吳文彬

(廣東潮惠高速公路有限公司，廣東 汕尾 516700)

0 引言

隨著社會經(jīng)濟的發(fā)展和汽車保有量的不斷增長，高速公路車流量與日俱增，如何讓公眾切身體會到出行的快捷和便利，對高速公路的運營服務提出了更高的要求，特別是在各大節(jié)假日給高速公路運營管理帶來了更大的考驗。為滿足廣大公眾對交通出行的需求，如何快速發(fā)現(xiàn)和處置道路擁堵、行人、違章停車、交通事故等異常交通事件，是近年來高速公路營運單位思考和探索的問題。

隨著視頻監(jiān)控系統(tǒng)的逐步完善，事件檢測系統(tǒng)也不斷應用于監(jiān)控系統(tǒng)。但由于事件檢測系統(tǒng)普遍存在檢測精度偏低、誤報率高、網(wǎng)絡占用率高、持續(xù)改進能力差等原因，不僅沒有減少工作人員的工作量，反而對工作人員造成困擾，為此，導致目前有些事件檢測系統(tǒng)出現(xiàn)停用的情況，視頻監(jiān)控輪巡主要還是依靠人工方式，難以保證監(jiān)控效率。

本文結合高速公路營運管理的需要，針對視頻大數(shù)據(jù)事件檢測系統(tǒng)在潮惠高速公路應用的事件檢測、車流檢測、交通參數(shù)檢測等功能，提出存在問題和優(yōu)化目標，不斷提高事件檢測的準確率和實用性，從而更好地服務于高速公路營運管理。

1 視頻事件檢測技術方案分析

1.1 基于前端視頻分析的事件檢測方案

基于前端視頻分析的事件檢測方案主要采用集成的方式，在原有監(jiān)控攝像設備中集成一部分具備圖像識別和比對的電路模塊，攝像設備采集到視頻信號后，先由圖像識別模塊進行視頻識別判斷，再向后端輸出，從而達到異常事件檢出的目的。但是基于前端的事件檢測系統(tǒng)存在以下缺點：

(1)計算能力不足，檢測精度受限。由于在原有攝像設備中集成圖像識別模塊受限于空間和功耗，無法采用強大的計算分析處理器，只能采用低功耗、小體積的零部件，嚴重束縛了圖像識別的能力，也較大約束了檢測精度。

(2)基于視頻前端的事件檢測系統(tǒng)不便于功能升級。由于其圖像識別模塊在出廠時集成在攝像設備內(nèi)，其功能和性能均已限定，后期基本不可能再對其單獨進行功能和性能的升級，只能更換整個攝像設備，給升級工作帶來較大的不便和成本的增加。

(3)基于視頻前端的事件檢測系統(tǒng)實施成本高，目前市售具有圖像識別功能的攝像設備比傳統(tǒng)攝像設備價格高出約30%以上。

1.2 基于后端視頻分析的事件檢測方案

基于后端視頻分析的事件檢測方案一般分為傳統(tǒng)的事件檢測分析儀以及基于交通視頻大數(shù)據(jù)的事件檢測技術方案“服務器+大數(shù)據(jù)平臺”兩種模式。

(1)傳統(tǒng)的事件檢測分析儀的算法在設備出廠時已固定，其功能和性能受檢測算法的限制，事件檢測精度無法持續(xù)遞增。

(2)基于交通視頻大數(shù)據(jù)的事件檢測技術方案“服務器+大數(shù)據(jù)平臺”模式采用通用硬件架構和開放平臺軟件，具備大數(shù)據(jù)分析功能和模型采集，深度學習功能，隨著平臺投入使用時間的增加，軟件平臺通過大數(shù)據(jù)分析，逐步完善事件模型，提升檢測精度。

2 基于交通視頻大數(shù)據(jù)的事件檢測技術

2.1 系統(tǒng)平臺架構

基于交通視頻大數(shù)據(jù)的事件檢測系統(tǒng)在現(xiàn)有視頻監(jiān)控的基礎上，通過增加視頻分析服務器以及大數(shù)據(jù)分析軟件的方式，實現(xiàn)路網(wǎng)事件檢測和車流量分析等功能。系統(tǒng)平臺架構如圖1所示。

