴重沖突的臨界值，繪制頻率分布圖，由圖7可知，嚴重沖突與中度沖突的閾值為3.1 s，中度沖突與一般沖突的閾值為7.8 s。

圖7 識別車輛TDTC頻率分布Fig.7 Distribution of TDTC frequencies of identified vehicles

3.2 沖突統(tǒng)計

以30 min為一個數(shù)據(jù)采集時段，采集包括早、晚高峰和平峰的10個時段的數(shù)據(jù)，共計8 325幀區(qū)域連續(xù)的多車輛軌跡數(shù)據(jù)。對于交通量的統(tǒng)計分為3種車型小型車、中型車、大型車，換算系數(shù)分別為1.0，1.5和2.0。大車比例的統(tǒng)計為大型車的車輛數(shù)占比，TDTC指標值小于3.1 s記為嚴重沖突，3.1～7.8 s之間記為一般沖突，7.8～10 s之間記為輕微沖突。各個采集時段內(nèi)交通量、大車比例及交通沖突數(shù)統(tǒng)計如表3所示。

表3 各個采集時段交通量、大車比例及交通沖突數(shù)統(tǒng)計

據(jù)統(tǒng)計，10個時段內(nèi)共發(fā)生12 047次交通沖突，不同時段的交通量和大車比例波動較大，基本覆蓋該區(qū)域交通流的全部狀況。

4 交通沖突空間分布及其影響因素分析

4.1 互通合流區(qū)交通沖突空間分布

視頻識別可以輸出每一個車輛預定軌跡沖突點Q的坐標位置，通過上節(jié)計算的沖突嚴重性閾值對沖突嚴重性進行判別，為便于直觀準確地得出合流區(qū)交通沖突空間分布規(guī)律，本研究對比分析3個互通合流區(qū)的交通沖突空間分布。各自選用一個小時的觀測數(shù)據(jù)并以匝道右側(cè)與加速車道外邊線的交點為原點，繪制互通合流區(qū)的交通沖突空間分布圖，如圖8～圖10所示。

圖8 高速公路典型合流區(qū)交通沖突空間分布(K258+260)Fig. 8 Spatial distribution of traffic conflicts in typical merging area of expressway(K258+260)

圖9 高速公路典型合流區(qū)交通沖突空間分布(K132+300)Fig.9 Spatial distribution of traffic conflicts in typical merging area of expressway(K132+300)

圖10 高速公路典型合流區(qū)交通沖突空間分布(K176+500)Fig.10 Spatial distribution of traffic conflicts in typical merging areas of expressway (K176+500)

由圖8～圖10，將合流區(qū)平均分為10個區(qū)段，能夠直觀形象地看出該互通合流區(qū)的交通沖突空間分布情況。圖8、圖9中，在第3，4，9，10區(qū)段的交通沖突明顯比其他區(qū)段集中，且沖突較為嚴重，說明第3，4，9，10區(qū)段是該典型互通合流區(qū)的事故易發(fā)區(qū)域。圖10中，在第2，3，9，10區(qū)段交通沖突比較集中。分析原因為車輛進入互通合流區(qū)存在減速—勻速—加速的行駛過程，并且大小車之間的動力性能存在很大差別，因此在合流區(qū)第3，4，9，10區(qū)段易發(fā)生交通沖突。至于圖10與圖8、圖9中交通沖突分布存在差別，主要原因為圖10中的合流區(qū)加速車道被嚴重壓縮，整個合流區(qū)比較短，導致沖突集中的區(qū)域更加接近起始斷面。

進一步研究交通沖突在互通合流區(qū)的空間分布，量化交通沖突，綜合3個合流區(qū)的交通沖突數(shù)據(jù)，統(tǒng)計每個區(qū)段的平均交通沖突數(shù)和嚴重交通沖突率(即嚴重交通沖突數(shù)與沖突總數(shù)之比)。由圖11可知，第3區(qū)段的交通沖突數(shù)最多，第2區(qū)段和第10區(qū)段次之，與圖8～圖10結(jié)論一致。嚴重交通沖突率在第 1～5區(qū)段先增加后減少，第7區(qū)段之后開始遞增，其中第4區(qū)段和第10區(qū)段的嚴重交通沖突率約為50%，是該互通合流區(qū)交通安全改善的重點區(qū)段。

圖11 分區(qū)段交通沖突數(shù)及嚴重沖突率Fig.11 Sectional number of traffic conflicts and serious conflict rates

由圖12車輛行駛軌跡發(fā)現(xiàn)，車輛勻速行駛，則車輛的軌跡為一條直線，而在圖12中，車輛的行駛軌跡在區(qū)段2～4與區(qū)段9～10發(fā)生了斜率變化，說明車輛在這兩個區(qū)段速度發(fā)生了明顯變化，或者發(fā)生了變道行為，由此可以解釋圖8～圖10中的結(jié)論，合流區(qū)的第3～4區(qū)段及合流區(qū)末端為交通沖突較為集中的區(qū)域。

