盧振禮， 安源， 宗晨臨， 朱海兵， 李長明， 鄭宗杰

(1.山東省氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室， 濟(jì)南 250031; 2.日照市氣象局， 日照 276826； 3.凱邁(洛陽)環(huán)測， 洛陽 471003； 4.交通運(yùn)輸部路網(wǎng)中心， 北京 100736)

截至2019年末，中國高速公路總里程14.96萬km[1]。隨著高速公路發(fā)展，團(tuán)霧天氣給高速公路行車安全帶來很大威脅，團(tuán)霧具有突發(fā)性強(qiáng)、能見度低、出現(xiàn)范圍小、流動性強(qiáng)等特點(diǎn)[2-3]。目前氣象交通部門還難以實(shí)時、精確地監(jiān)測預(yù)報團(tuán)霧天氣[4]。在高速公路上，車輛駛?cè)雸F(tuán)霧區(qū)域后不能及時減速，就極有可能引發(fā)重特大交通事故[5]，事故致死率往往高于一般交通事故[6-7]。

自20世紀(jì)中期，公路霧天氣就引起中外專家注意并著手研究低能見度監(jiān)測預(yù)警工作[8]。21世紀(jì)隨著數(shù)字圖像技術(shù)發(fā)展，視頻監(jiān)測方法在能見度分析應(yīng)用上迅猛發(fā)展并取得較大成績[9-10]，部分能見度視頻監(jiān)測設(shè)備已處于試驗(yàn)發(fā)展階段[11-12]。

國外公路能見度研究起步較早[13-14]，Kwon[15]基于固定目標(biāo)物的視頻圖像對能見度檢測，觀測條件要求較高，實(shí)現(xiàn)難度增加，隨后在場景中設(shè)立人工目標(biāo)物，分析目標(biāo)物亮度與距離的關(guān)系，分析目標(biāo)物的輪廓清晰程度測算能見度[15-16]。Hallowell 等[17]基于標(biāo)志圖像求解能見度的方法，通過與樣本庫圖像對比估算能見度。近些年，依賴計算機(jī)和視頻圖像處理能力，出現(xiàn)理論體系相對成熟的研究。德國氣象學(xué)與環(huán)境科學(xué)研究所利用數(shù)碼全景攝像儀拍攝的時間序列圖像，檢測到最遠(yuǎn)的目標(biāo)物來估計氣象能見度[18]。法國巴黎東區(qū)大學(xué)假設(shè)物體在場景中隨距離變化連續(xù)分布，提出描述圖像對比度分布和大氣能見度之間的映射模型估算出能見度[19]。

國內(nèi)研究起步較晚，隨著圖像分析技術(shù)的發(fā)展，國內(nèi)圖像識別霧的研究水平有了較大進(jìn)步。通過構(gòu)建感知層、網(wǎng)絡(luò)層、應(yīng)用層的系統(tǒng)框架，基于虛擬專用網(wǎng)絡(luò)(virtual private network，VPN)加密通道技術(shù)建立云計算的公路團(tuán)霧檢測與預(yù)警系統(tǒng)[20]。基于softmax和多特征團(tuán)霧圖像分類算法，對不同濃度的團(tuán)霧圖像進(jìn)行描述，實(shí)現(xiàn)團(tuán)霧圖像的識別和分類[21]。對比分析4種卷積神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建適用于高速公路氣象分類的深度強(qiáng)化學(xué)習(xí)融合模型，識別團(tuán)霧天氣，有較高的識別率[22]。基于色域分析，利用K近鄰算法實(shí)現(xiàn)不同等級大霧圖像的分類[23]。還有通過水平能見度和大氣消光系數(shù)關(guān)系建立的大氣能見度光學(xué)模型[24]；運(yùn)用向量機(jī)建立大霧識別模型，可計算夜間水平能見度數(shù)值[25]；運(yùn)用截取并計算邊緣線附近的對比度值分析向量機(jī)檢測團(tuán)霧天氣[26]。以上研究均取得不同的成果，但有的研究受環(huán)境光制約，白天受光源亮度變化影響較大，特別在清晨和傍晚觀測值不夠穩(wěn)定，對光源條件要求較為苛刻；有的只適用于白天或夜間，難以實(shí)現(xiàn)連續(xù)監(jiān)測[27]。國內(nèi)高速公路能見度相關(guān)標(biāo)準(zhǔn)方面的研究也有了諸多發(fā)展，大部分已經(jīng)投入業(yè)務(wù)應(yīng)用[28-29]。

