余雪娟 王燕 薛勇

（1.江蘇省交通工程建設(shè)局，江蘇 南京 210001；2.江蘇百盛工程咨詢有限公司，江蘇 南京 210001；3.江蘇百盛信息科技股份有限公司，江蘇 南京 210001）

1 背景

超長隧道長管狀封閉空間造成了洞內(nèi)外亮度差異懸殊、環(huán)境照度低、交通空間受限等影響交通安全的因素。近年來，交通擁堵、交通事故等問題愈演愈烈，加之隧道環(huán)境位置特殊，運營安全面臨嚴(yán)峻的考驗。

海太過江通道對隧道全天時、多維度的安全態(tài)勢感知方案和運行安全態(tài)勢分析方法提出了新的要求。本文通過分析以車輛為目標(biāo)的交通主體，利用全過程的精細(xì)化監(jiān)測數(shù)據(jù)，面向隧道整體開展車輛檢測、識別、跟蹤，判別交通安全風(fēng)險、發(fā)現(xiàn)風(fēng)險點，形成海太過江隧道交通運行狀態(tài)實時、主動的監(jiān)測方法與方案，以期提升海太過江通道的安全運營管理水平，為我國其他隧道運營管理工作提供示范和參考。

2 國內(nèi)外研究現(xiàn)狀

國內(nèi)外已經(jīng)研發(fā)了一些成熟的隧道交通監(jiān)測系統(tǒng)。例如，美國的分布式公路隧道監(jiān)控系統(tǒng)[1]，挪威Ryfast隧道的雙攝像監(jiān)測系統(tǒng)[2]等。國內(nèi)應(yīng)用于秦嶺終南山隧道、上海長江隧道與大連白銀山隧道等的交通監(jiān)測系統(tǒng)[3，4]。這些系統(tǒng)以交通參數(shù)獲取、目標(biāo)行為分析、事件檢測等宏觀交通信息開展應(yīng)用。

近年來，隧道的智能化監(jiān)控與交通安全研究發(fā)展迅速，其中隧道交通監(jiān)測的主要重點在于車輛特征建模、車輛時空動態(tài)模型構(gòu)建、目標(biāo)再識別技術(shù)這3個方面，采用機器視覺和人工智能領(lǐng)域的方法[5]，針對實際安全問題，開展應(yīng)用研究并探討監(jiān)測系統(tǒng)設(shè)計方案[6]。

3 超長隧道的交通狀態(tài)監(jiān)測問題分析

超長隧道交通事故的發(fā)生概率相較于普通路段而言較高，因此其交通狀態(tài)對智能化監(jiān)測系統(tǒng)的需求更加迫切。公路隧道通?？蓜澐譃閆1-Z4四類區(qū)域，如圖1所示。隧道內(nèi)外的亮度差別產(chǎn)生的“黑洞”現(xiàn)象，使得隧道入口區(qū)域（Z2區(qū)和Z3區(qū)）的事故率較高。隧道的嚴(yán)重事故率與長度和交通負(fù)荷聯(lián)系密切，超長隧道Z4區(qū)域覆蓋距離更長，重大交通事故更有易發(fā)生在Z4區(qū)和Z1區(qū)。

圖1 隧道區(qū)域劃分示意圖

當(dāng)前廣泛應(yīng)用的系統(tǒng)及其子系統(tǒng)為實現(xiàn)隧道舒適、安全、高效地運營提供了保障。然而，基于傳統(tǒng)設(shè)計觀念，使得系統(tǒng)存在諸多不足有待改善，主要表現(xiàn)在：隧道監(jiān)控子系統(tǒng)的聯(lián)動性差，眾多子系統(tǒng)較難形成統(tǒng)一的數(shù)據(jù)元組，數(shù)據(jù)性能較難發(fā)揮；隧道交通控制系統(tǒng)的控制模式與智能水平相對滯后，交通目標(biāo)感知效率低，識別精度差，較難全時空感知交通目標(biāo)異構(gòu)數(shù)據(jù)；監(jiān)測系統(tǒng)使用的設(shè)備過于單一，視頻和雷達(dá)各自優(yōu)缺點明顯，在數(shù)據(jù)精度、覆蓋范圍等方面未能優(yōu)勢互補，不利于提升基礎(chǔ)監(jiān)測數(shù)據(jù)的質(zhì)量；隧道交通監(jiān)測點數(shù)據(jù)孤立，難以面向全隧道獲取精細(xì)化的運行全過程數(shù)據(jù)，不利于感知與分析交通安全態(tài)勢，對降低風(fēng)險、事前引導(dǎo)、隱患消除等較難發(fā)揮價值。

4 面向海太隧道的交通安全運行解決方案

針對現(xiàn)有大量廣泛使用的隧道安全監(jiān)測系統(tǒng)存在的問題，本文從4個核心問題和解決方法出發(fā)構(gòu)建解決方案，方案涉及的核心問題關(guān)系示意圖如圖2所示。