圖1 系統(tǒng)平臺架構

2.2 系統(tǒng)組網(wǎng)架構

采用“事件檢測服務器+大數(shù)據(jù)分析平臺”的架構，事件檢測服務器采用分布式布設方案，后期可根據(jù)檢測視頻的數(shù)量靈活增設服務器及組網(wǎng)。大數(shù)據(jù)分析平臺軟件具備開放式架構，可靈活擴容檢測通道，滿足不同的視頻檢測規(guī)模需求。系統(tǒng)組網(wǎng)架構如圖2所示。

2.3 系統(tǒng)功能

2.3.1 交通事件監(jiān)測

(1)目標檢測。通過對目標的模型訓練，實現(xiàn)目標的識別，區(qū)分目標與異常事件觸發(fā)標的物。通過視頻的二次分析，將工作人員、工作車輛、工作標識物與行人闖入、異常停車、拋灑物等情況進行區(qū)分，降低事件誤報率。

(2)異常停車檢測。通過實時視頻數(shù)據(jù)分析，采用深度學習技術，系統(tǒng)能夠自動識別出高速公路路面行車道、應急車道車輛停駛事件，并提供事件位置，自動報警。

(3)道路擁堵檢測。通過實時視頻數(shù)據(jù)分析，采用深度學習技術，系統(tǒng)能夠通過道路上車輛通行速度及監(jiān)測范圍內(nèi)車輛密度判斷出道路交通擁堵情況，并自動報警。

(4)車輛逆行檢測。系統(tǒng)能夠檢測車輛在道路上的行駛方向與規(guī)定方向相反，且行駛距離不小于某一設定值的交通事件，并自動報警。

(5)拋灑物檢測。系統(tǒng)能夠檢測路面拋灑物，并自動報警，檢測的拋灑物尺寸一般要求不小于50cm×50cm×50cm。

(6)行人檢測。系統(tǒng)能夠檢測行人橫穿道路等異?，F(xiàn)象，并自動報警，報警內(nèi)容包括行人數(shù)量及地理位置等。

(7)車輛速度過高/低檢測。系統(tǒng)采用深度學習技術，檢測出車輛速度，當速度高于設定閾值或者低于設定閾值時，自動報警。

(8)車輛占用應急車道。系統(tǒng)能夠在車輛占用應急車道時自動報警。

(9)交通事故檢測。系統(tǒng)能夠通過檢測發(fā)現(xiàn)道路發(fā)生車輛碰撞等交通事故，并自動報警。

2.3.2 交通態(tài)勢感知

交通態(tài)勢感知通過監(jiān)控攝像機的視頻流式數(shù)據(jù)分析，獲取瞬間截面車流信息?？梢詾楣芾碚咛峁崟r的交通態(tài)勢，并根據(jù)道路匯入源的前路交通流量進行分析以及預測監(jiān)測道路的交通流量。通過計算引擎對車輛檢測、車牌識別的數(shù)據(jù)進行實時大數(shù)據(jù)分析，及時、準確地分析特定區(qū)域內(nèi)的車流總量數(shù)據(jù)。

(1)系統(tǒng)提供對每個交通斷面交通參數(shù)的實時測量：流量、車速、占有率、車間距、排隊長度等。

(2)系統(tǒng)可以識別不同類型的車輛如小轎車、SUV、大客車、小客車、貨車等。

(3)系統(tǒng)可以實時分析某一隧道或路段內(nèi)車輛的保有量和人員預估數(shù)，以及分車型車輛的保有量。

3 事件檢測方案及測試結果分析

3.1 檢測方案

選取潮惠高速公路蓮花山隧道1號、2號隧道現(xiàn)有的64路視頻圖像，從2020年4月4日起至5月31日止，對隧道內(nèi)停車、逆行、行人、擁堵等事件檢測功能進行全天候24h實測分析，測試預警由監(jiān)控工作人員進行判斷并確認。

3.2 測試結果

3.2.1 第一階段(2020年4月4日～11日)

2020年4月4日系統(tǒng)上線實測。系統(tǒng)使用初期選擇基于事件基本模型實行預警，并通過不斷采集模型樣本進行優(yōu)化，提升系統(tǒng)檢測識別的準確度，優(yōu)化使用效果。

表1 第一階段測試數(shù)據(jù)