在前人研究基礎(chǔ)上，現(xiàn)利用公路上的固定距離間隔發(fā)光目標(biāo)物視頻圖像監(jiān)測團(tuán)霧天氣，對團(tuán)霧多發(fā)路段的水平能見度和團(tuán)霧范圍實(shí)時監(jiān)測，可實(shí)現(xiàn)團(tuán)霧的水平能見度、水平尺度同時監(jiān)測。計算視頻圖像中發(fā)光目標(biāo)物特征區(qū)域光亮度參數(shù)，運(yùn)用前散能見度儀對比校驗(yàn)(并輔以附近目標(biāo)物人工觀測)。用回歸分析獲得水平能見度光亮度參數(shù)模型計算水平能見度，結(jié)合相關(guān)標(biāo)準(zhǔn)分析判斷團(tuán)霧預(yù)警等級，發(fā)布團(tuán)霧分級預(yù)警?？山鉀Q視頻圖像無法對夜間團(tuán)霧水平能見度進(jìn)行連續(xù)監(jiān)測及清晨和傍晚視頻圖像易受到太陽高度角影響、環(huán)境光干擾等問題。可將發(fā)光目標(biāo)物的視頻圖像分析、監(jiān)測預(yù)警方法推廣至高速公路團(tuán)霧多發(fā)路段，在團(tuán)霧路段沿線按固定距離安裝發(fā)光目標(biāo)物和攝像設(shè)備，監(jiān)測團(tuán)務(wù)發(fā)生時的水平能見度變化情況。發(fā)光目標(biāo)物團(tuán)霧視頻分析技術(shù)與地理信息系統(tǒng)(geographic information systems，GIS)分析技術(shù)、導(dǎo)航技術(shù)相結(jié)合，將形成及時、準(zhǔn)確的高速公路團(tuán)霧分級預(yù)警體系，為高速公路團(tuán)霧監(jiān)測預(yù)警提供重要技術(shù)支撐。

1 資料和方法

1.1 資料

篩選了日照市20余個團(tuán)霧多發(fā)公路路段，經(jīng)過對比分析，最終確定3處與高速公路環(huán)境條件比較接近城市周邊快速路，這些多霧路段路燈、視頻、附近能見度設(shè)備齊全。選擇路段路燈照明均為等距離安裝(相距30～50 m的間隔)，利用路燈附近的交通監(jiān)控攝像儀不間斷對路燈照明設(shè)備進(jìn)行監(jiān)測，實(shí)時獲取低能見度視頻圖像，進(jìn)而獲得路燈的中心區(qū)域、邊緣區(qū)域、路燈外圍區(qū)域的光照強(qiáng)度、光域范圍、光亮度分布等資料，前散能見度儀可獲取監(jiān)測處的實(shí)時水平能見度數(shù)據(jù)資料(并輔以附近目標(biāo)物人工觀測)。視頻資料取自日照沿海3條快速路設(shè)有固定距離路燈路段，共選取2020年1—9月期間能見度小于500 m的能見度數(shù)據(jù)和視頻圖像150時次，小于200 m的能見度數(shù)據(jù)和視頻圖像260時次，能見度小于100 m的數(shù)據(jù)和視頻圖像110時次，能見度小于50 m的能見度數(shù)據(jù)和視頻圖像60時次，剔除車燈干擾明顯的圖像和無路燈圖像。

監(jiān)測路段視頻資料由日照市公安局交警支隊(duì)提供；監(jiān)測路段所需能見度監(jiān)測數(shù)據(jù)由日照區(qū)域自動站和大監(jiān)站能見度設(shè)備監(jiān)測獲取，設(shè)備均為“洛陽凱邁CJY-2C/T”型號前散式能見度儀。能見度儀器均距離數(shù)字?jǐn)z像儀1 km范圍以內(nèi)，可對監(jiān)測路段實(shí)時連續(xù)監(jiān)測，每間隔1 min向主服務(wù)器回傳一次監(jiān)測數(shù)據(jù)信息。