圖2 交通安全運行解決方案核心問題與解決方法關(guān)系示意圖

4.1 隧道傳感器數(shù)據(jù)融合的交通目標(biāo)檢測問題

在長大隧道的交通環(huán)境下，單一的傳感器因設(shè)備原理具有明顯的優(yōu)缺點，較難解決隧道中環(huán)境復(fù)雜、低視角所帶來的問題。例如，視頻直觀、易理解、可靠性高，但受制于隧道空間，在安裝點近端監(jiān)測性能好，在遠(yuǎn)端受制于圖像分辨率。毫米波雷達(dá)在目標(biāo)測速、定位、流量計算等應(yīng)用中優(yōu)勢明顯，但受制于其工作原理，在安裝點近端覆蓋有限，在監(jiān)控遠(yuǎn)端數(shù)據(jù)存在抖動，且對車輛遮擋、停車、拋灑物等處理邏輯較復(fù)雜，可靠性較低。兩種傳感器的互補優(yōu)勢主要表現(xiàn)在：視頻可彌補雷達(dá)點云數(shù)據(jù)不直觀的問題；利用視頻近端易覆蓋和精度高的特點，可彌補雷達(dá)近端難覆蓋和數(shù)據(jù)抖動的缺點，利用雷達(dá)覆蓋范圍廣，可彌補視頻低視角和遠(yuǎn)端目標(biāo)圖像尺寸小的缺點；利用雷達(dá)抗強光、灰塵、煙霧等的優(yōu)勢，可彌補視頻不足，利用視頻目標(biāo)檢測、跟蹤邏輯可彌補雷達(dá)在遮擋、靜止、數(shù)據(jù)抖動等方面的不足。

實際使用中面臨3個因素的影響：時間不統(tǒng)一，即視頻和雷達(dá)設(shè)備數(shù)據(jù)采樣率不一致；空間不一致，即兩種設(shè)備覆蓋范圍不一致；數(shù)據(jù)融合難，即視頻和雷達(dá)對目標(biāo)位置、速度等信息的感知具有理論上的誤差，需要對兩種數(shù)據(jù)實施數(shù)據(jù)級的融合。針對這三個問題，設(shè)計中利用視頻和雷達(dá)的監(jiān)控重合區(qū)開展設(shè)備參數(shù)標(biāo)定，實現(xiàn)兩種設(shè)備的統(tǒng)一空間構(gòu)建。在一致的空間中，通過車輛目標(biāo)位置的唯一性，矯正數(shù)據(jù)時間?；跁r空關(guān)系，對視頻中的目標(biāo)位置數(shù)據(jù)坐標(biāo)與雷達(dá)點云計算的目標(biāo)位置坐標(biāo)進(jìn)行時空標(biāo)準(zhǔn)化，通過構(gòu)建數(shù)據(jù)錨點的生成方法，評價分析雷達(dá)點交通目標(biāo)待選數(shù)據(jù)與視頻估計數(shù)據(jù)，并構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，實現(xiàn)視頻與雷達(dá)數(shù)據(jù)級融合。

4.2 監(jiān)控單節(jié)點交通目標(biāo)運動過程重建問題

單節(jié)點的目標(biāo)運動過程重建需要解決幾個關(guān)鍵問題：多目標(biāo)空間信息重建，即從目標(biāo)圖像位置二維信息，跨維度構(gòu)建為三維空間信息；多目標(biāo)運動過程重建，即對監(jiān)控區(qū)域內(nèi)的目標(biāo)軌跡重建，獲得單個監(jiān)控節(jié)點下的運動數(shù)據(jù)。這是開展目標(biāo)運動過程分析和行為分析的基礎(chǔ)；多目標(biāo)檢測和跟蹤，即針對遮擋、視角等影響因素，構(gòu)建有效的多目標(biāo)檢測、識別、跟蹤方法與模型，提高目標(biāo)感知信息的精度。這是實現(xiàn)對交通狀態(tài)精細(xì)刻畫的基礎(chǔ)；多目標(biāo)重建及監(jiān)測信息的可視化，即實現(xiàn)對監(jiān)測路段車輛位置、車間距離、車道占有率、車型分類、擁堵狀況等量化信息的可視化。

針對上述問題，海太方案中利用多節(jié)點相機和雷達(dá)聯(lián)動的全時空信息，設(shè)計出基于深度檢測網(wǎng)絡(luò)的優(yōu)化模型來提取目標(biāo)軌跡的運動特性。通過分析所有目標(biāo)軌跡數(shù)據(jù)的時空映射關(guān)系與運動特征，構(gòu)建目標(biāo)的完整運動軌跡與參數(shù)。這種設(shè)計可利用高精度的運動過程重建信息開展交通目標(biāo)的分析，能夠改善誤報、多報和漏報等問題，也更有利于提高管理效率。

