趙榮達,王 斌,張立峰,孫 玉,和四勇

(云南省交通投資建設(shè)集團有限公司,云南 昆明 650103)

1 高速公路隧道交通安全現(xiàn)狀

隨著公路建設(shè)里程的不斷增長,我國長隧道及特長隧道的規(guī)模增加十分迅速。交通運輸部的統(tǒng)計數(shù)據(jù)顯示,截至2020年,全國公路隧道共21 316處、2 199.93萬m。從隧道的里程數(shù)和特長隧道的占比來看,在以山地為主的云南地區(qū),隧道交通運行的安全保障尤為重要。伴隨著隧道數(shù)量的快速增長,隧道交通事故也呈現(xiàn)出上升趨勢,且交通事故具有傷亡大、救援難的特點,可見,對于隧道交通的運行安全保障是一個關(guān)乎人民生命財產(chǎn)安全的重大問題。

當隧道內(nèi)發(fā)生事故、擁堵等交通事件時,隧道及其近鄰路段的交通運行將受到巨大影響。由于隧道內(nèi)外環(huán)境差異,高速公路隧道的結(jié)構(gòu)相較于普通路段比較封閉,空間狹小,產(chǎn)生交通事件后若交通組織不當,滯留車輛將不能及時疏散,極易導(dǎo)致連鎖反應(yīng),引起整個路段的嚴重擁堵或發(fā)生二次事故,造成更嚴重的影響。

高速公路隧道交通安全管理是一個涵蓋了交通風險時空變換的動態(tài)非線性系統(tǒng),影響高速公路隧道交通安全的風險因素主要包括了駕駛?cè)艘蛩?、車輛因素、道路因素、環(huán)境因素以及管理因素。與開放路段相比,駕駛?cè)嗽谒淼纼?nèi)行駛時受限速、信息誘導(dǎo)、照明、通風、路面性能、交通量等因素的影響,導(dǎo)致了較大的駕駛負荷,進一步增加了隧道內(nèi)交通運營的風險,使得隧道路段容易成為高速公路的交通運行的瓶頸路段。隨著計算機技術(shù)在交通領(lǐng)域的廣泛應(yīng)用以及交通工具娛樂方式逐漸多樣化,人類對當下智能交通工具的依賴性逐漸增強,這也成為分心駕駛行為出現(xiàn)的重要誘因,尤其是在隧道內(nèi)單調(diào)的運行環(huán)境下,駕駛?cè)巳菀桩a(chǎn)生輕視心理,安全隱患極大。

總的來說,高速公路現(xiàn)有交通基礎(chǔ)設(shè)施愈發(fā)難以滿足快速增長的交通出行需求,無法提供完善的出行信息服務(wù),因此,建設(shè)統(tǒng)一高效的公路運營安全風險管理體系,形成事前主動防控的管理理念,提升高速公路整體運營安全水平是行業(yè)發(fā)展的必然要求。

目前,我國隧道交通管控缺乏系統(tǒng)性的指揮調(diào)度體系,運營數(shù)據(jù)整理成本高、速度慢、難度大,實際運營數(shù)據(jù)組織成本高,管理者大多憑經(jīng)驗判斷指揮決策,相關(guān)理論研究基礎(chǔ)較為薄弱,對實時有效管理控制隧道內(nèi)交通流特別不利,隧道交通運行的安全形勢不容樂觀。

因此,實現(xiàn)“全方位、全時段、全天候”的隧道交通運行狀態(tài)監(jiān)控管理及風險的智能化識別與預(yù)警,將有助于提高隧道通行安全和效率,幫助政府和交管部門進行業(yè)務(wù)管理及分析,形成健全協(xié)調(diào)的指揮體系,提高數(shù)據(jù)管理水平,通過多種方式服務(wù)出行者。

2 基于視頻信息的隧道交通運行參數(shù)提取

隨著目標檢測技術(shù)在圖像處理、計算機視覺領(lǐng)域得到重要應(yīng)用,車輛檢測技術(shù)逐漸在智能交通領(lǐng)域受到廣泛關(guān)注,利用高速公路隧道側(cè)裝攝像頭獲取車輛運行的高清視頻,提出一種基于YOLOv5算法的隧道車輛檢測技術(shù),實時獲取隧道內(nèi)車輛的類別和位置信息,并進一步分析得出車輛微觀軌跡、速度、流量、加速度、跟車間距等宏微觀交通運行參數(shù),為隧道智能化交通管控系統(tǒng)的構(gòu)建奠定堅實的數(shù)據(jù)基礎(chǔ)[4]。