1.2 方法

1.2.1 監(jiān)測方法

目前高速公路尚不具有可供研究的恒定發(fā)光目標(biāo)物視頻資料，無法獲取不間斷路燈監(jiān)測數(shù)據(jù)信息。為了研究高速公路團(tuán)霧的監(jiān)測方法，選取3處與高速公路條件較為接近的城市快速路進(jìn)行研究，得到公路團(tuán)霧的監(jiān)測預(yù)警思路和方法。條件成熟后，建議相關(guān)管理部門在全國團(tuán)霧多發(fā)路段安裝恒定發(fā)光目標(biāo)物視頻監(jiān)測系統(tǒng)，可實(shí)現(xiàn)對高速公路上團(tuán)霧的監(jiān)測預(yù)警。本研究的視頻監(jiān)測資料來源于布設(shè)在城市快速路兩旁的路燈設(shè)施和攝像設(shè)備，通過監(jiān)測視頻可獲得圖像光亮度參數(shù)隨能見度變化的信息、團(tuán)霧尺度范圍等信息。利用VSPlayer V7.4.3軟件對視頻進(jìn)行等時間間隔圖像截取，去除有雜光干擾和無路燈圖片后分類存儲。運(yùn)用Adobe Photoshop CS6軟件在圖像中選取不同區(qū)域興趣窗，測算各個窗口的光亮度參數(shù)，各區(qū)域的光亮度差及其光亮度標(biāo)準(zhǔn)差。對比分析相應(yīng)圖像區(qū)域的光亮參數(shù)和水平能見度監(jiān)測數(shù)值關(guān)聯(lián)性，用SPSS軟件進(jìn)行相關(guān)性分析和回歸分析，建立圖像參數(shù)與水平能見度模型并驗(yàn)證模型的準(zhǔn)確性。

發(fā)光目標(biāo)物視頻可實(shí)現(xiàn)團(tuán)霧能見度連續(xù)監(jiān)測預(yù)警，根據(jù)水平能見度光亮度參數(shù)模型計算水平能見度，結(jié)合高速公路團(tuán)霧預(yù)警等級的標(biāo)準(zhǔn)[30]，可對高速公路出現(xiàn)的團(tuán)霧天氣進(jìn)行模擬分級預(yù)警。

1.2.2 理論分析方法

發(fā)光目標(biāo)物的光亮度傳輸?shù)饺搜刍驍z像儀包含兩個部分：一是發(fā)光目標(biāo)物自身的經(jīng)過間隔距離的大氣消光后的剩余部分；二是大氣環(huán)境光亮度。夜間的圖像大氣環(huán)境光亮度非常弱，但也存在其他固定光源、移動光源、反射光源的影響，產(chǎn)生異常波動。

I=I0e-σd+If(1-e-σd)

(1)

式(1)中：I為人眼或攝像儀感應(yīng)到的光亮度；I0為發(fā)光目標(biāo)物的自有光亮度；If為大氣環(huán)境光亮度；σ為大氣消光系數(shù)；d為監(jiān)測點(diǎn)到發(fā)光目標(biāo)物之間的距離[31]。

高速公路團(tuán)霧天氣不同于其他團(tuán)霧天氣，因?yàn)楦咚俟穲F(tuán)霧既有水平能見度的限定，又有水平尺度的界定。所謂的高速公路團(tuán)霧是指“在高速公路上生成或者從周邊區(qū)域擴(kuò)散、移動到高速公路上，覆蓋高速公路長度小于5 km、能見度小于200 m的團(tuán)霧”[30]。如果在團(tuán)霧多發(fā)區(qū)域能監(jiān)測到一定間隔距離(50～200 m)的發(fā)光目標(biāo)物，按照上述理論，當(dāng)發(fā)生團(tuán)霧天氣時，人眼或攝像儀獲得目標(biāo)物視亮度會減弱，圖像上目標(biāo)物邊緣模糊，其光線經(jīng)過散射后變得柔和，水平能見度降低到一定閾值后，光域可能會逐漸消失，水平能見度變化越快這種現(xiàn)象會更加明顯。