4.3 隧道交通全目標(biāo)全過程軌跡重建問題

在超長隧道內(nèi)，獨立監(jiān)測結(jié)點得到的離散數(shù)據(jù)無法有效解決多種實際問題，一是難以感知多個移動目標(biāo)的運動全過程，難以獲取監(jiān)控盲區(qū)的目標(biāo)軌跡信息；二是難以解決多目標(biāo)跨設(shè)備跟蹤檢測問題。傳統(tǒng)交通事件檢測方案，僅依賴于單個監(jiān)測結(jié)點開展，較難利用全過程軌跡的巨大優(yōu)勢降低誤報率和提升效率。

海太隧道方案主要采用算法層和模型層兩個核心設(shè)計解決相應(yīng)問題。在算法層，主要通過深度學(xué)習(xí)網(wǎng)絡(luò)，引入數(shù)據(jù)片段時間戳為輸入，設(shè)計目標(biāo)運動信息網(wǎng)絡(luò)、類別判別網(wǎng)絡(luò)和可視化網(wǎng)絡(luò)3個分支，組建多目標(biāo)跟蹤模型和算法提取目標(biāo)軌跡。在模型層，利用時間標(biāo)簽和時空約束構(gòu)建多個時空片段排序方法和盲區(qū)軌跡補全方法，最終獲得長隧道車輛全軌跡和時空圖。這種設(shè)計可以構(gòu)建出面向整個隧道路段的精細(xì)化反映實況的可靠基礎(chǔ)數(shù)據(jù)。

4.4 隧道交通安全風(fēng)險分析問題

在超長隧道安全管理和運營的需求下，當(dāng)前系統(tǒng)體現(xiàn)隧道交通風(fēng)險發(fā)生的位置、空間影響范圍、時間影響范圍等信息較為困難，主要原因是傳統(tǒng)的隧道交通安全分析方法存在3個方面的缺陷：評價標(biāo)準(zhǔn)主觀，結(jié)果主觀因素比例過大，難以支撐對隧道交通的動態(tài)分析；表征數(shù)據(jù)不全面，對不同隧道路段事件行為的類型分布、時空分布等特征和事件涉及的車輛特征難以表達(dá)全面；事件分析的關(guān)聯(lián)性不足，導(dǎo)致異常事件分析的準(zhǔn)確度不高。

針對上述不足，在海太全隧道的交通目標(biāo)運行狀態(tài)分析方案中，主要通過關(guān)鍵數(shù)據(jù)的介入，以軌跡作為數(shù)據(jù)載體，將高維空間信息與低維時間信息相融合，形成全過程融合車型、車溫、軸重、隧道行車環(huán)境等識別信息，以及“兩客一?！毕到y(tǒng)的貨物種類等軌跡數(shù)據(jù)包，構(gòu)建目標(biāo)全過程的安全時空圖。從微觀角度看，可挖掘車輛在當(dāng)前隧道的位置、車速、運動方向、車間距等信息。從宏觀角度看，可挖掘全體監(jiān)測目標(biāo)在超長隧道的分布、車速狀態(tài)、隧道車流量、潛在風(fēng)險點位置與影響范圍等信息，形成宏觀到微觀的交通運行狀態(tài)數(shù)據(jù)和風(fēng)險感知數(shù)據(jù)。

5 超長隧道智能交通安全監(jiān)測系統(tǒng)架構(gòu)

在海太隧道的交通安全主動監(jiān)測系統(tǒng)構(gòu)建中，設(shè)計重點為以車輛目標(biāo)監(jiān)測、交通事件檢測、交通安全風(fēng)險分析為核心的交通安全態(tài)勢實時監(jiān)測及分析應(yīng)用系統(tǒng)，并基于計算平臺開發(fā)成套軟硬件，系統(tǒng)構(gòu)架示意圖如圖3所示。

圖3 隧道智能交通安全監(jiān)測系統(tǒng)構(gòu)架示意圖

系統(tǒng)軟件功能模塊主要包括視頻雷達(dá)信息融合、監(jiān)測目標(biāo)表征網(wǎng)絡(luò)構(gòu)建、跨相機多目標(biāo)軌跡重建與跟蹤、可信高效的異常行為分析和異常行為綜合安全評估幾個單元模塊。各模塊之間相互關(guān)聯(lián)，層層遞進(jìn)，從模型建模、參數(shù)學(xué)習(xí)、模型遷移到狀態(tài)綜合推理評估等角度實現(xiàn)從方法研究到模型算法落地的整個流程系統(tǒng)架構(gòu)。硬件部署根據(jù)雷達(dá)和視頻在隧道場景下不同監(jiān)控區(qū)域的數(shù)據(jù)可靠性，將雷達(dá)和視頻設(shè)備有效檢測范圍銜接，發(fā)揮兩者優(yōu)勢，構(gòu)建設(shè)備管理、數(shù)據(jù)傳輸無障礙的高效隧道監(jiān)測系統(tǒng)。