圖3 第一階段測試數(shù)據(jù)曲線

從第一階段的測試情況來看，測試效果不太理想，逆行、停車事件的誤報較多，準確率未達到95%以上水平，擁堵事件沒有檢測數(shù)據(jù)。

3.2.2 第二階段(2020年4月12日～5月31日)

針對第一階段測試發(fā)現(xiàn)的問題，技術人員對事件檢測系統(tǒng)事件預警模型進行優(yōu)化，對個別網(wǎng)絡傳輸問題進行整改，同時對事件檢測系統(tǒng)進行了升級。2020年4月12日起對事件檢測系統(tǒng)進行第二階段測試。

表2 第二階段測試數(shù)據(jù)

圖4 第二階段測試數(shù)據(jù)曲線

從第二階段測試數(shù)據(jù)來看，在2020年4月12日系統(tǒng)經(jīng)優(yōu)化、升級后，行人、逆行、停車等事件誤報及重復報警均大幅減少；從檢測數(shù)據(jù)的統(tǒng)計圖表可明顯看到系統(tǒng)優(yōu)化前后的變化，準確率明顯提高，達到96%以上。

3.3 存在問題及改進措施

3.3.1 存在問題

(1)行人誤報：主要是由交通錐、墻壁門引起，且大多為同一目標引起的報警。

(2)停車誤報：主要由大型車輛行駛時網(wǎng)絡傳輸造成的拖影導致停車誤報及積水誤報等。

(3)逆行誤報：主要由大型運輸車輛運輸轎車引起。

(4)擁堵模型優(yōu)化：同一隧道發(fā)生擁堵事件多個檢測點預警同一事件的問題。

3.3.2 改進措施

繼續(xù)優(yōu)化對存在問題的AI算法，增加模型識別訓練，優(yōu)化系統(tǒng)功能，提升系統(tǒng)識別能力，減少誤報。

3.4 交通態(tài)勢感知

系統(tǒng)可通過采集前端攝像機視頻圖像，對交通斷面的車流量、車速、占有率、車間距、車型分類、車輛保有量等交通參數(shù)進行實時測量和交通態(tài)勢分析，直觀地將數(shù)據(jù)信息轉化為詳細的報表、圖表(圖5～圖10)，為工作人員提供數(shù)據(jù)支撐和決策依據(jù)。

圖5 車流量統(tǒng)計

圖6 車速統(tǒng)計

圖7 道路占有率統(tǒng)計

圖8 平均車距統(tǒng)計

圖9 分車型統(tǒng)計

圖10 車輛保有量統(tǒng)計

4 系統(tǒng)評價

通過2020年4月4日至5月31日在潮惠高速公路的實踐應用，基于交通視頻大數(shù)據(jù)的事件檢測系統(tǒng)具備穩(wěn)定且比較準確的事件檢測能力。雖然目前總體準確率較高，但仍然存在誤報的問題，需要系統(tǒng)優(yōu)化，而且高速公路上的事件類型和模型也在不斷變化或增加，因此，具有持續(xù)研發(fā)、優(yōu)化、改進的能力和深度學習技術的應用是至關重要的一個環(huán)節(jié)。

基于交通視頻大數(shù)據(jù)的事件檢測系統(tǒng)判別機制相對完善，事件響應時間及時，數(shù)據(jù)分類統(tǒng)計、報表較詳細，能有效輔助工作人員提升發(fā)現(xiàn)和處置事件的能力，提高工作效率。

5 結語

基于交通視頻大數(shù)據(jù)的事件檢測系統(tǒng)可基于現(xiàn)有前端設備，同時分析多路實時高清視頻，集成度高，硬件投資小，運維成本低；具有分車型流量監(jiān)測、交通數(shù)據(jù)分析功能，全天候全方位監(jiān)測公路車流量信息，較高的識別效率和準確度可有效輔助工作人員，提高效率和發(fā)現(xiàn)處置事件的能力。

為滿足人民群眾對交通出行的美好向往，高速公路運營單位一直以“安全、暢通”為宗旨，不斷提高高速公路的各項服務能力。視頻技術的成熟應用，為道路安全管理、應急指揮、輔助決策等提供了有力的支撐，在提升高速公路安全運營能力、服務能力和管理水平方面發(fā)揮了重要作用。