2 團(tuán)霧視頻監(jiān)測參數(shù)計算分析

2.1 公路團(tuán)霧監(jiān)測設(shè)施的選取

對公路團(tuán)霧多發(fā)路段進(jìn)行監(jiān)測時，選擇距離攝像儀約50、100、200 m的3處路燈設(shè)施，分析不同水平能見度條件下發(fā)光目標(biāo)物的亮度參數(shù)，在不同能見度條件下，大氣散射系數(shù)和消光系數(shù)值不同，圖像上表現(xiàn)為發(fā)光目標(biāo)物的光亮度強(qiáng)度、光域范圍大小、亮度標(biāo)準(zhǔn)差等變化。在不同天氣條件下，對亮度參數(shù)和水平能見度數(shù)值進(jìn)行相關(guān)分析和回歸分析獲得統(tǒng)計模型。圖1為公路邊緣攝像儀與路燈設(shè)施的示意圖，發(fā)光目標(biāo)物數(shù)據(jù)視頻資料通過光纖和無線方式傳輸?shù)浇煌ü芾聿块T的數(shù)據(jù)庫。

圖1 監(jiān)測設(shè)施組成Fig.1 Composition of monitoring facilities

2.2 視頻圖像特征區(qū)域

對視頻圖像中不同區(qū)域的光亮度參數(shù)進(jìn)行計算分析，劃分出對能見度變化較為敏感的邊緣區(qū)域并研究光亮度參數(shù)與水平能見度的內(nèi)在聯(lián)系。為便于分析計算，選用“矩形框圖”限定恒定光源的不同光域范圍，并截取圖片進(jìn)行分析。

從沿?？焖俾穲F(tuán)霧天氣中，選取水平能見度為200、100、50 m的圖像進(jìn)行分析。分別截取距離攝像儀200、100、50 m的發(fā)光目標(biāo)物光源圖片，從中心點(diǎn)向四周查找邊緣點(diǎn)，通常位于光亮度標(biāo)準(zhǔn)差異常變動區(qū)域，沿著邊緣點(diǎn)做4條切線，兩兩相交后得到矩形；由4條邊緣線向內(nèi)取2行、2列像素，劃定區(qū)域分別作為光源的邊緣區(qū)域；以位于兩個恒亮光源的中間區(qū)域的2列像素為邊，依照內(nèi)環(huán)長寬比例畫出外部矩形環(huán)，可代表環(huán)境光區(qū)域；經(jīng)上述步驟得到3個光亮度特征矩形環(huán)區(qū)域A、B、C，分別代表環(huán)境光區(qū)域、光域邊緣區(qū)域和光域中心區(qū)域(圖2～圖4)，區(qū)域A、B、C是人為劃分的3個區(qū)域，區(qū)域顏色本身沒有能見度指示意義，區(qū)域A所圈定的范圍在圖像上位于燈光的邊緣以外區(qū)域，其光亮度可反映環(huán)境光數(shù)值變化，區(qū)域B所圈定的范圍在圖像上位于燈光區(qū)域與環(huán)境光的交界處，其光亮度可反映燈光邊緣區(qū)域的數(shù)值變化，區(qū)域C所圈定的范圍在圖像上位于燈光的中間區(qū)域，其光亮度可反映光域中心數(shù)值變化。

圖2～圖4分別為水平能見度200、100、50 m時，50、100、200 m處的光源中心區(qū)域C、邊緣區(qū)域B和環(huán)境光區(qū)域A的光域亮度、光域范圍和光域分布等情況。從圖2～圖4可見，隨著水平能見度降低，光域亮度逐漸減弱；光域范圍逐漸減小，直至消失；光域總體分布從不均勻變得比較均勻，邊緣光和環(huán)境光區(qū)域的均勻性變得更加明顯。從各分區(qū)域看，邊緣區(qū)域B隨著水平能見度變小，光域亮度變暗，光域分布均勻。當(dāng)水平能見度100 m時，200 m處的光域B基本消失；水平能見度50 m時，100、200 m處的光域B也基本消失。中心區(qū)域C隨著水平能見度變小，光域面積明顯縮小，200 m處的光域C變化最為明顯，當(dāng)水平能見度50 m時，200 m處的光域C已經(jīng)消失。環(huán)境光區(qū)域A受光源影響的程度隨著水平能見度變小而逐漸降低，當(dāng)水平能見度降至50 m或光源距離大于100 m時，環(huán)境光區(qū)域A基本不受光源的影響。環(huán)境光區(qū)域A的影響因素比較復(fù)雜，即使沒有這些恒定光源影響，還可能受其他周圍雜光的反射、衍射等影響，進(jìn)而還可能對邊緣區(qū)域B造成影響。

圖2 劃分不同距離發(fā)光目標(biāo)物亮度區(qū)域-水平能見度200 mFig.2 The luminance region of the luminous object at different distances is divided-horizontal visibility 200 m