YOLOv5算法首先將圖像分為X×X個網(wǎng)格,每個網(wǎng)格分別負責檢測網(wǎng)格中心的目標,由這些網(wǎng)格生成X×X×Y個邊界框,每個邊界框包含目標寬高尺寸(X,Y,W,H)、目標中心點坐標和是否包含目標的置信度五個參數(shù)[5];然后,由X×X個網(wǎng)格預(yù)測這個網(wǎng)格中的目標預(yù)測邊界框的類別概率乘以預(yù)測邊界框置信度和類別概率,得到每個預(yù)測框的類別得分;最后,對這些預(yù)測框進行閾值篩選和非極大值抑制(Non-Maximum Suppression,NMS)操作后得到最終的測試結(jié)果。

YOLOv5的輸入端(Input)采用Mosaic數(shù)據(jù)增強方法,數(shù)據(jù)集輔以隨機縮放、隨機裁剪和隨機排列。主干層(Backbone)由Focus模塊快速實現(xiàn)了下采樣,不僅增強算法的學習能力而且可以保持算法的輕量化。檢測層(Neck)由FPN和PAN結(jié)合。一般情況下,深層特征圖定位信息弱,但具有更強的語義信息,淺層的圖像與之相反。PAN從淺層特征層到深層特征層傳遞定位信息,FPN從深層特征圖到淺層特征圖傳遞語義信息,在FPN與PAN組合下,參數(shù)聚合由不同的主干層到不同的檢測層,很大程度上增強了網(wǎng)絡(luò)的特征融合能力。輸出層(Output)邊界框回歸損失函數(shù)采用CIOU Loss,YOLOv5輸出時充分考慮到了長寬比、中心點距離、重疊面積三個重要因素,這讓遮擋重疊的目標得到檢測,也提高了預(yù)測框回歸的精度和速度?？偟膩碚f,YOLOv5目標檢測算法匯集了各個算法網(wǎng)絡(luò)的優(yōu)點,讓檢測速度和精度都有了很好的效果,并且轉(zhuǎn)換格式容易,使部署更方便。

基于專業(yè)視頻控制系統(tǒng)的集成,根據(jù)問題所在位置獲取圖像的動態(tài)畫面,方便現(xiàn)場實時控制,實現(xiàn)隧道全方位、全時段的可視化監(jiān)控管理。

3 高速公路隧道交通管控系統(tǒng)

(1)數(shù)據(jù)采集層:從現(xiàn)有隧道視頻監(jiān)控系統(tǒng)存儲服務(wù)器獲取隧道側(cè)裝視頻數(shù)據(jù),通過YOLOv5視頻檢測算法識別車輛,實現(xiàn)對視頻車流的智能分析,獲取平均車間距、斷面交通流量、車流平均速度數(shù)據(jù),再從視頻事件檢測系統(tǒng)和收費系統(tǒng)獲取交通事件數(shù)據(jù)和收費站流量數(shù)據(jù)。

(2)數(shù)據(jù)處理層:采用分布式存儲系統(tǒng)和關(guān)系型數(shù)據(jù)庫相結(jié)合的數(shù)據(jù)存儲方式,綜合應(yīng)用信號處理、統(tǒng)計學、人工智能、模式識別、認知理論等多學科知識,形成統(tǒng)一坐標系、車輛運動狀態(tài)、全方位駕駛場景、駕駛員控制狀態(tài)等融合數(shù)據(jù),依托各種隧道設(shè)施(紅綠燈、信息牌、車輛探測器等)信號,依托車輛高精度地圖、隧道網(wǎng)絡(luò)等數(shù)據(jù),對異常交通事件進行識別和跟蹤,進而結(jié)合交通事件以自主研發(fā)的隧道智能安控云平臺、隧道域控制器等輸出數(shù)據(jù)作為決策層的輸入信號。

(3)數(shù)據(jù)決策層:利用數(shù)據(jù)處理層的輸出數(shù)據(jù),形成車輛行駛行為規(guī)劃的決策指令和隧道內(nèi)異常事件的預(yù)警信號。同時控制隧道內(nèi)照明和通風設(shè)施的聯(lián)合應(yīng)用,調(diào)用智能服務(wù)模塊,針對隧道異?；蚴鹿拾l(fā)出應(yīng)急信號。

(4)數(shù)據(jù)應(yīng)用層:用戶和交管部門通過高性能、低延時的通信載體(5GNR、LTE-A、DSRC等),通過高效傳輸?shù)?G技術(shù)及強大的人工智能算力和算法,實現(xiàn)隧道內(nèi)交通運行狀態(tài)實時監(jiān)測,車-車,車-路數(shù)據(jù)實時同步,路況實時動態(tài)感知,為車輛實時提供交通環(huán)境信息。在多維數(shù)據(jù)賦能條件下,精準識別隧道內(nèi)突發(fā)事件,基于三維地圖、視頻圖像序列對交通運行狀態(tài)、交通管控位置等進行可視化監(jiān)測。實現(xiàn)交通運行監(jiān)測、狀態(tài)判別、參數(shù)預(yù)測、風險預(yù)警、管控預(yù)案、三維可視化、車輛實時仿真等功能。