圖12 車輛行駛軌跡 Fig.12 Vehicle running track

4.2 交通流對交通沖突空間分布的影響分析

經(jīng)數(shù)據(jù)統(tǒng)計發(fā)現(xiàn)施工區(qū)互通合流區(qū)各個時段的車輛速度波動較小，又考慮到主線和匝道的交通流因素比較復雜，本研究單獨分析主支線交通量和主支線大車比例對交通沖突空間分布的影響。首先根據(jù)數(shù)據(jù)采集結(jié)果，采用等距分組法將交通量和大車比例分為3個級別，分級標準見表4，則每個采集時段的數(shù)據(jù)可視為不同級別主支線交通量和主支線大車比例的組合，以便于組合分析交通流對交通沖突空間分布的影響。

表4 交通量和大車比例分級標準

(1)交通量對交通沖突空間分布的影響

根據(jù)分級標準和采集數(shù)據(jù)，可以得到主支線不同級別交通量的組合，如表5所示。繪制不同組合下的嚴重沖突率在空間上的分布情況，如圖13所示。

表5 不同級別交通量的組合

圖13 不同交通量下合流區(qū)各區(qū)段的嚴重沖突率Fig.13 Serious conflict rates of each section of merging area under different traffic volumes

根據(jù)圖13,在第1～4區(qū)段及第9～10區(qū)段，嚴重沖突率隨著交通量的增大而明顯增大，在第5～8區(qū)段，嚴重沖突率波動較小，且第3～4區(qū)段和第9～10 區(qū)段的嚴重沖突率相對較高，是合流區(qū)嚴重交通沖突比較集中的區(qū)域。對比組合4，5，6，可以發(fā)現(xiàn)組合5，6的主線交通量比組合4大且匝道交通量都比組合4小，而組合5，6的嚴重沖突率在空間上的每個區(qū)段都比組合4大，說明在以上采集得到的交通量范圍內(nèi)，主線交通量比匝道交通量對嚴重沖突率的空間分布影響更大。

(2)大車比例對交通沖突空間分布的影響

同樣的，對主線和匝道的大車比例進行分級，并組合分析大車比例對交通沖突空間分布的影響。

表6 不同級別大車比例組合

在第1～5區(qū)段及第9～10區(qū)段，嚴重沖突率隨著大車比例的增加而增大，第6～8區(qū)段，嚴重交通沖突率受大車比例的影響較小。組合2與組合3對比，組合2的主線大車比例更高，但是匝道大車比例比組合3低，導致組合2的嚴重沖突率比組合3低，而且圖14中同一級別匝道大車比例的組合在空間區(qū)域?qū)膰乐貨_突率比較接近。呈現(xiàn)以上規(guī)律，說明在以上采集得到的大車比例范圍內(nèi)，匝道大車比例比主線大車比例對嚴重沖突率的空間分布影響更大。

圖14 不同大車比例下合流區(qū)各區(qū)段的嚴重沖突率Fig.14 Serious conflict rates of each section of merging area under different large vehicle proportions

綜合以上分析結(jié)果，在主線交通量554.5～860.5 pcu/(30 min)，匝道交通量143～195 pcu/(30 min)，大車比例8.6%～19.2%范圍內(nèi)，主線交通量比匝道交通量對交通沖突率在合流區(qū)的空間分布上的影響更大，匝道大車比例比主線大車比例對交通沖突率在合流區(qū)的空間分布上的影響更大，合理控制匝道大車比例和主線交通量能夠有效提升互通合流區(qū)施工期間的安全水平。

5 結(jié)論

利用無人機采集視頻數(shù)據(jù)，在視頻自動分析系統(tǒng)(OpenCV)的基礎(chǔ)之上，結(jié)合Matlab擴展工具可以有效地獲取每一幀的車輛信息，將自適應混合高斯背景模型與幀間差分法結(jié)合可以有效地進行指定區(qū)域的車輛檢測，最后基于特征點匹配的方法可以準確地對檢測車輛進行跟蹤，得到整個區(qū)域連續(xù)的多車輛軌跡數(shù)據(jù)，達到交通沖突研究目的，為交通沖突研究提供了可靠的數(shù)據(jù)采集及處理方法。以交通沖突數(shù)據(jù)為支撐得到研究結(jié)論如下：

(1)利用無人機采集數(shù)據(jù)，并結(jié)合視頻自動分析系統(tǒng)(OpenCV)和交通沖突指標TDTC(Time Difference to Collision)，是達到交通沖突研究的一個很好的技術(shù)手段。

(2)運用累計頻率法，將交通沖突分為嚴重沖突、中度沖突、一般沖突，得到嚴重沖突與中度沖突的閾值為3.1 s，中度沖突與一般沖突的閾值為7.8 s。

(3)施工區(qū)互通合流區(qū)的嚴重沖突率在空間分布上呈現(xiàn)先增后減再增加的趨勢，且靠近合流區(qū)匝道出口處及合流區(qū)末端是交通沖突比較集中且交通沖突比較嚴重的區(qū)段，是互通合流區(qū)安全改善的重點區(qū)域，為提高高速公路的安全水平提供參考。

(4)在高速公路互通合流區(qū)，主線交通量比匝道交通量對交通沖突率空間分布的影響更大，匝道大車比例比主線大車比例對交通沖突率空間分布的影響更大，合理控制匝道大車比例和主線交通量能夠有效改善互通合流區(qū)施工期間的安全狀況。

本研究仍存在一些缺陷，在沖突研究的過程中，換道沖突和追尾沖突沒有單獨分析，沖突空間分布影響因素只考慮交通量和交通組成，未來的研究可以定量地考慮更多的因素。