圖3 劃分不同距離發(fā)光目標(biāo)物亮度區(qū)域-水平能見度100 mFig.3 The luminance region of the luminous object at different distances is divided-horizontal visibility 100 m

圖4 劃分不同距離發(fā)光目標(biāo)物亮度區(qū)域-水平能見度50 mFig.4 The luminance region of the luminous object at different distances is divided-horizontal visibility 50 m

2.3 視頻圖像參數(shù)計算分析

在每3 min間隔視頻中的等時間間隔(圖像按間隔5～10 s截取1張)截取圖像，在得到的完整圖像中再選擇裁剪不同距離處(200、100、50 m)的發(fā)光目標(biāo)物光區(qū)域圖片，分別統(tǒng)計A、B、C 3個特征區(qū)域光參數(shù)。由于不同水平能見度和環(huán)境光條件下，A、B、C 3個特征區(qū)域的光線可能分布不均，因而用均值法求得矩形環(huán)內(nèi)光亮度平均值，數(shù)學(xué)表達(dá)式為

(2)

式(2)中：IA、IB、IC分別為距離200、100、50 m處的發(fā)光目標(biāo)物光源環(huán)境光區(qū)域、光域邊緣區(qū)域、光域中心區(qū)域同一像素點(diǎn)k張圖片亮度的平均值；Ik(x,y)為第k張圖像(x,y)像素點(diǎn)處的亮度值；N為時段內(nèi)段截取圖像張數(shù)，按每3 min選取20～30張圖像資料統(tǒng)計分析(去除有車燈干擾圖像和無路燈圖像)。

用式(3)計算出3個特征區(qū)域的平均亮度值，用計算值可評估發(fā)光目標(biāo)物在不同水平能見度條件下，3個特征區(qū)域的光亮度變化情況為

(3)

從2020年1—9月期間的視頻資料中，篩選水平能見度小于500 m的團(tuán)霧和非團(tuán)霧天氣，剔除車燈干擾明顯和無路燈圖像后，共選取水平能見度數(shù)值有代表性的35時次進(jìn)行分析。分別統(tǒng)計分析水平能見度小于200 m的團(tuán)霧天氣視頻參數(shù)，以及水平能見度大于200 m的非團(tuán)霧天氣視頻參數(shù)，用附近能見度儀的監(jiān)測資料作為圖像分析的參照數(shù)據(jù)(由于前散能見度儀本身存在10%～20%的誤差，需輔以附近目標(biāo)物人工觀測)。

圖5 發(fā)光目標(biāo)物不同能見度的亮度差和標(biāo)準(zhǔn)差Fig.5 Luminance difference and standard deviation of different visibility of luminous object and object

根據(jù)圖2～圖4劃定的特征區(qū)域的方法，對圖像資料劃分區(qū)域，分析各區(qū)域的光亮度參數(shù)變化規(guī)律，圖5為能見度0～500 m時，50、100、200 m處區(qū)域光亮度差值(發(fā)光目標(biāo)物邊緣區(qū)域光亮度與環(huán)境光區(qū)域光亮度的差值)和光亮度標(biāo)準(zhǔn)差值(發(fā)光目標(biāo)物邊緣區(qū)域亮度標(biāo)準(zhǔn)差與中心區(qū)域亮度標(biāo)準(zhǔn)差的差值)的分析結(jié)果，橫坐標(biāo)表示水平能見度，縱坐標(biāo)表示亮度(灰度)差值，灰度值為黑白圖片亮度的相對數(shù)值(0～255)，無單位名稱。從圖中可看出，參數(shù)值隨水平能見度數(shù)值變大而逐漸增大，100、200 m處亮度差值增加相較于50 m處亮度差值增加速度緩慢，50 m處亮度差值增加速度較快。亮度標(biāo)準(zhǔn)差值化總體變化趨勢為波動上升，表現(xiàn)為與亮度差值同步增長趨勢，隨著亮度差值的增大，亮度標(biāo)準(zhǔn)差值也相應(yīng)增大。