4 工程應(yīng)用效果

為有效提升公路隧道運營風險預(yù)警和智慧管控的水平,助力云南以特殊的區(qū)位優(yōu)勢融入“一帶一路”倡議及RCEP建設(shè)中,發(fā)揮云南在國際經(jīng)濟發(fā)展圈中的作用,隧道智能安控系統(tǒng)利用交通大數(shù)據(jù)深度學習算法、三維高精度地圖、分布式計算與存儲等技術(shù)進行系統(tǒng)開發(fā),實現(xiàn)基于隧道側(cè)裝攝像頭視頻的交通流數(shù)據(jù)實時檢測、處理與應(yīng)用,支持隧道可視化交通運行監(jiān)測、隧道風險識別、風險主動管控、應(yīng)急協(xié)同聯(lián)動、智慧管控等功能,如圖1所示。

圖1 系統(tǒng)總體框架

系統(tǒng)在云南省汕昆高速陽宗隧道進行了實際運行測試,總體性能達到了預(yù)期設(shè)計目標,能夠準確描述隧道交通運行狀態(tài),及時發(fā)現(xiàn)交通運行風險,在三維可視化管控、交通監(jiān)測、風險預(yù)警及大數(shù)據(jù)融合分析方面取得一定成效,隧道基本信息如表1所示。

表1 隧道基本信息

通過確定車輛在三維地圖上的位置,實現(xiàn)三維地圖與車輛高頻軌跡點的匹配,基于三維地圖直接展示隧道基本路段、匝道、匝道-主線連接段通行能力,實時計算交通狀態(tài)、交通參數(shù)和交通事件等交通狀態(tài)數(shù)據(jù),預(yù)測交通風險位置和等級預(yù)警提示等,交通運行風險評估指標具體如表2所示。

表2 交通運行風險評估指標

可以看出,系統(tǒng)能夠準確實現(xiàn)隧道交通運行參數(shù)的信息提取,并通過相關(guān)風險指標的計算,為隧道交通運行異常狀態(tài)的識別及管控提供有力的支持。同時,通過分析流量差、速度差等風險指標,可以得到各車道之間流量、速度的不均衡性,可反映由于追尾、拋錨等事件導(dǎo)致的車道癱瘓現(xiàn)象,為隧道管制方案的制定與設(shè)計提供一定的理論支撐。

通過對分布式數(shù)據(jù)庫進行清洗、挖掘,并基于圖形圖標等多種方式對實時交通數(shù)據(jù)、預(yù)測數(shù)據(jù)、歷史數(shù)據(jù)等進行展示和比較分析,匯聚隧道完備數(shù)據(jù)集,為交通運行場景準確識別、實時預(yù)測預(yù)警、管控信息發(fā)布提供主動風險防控直觀可靠的可視化結(jié)果。

系統(tǒng)的設(shè)計充分考慮到高速公路管理的實用性、安全性、先進性以及標準化等原則,為了充分發(fā)揮隧道交通運行動態(tài)分析功能,在硬件、網(wǎng)絡(luò)和平臺軟件的建設(shè)方面充分考慮到高速公路運營管理的特點,基于實時、準確的隧道視頻交通流檢測數(shù)據(jù)和隧道交通運行預(yù)警管控流程、方法、參數(shù)及模型技術(shù)體系,開發(fā)了大數(shù)據(jù)后臺軟件系統(tǒng),實現(xiàn)了該隧道運行交通流數(shù)據(jù)監(jiān)測、狀態(tài)判斷、參數(shù)預(yù)測、風險預(yù)警和管控預(yù)案等應(yīng)用功能。

在各子模塊的界面設(shè)計上,充分考慮了監(jiān)管人員的體驗與習慣,提供二維平面、三維立體隧道樣式,以及自由模式、經(jīng)典模式界面的任意切換,實現(xiàn)了工作場景的多方面覆蓋,提升了用戶操作的便捷性和實用性。

5 結(jié) 論

根據(jù)高速公路隧道交通管控技術(shù),項目團隊開發(fā)了隧道交通運行動態(tài)仿真平臺,并搭建了高速公路隧道交通運行管控可視化平臺,并于云南省汕昆高速陽宗隧道進行了應(yīng)用。可以看出,基于視頻信息的高速公路隧道交通管控技術(shù)可在充分利用隧道原有機電、安控設(shè)施的基礎(chǔ)上,通過后端算法,利用高速公路隧道側(cè)裝監(jiān)控視頻,實現(xiàn)了交通運行監(jiān)測、狀態(tài)判別、參數(shù)預(yù)測、風險預(yù)警、管控預(yù)案、三維可視化、車輛實時仿真等功能,可為高速公路交通運行安全提供有力保障。