圖5中，亮度標(biāo)準(zhǔn)差值總體與亮度差值保持較好的一致性，但局部也出現(xiàn)了明顯偏離現(xiàn)象，在200 m處能見度小于50 m時，亮度標(biāo)準(zhǔn)差值明顯升高，原因可能是路燈中心亮度非常弱，而環(huán)境光把原來較暗的路燈邊緣局部照亮，從而邊緣區(qū)域的標(biāo)準(zhǔn)差明顯增大；在50 m處能見度500 m附近時，光亮度標(biāo)準(zhǔn)差值出現(xiàn)明顯下降，其原因需要進(jìn)一步探究。從統(tǒng)計資料還可看出，水平能見度小于200 m時，位于200 m處亮度差值都小于或等于10，亮度標(biāo)準(zhǔn)差值都小于或等于0。

圖5對水平能見度與光亮度參數(shù)進(jìn)行了初步統(tǒng)計分析，總體上把握其變化規(guī)律。得到了亮度標(biāo)準(zhǔn)差值、亮度差值與團(tuán)霧水平能見度變化的內(nèi)在聯(lián)系，為建立團(tuán)霧分級預(yù)警模型奠定數(shù)據(jù)分析基礎(chǔ)。

3 建立團(tuán)霧分級預(yù)警模型

從2.3節(jié)分析可知，不同距離處的發(fā)光目標(biāo)物在圖像上不同區(qū)域的亮度參數(shù)變化與水平能見度呈現(xiàn)明顯關(guān)聯(lián)性，比較3個特征區(qū)域光亮度參數(shù)，圖像中發(fā)光目標(biāo)物邊緣的亮度差值隨著水平能見度的減小而減弱，標(biāo)準(zhǔn)差值變化趨于更加平穩(wěn)。從圖5看出，水平能見度與亮度差值(ld)、標(biāo)準(zhǔn)差值(sd)基本存在著一致的線性變化關(guān)系，為定量分析水平能見度與亮度參數(shù)的關(guān)系，另外還需考慮環(huán)境光的影響(環(huán)境光具有不均勻性，對邊緣的影響也具有不均勻性，兩者的差值可將這種不均勻性抵消)，引入邊緣區(qū)域標(biāo)準(zhǔn)差與環(huán)境光標(biāo)準(zhǔn)差的差值ad(簡稱環(huán)標(biāo)差值)和中心亮度與環(huán)境光亮度差值cd(簡稱心環(huán)差)變量，選用多項(xiàng)式函數(shù)進(jìn)行線性回歸分析，建立水平能見度與上述變量之間函數(shù)關(guān)系式。

按高速公路團(tuán)霧預(yù)警等級[30]，只對水平能見度小于200 m的團(tuán)霧建立預(yù)警模型，分別建立距離攝像儀200、100、50 m處發(fā)光目標(biāo)物圖像的亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度線性回歸模型。表1給出了距離攝像儀不同距離處發(fā)光目標(biāo)物水平能見度與亮度差值、標(biāo)準(zhǔn)差值線性回歸分析結(jié)果。從表1可看出，3個函數(shù)的復(fù)相關(guān)系數(shù)R都在0.925以上，200 m處的復(fù)相關(guān)系數(shù)R達(dá)到0.990，因子和變量間有較強(qiáng)關(guān)聯(lián)性。決定系數(shù)R2均在0.855以上，200 m處的回歸函數(shù)的R2達(dá)到0.979，調(diào)整后的決定系數(shù)R2最低值等于0.833，說明其擬合優(yōu)度水平較高，模型變量具有較好的解釋性，該模型對團(tuán)霧天氣具有更好的模擬優(yōu)度。

表2為距離攝像儀50 m處發(fā)光目標(biāo)物亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度(用v1表示)線性回歸分析結(jié)果。自變量亮度差值、環(huán)標(biāo)差值均通過了顯著性檢驗(yàn)(t分別為6.708和5.600，p均小于0.01)，由VIF可看出，自變量之間不存在共線性。標(biāo)準(zhǔn)化系數(shù)表明，亮度差值與能見度之間存在正向變化關(guān)系，亮度差值越低水平能見度就越低，反之變大。環(huán)境光標(biāo)準(zhǔn)差值也存在正向相關(guān)性，環(huán)境光標(biāo)準(zhǔn)差值隨著水平能見度升高會升高。

距離攝像儀50 m處的水平能見度計算公式為

v1=3.873+2.248ld+4.415ad

(4)

表3為距離攝像儀100 m處發(fā)光目標(biāo)物亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度(用v2表示)線性回歸分析結(jié)果。自變量亮度差值、環(huán)標(biāo)差值、心環(huán)差均通過了顯著性檢驗(yàn)(t分別為4.419、-2.305和4.016，p均小于0.01，環(huán)境光標(biāo)準(zhǔn)差值小于0.05)，VIF表明，自變量之間也不存在共線性。從標(biāo)準(zhǔn)化系數(shù)看，亮度差值與水平能見度之間也存在明顯的正向變化關(guān)系，環(huán)境光標(biāo)準(zhǔn)差在回歸模型分析結(jié)果為負(fù)值，環(huán)境光標(biāo)準(zhǔn)差隨著水平能見度降低會升高，中心亮度與環(huán)境光亮度差與水平能見度之間也存在明顯的正向變化關(guān)系。

表1 回歸決定系數(shù)表Table 1 Table of regression determination coefficient

表2 50 m回歸分析結(jié)果Table 2 Results of 50 m regression analysis

表3 100 m回歸分析結(jié)果Table 3 Results of 100 m regression analysis

距離攝像儀100 m處的水平能見度計算公式為

v2=41.445+2.373ld-2.178ad+1.370cd

(5)

表4為距離攝像儀200 m處發(fā)光目標(biāo)物亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度(用v3表示)線性回歸分析結(jié)果。自變量亮度差值、標(biāo)準(zhǔn)差值通過了顯著性檢驗(yàn)(t分別為26.271和-5.209，p均小于0.01)，自變量之間同樣不存在共線性。從標(biāo)準(zhǔn)化系數(shù)看，亮度差值與水平能見度之間也存在明顯的正向變化關(guān)系，標(biāo)準(zhǔn)差值在回歸模型分析結(jié)果為較小的負(fù)向值，標(biāo)準(zhǔn)差值隨著水平能見度降低會升高，從圖5(c)可看出，能見度大于150 m時，標(biāo)準(zhǔn)差值隨著水平能見度升高明顯的波動升高。

表4 200 m回歸分析結(jié)果

距離攝像儀200 m處的水平能見度計算公式為

v3=54.282+8.918ld-1.256sd

(6)

在3個回歸模型中，亮度差值與水平能見度數(shù)值相關(guān)性較強(qiáng)，較好地反映了與水平能見度變化。對距離攝像儀200、100、50 m處的發(fā)光目標(biāo)物圖像亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度的回歸模型都擬合出了較好的結(jié)果，尤其是能見度200、50 m處的擬合效果更好。模型變量具有較好的解釋性，利用該模型對高速公路團(tuán)霧進(jìn)行模擬監(jiān)測預(yù)警，并檢驗(yàn)其準(zhǔn)確性。

4 團(tuán)霧分級預(yù)警及模型檢驗(yàn)

以上回歸模型可嵌入高速公路團(tuán)霧預(yù)警系統(tǒng)，團(tuán)霧預(yù)警系統(tǒng)對監(jiān)測設(shè)施采集的視頻圖像進(jìn)行分步驟處理，統(tǒng)計計算圖像特征區(qū)域的光亮度參數(shù)值，進(jìn)而據(jù)回歸模型計算200、100、50 m不同距離處的水平能見度，再根據(jù)團(tuán)霧的覆蓋區(qū)域范圍確定團(tuán)霧預(yù)警等級，具體檢驗(yàn)流程如圖6所示。

本文分級發(fā)布的團(tuán)霧紅色預(yù)警、橙色預(yù)警、黃色預(yù)警參照現(xiàn)行的“高速公路團(tuán)霧預(yù)警等級”標(biāo)準(zhǔn)[30]，在此基礎(chǔ)上進(jìn)行了細(xì)化，發(fā)布分級預(yù)警標(biāo)準(zhǔn)如表5所示。

團(tuán)霧的范圍是指團(tuán)霧覆蓋的高速公路的長度。參照第3節(jié)的回歸模型，攝像儀到50 m處目標(biāo)物之間水平能見度是v1，到100 m處目標(biāo)物之間水平能見度是v2，到200 m處目標(biāo)物之間水平能見度是v3，在這里團(tuán)霧覆蓋的高速公路的長度D可用攝像儀與發(fā)光目標(biāo)物(200、100、50 m處)之間的距離分別代替。

圖6 團(tuán)霧分級預(yù)警流程圖Fig.6 Local dense fog classification and early warning flow chart

表5 團(tuán)霧分級預(yù)警指標(biāo)Table 5 Local dense fog classification and early warning index

圖7 能見度計算模型檢驗(yàn)結(jié)果Fig.7 The test results of visibility calculation model

從團(tuán)霧監(jiān)測樣本中，共計選取31個時次圖像資料，分別代表不同水平能見度級別的數(shù)據(jù)，按照圖6所示的流程對模型進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如圖7所示。從檢驗(yàn)結(jié)果可看出發(fā)光目標(biāo)物視頻模擬測算的水平能見度數(shù)值與實(shí)況數(shù)據(jù)較為接近，數(shù)值誤差基本在10%之內(nèi)。50 m處發(fā)光目標(biāo)物測算的局部(能見度大于90 m)誤差超過20%，但其他部分均小于10%，這對于判斷紅色預(yù)警信號等級不會產(chǎn)生影響。

水平能見度小于200、100 m的天氣檢驗(yàn)效果非常好，數(shù)值誤差基本均在10%之內(nèi)。按統(tǒng)計的實(shí)況資料，試驗(yàn)路段共計出現(xiàn)紅色預(yù)警18次、橙色預(yù)警10次、黃色預(yù)警17次，模型測算結(jié)果發(fā)送的紅色預(yù)警正確16次，錯誤兩次(一次空發(fā)一次漏發(fā))正確率88.9%；發(fā)送橙色預(yù)警正確10次，發(fā)送黃色預(yù)警正確17次，兩者正確率均達(dá)到100%。以上檢驗(yàn)結(jié)果說明本文建立的團(tuán)霧分級預(yù)警模型具有較高的準(zhǔn)確性，可實(shí)現(xiàn)對高速公路團(tuán)霧監(jiān)測預(yù)警目的。

5 結(jié)論與展望

通過對團(tuán)霧天氣下公路固定距離發(fā)光目標(biāo)物視頻圖像監(jiān)測、接收、處理，依據(jù)能見度基本理論，對圖像進(jìn)行光亮度參數(shù)統(tǒng)計分析，配合前散射能見度儀對比校驗(yàn)(并輔以附近目標(biāo)物人工觀測)，得到了發(fā)光目標(biāo)物光亮度參數(shù)與水平能見度相關(guān)性分析結(jié)果，進(jìn)而獲得光亮度參數(shù)與水平能見度線性回歸模型。利用回歸模型分別計算出距離攝像儀50、100、200 m處的團(tuán)霧水平能見度數(shù)值，參照“高速公路團(tuán)霧預(yù)警等級”標(biāo)準(zhǔn)確定出團(tuán)霧路段的預(yù)警等級?？捎糜诮⒏咚俟穲F(tuán)霧監(jiān)測預(yù)警平臺,可向交通運(yùn)營、管理部門、交通參與人發(fā)布團(tuán)霧分級預(yù)警信息。

發(fā)光目標(biāo)物視頻圖像團(tuán)霧監(jiān)測預(yù)警，從一個新的角度切入，并得到了較為精確的團(tuán)霧水平能見度計算結(jié)果，在一定程度上解決了前人研究成果中的視頻圖像分析難以連續(xù)監(jiān)測預(yù)警等問題。發(fā)光目標(biāo)物視頻分析技術(shù)將來可與GIS分析技術(shù)、導(dǎo)航技術(shù)相結(jié)合，將形成及時、準(zhǔn)確的高速公路團(tuán)霧分級預(yù)警體系。發(fā)光目標(biāo)物視頻圖像團(tuán)霧監(jiān)測預(yù)警模型將會成為高速公路團(tuán)霧監(jiān)測預(yù)警的主要方法之一。

由于中國的路燈照明設(shè)備還沒有統(tǒng)一的標(biāo)準(zhǔn)，各地公路使用的攝像儀器型號也不盡相同，甚至攝像儀器和發(fā)光目標(biāo)物的水平、垂直角度也各不相同，根據(jù)上述方法得到的回歸模型會存在較大差異。本研究的目的在于從一個新的視角探討監(jiān)測預(yù)警高速公路團(tuán)霧的思路和方法，各地應(yīng)根據(jù)實(shí)際監(jiān)測資料統(tǒng)計分析，獲得適用于當(dāng)?shù)貙?shí)際情況的高速公路團(tuán)霧監(jiān)測預(yù)警模型。無論得到何種預(yù)警模型，將來模型都需要在實(shí)踐中檢驗(yàn)，其穩(wěn)定性和精確性仍需在應(yīng)用中加以完善。