摘要：文章提出基于云邊端協(xié)同的智能車輛監(jiān)控平臺(tái)研究與應(yīng)用，特別是在高速公路智能車輛監(jiān)控方面的應(yīng)用，旨在通過(guò)云-邊-端的協(xié)同工作，提升系統(tǒng)的實(shí)時(shí)性、數(shù)據(jù)處理能力和安全性，為高速公路車輛監(jiān)控提供更為精準(zhǔn)、高效的技術(shù)支持。

關(guān)鍵詞：邊緣計(jì)算；智能交通系統(tǒng)；云-邊-端架構(gòu)；高速公路；車輛監(jiān)控

中圖分類號(hào)：U412.6

0 引言

隨著經(jīng)濟(jì)的快速發(fā)展和人民生活水平的提高，高速公路的車流量逐年增長(zhǎng)，對(duì)車輛監(jiān)控與管理提出了更高的要求。傳統(tǒng)的中心化車輛監(jiān)控系統(tǒng)由于數(shù)據(jù)傳輸延遲、數(shù)據(jù)處理能力不足等問(wèn)題，難以滿足實(shí)時(shí)、高效的監(jiān)控需求。邊緣計(jì)算作為一種新興的計(jì)算模式，通過(guò)將數(shù)據(jù)處理和分析任務(wù)從中心云推向網(wǎng)絡(luò)邊緣，將為高速公路智能車輛監(jiān)控提供新的解決方案。因此，研究基于云邊端協(xié)同的智能車輛監(jiān)控平臺(tái)［1］具有重要意義。

1 基于云邊端協(xié)同的智能車輛監(jiān)控平臺(tái)概述

考慮到現(xiàn)有高速公路智能監(jiān)控系統(tǒng)在實(shí)時(shí)性、數(shù)據(jù)處理能力和安全性等方面存在的不足，本文提出基于云邊端協(xié)同的智能車輛監(jiān)控平臺(tái)研究與應(yīng)用。該平臺(tái)采用“云-邊-端”的架構(gòu)方式，通過(guò)云端進(jìn)行全局?jǐn)?shù)據(jù)管理和高級(jí)分析，邊緣端負(fù)責(zé)實(shí)時(shí)數(shù)據(jù)處理和響應(yīng)，前端設(shè)備則實(shí)現(xiàn)數(shù)據(jù)采集和執(zhí)行指令。邊緣計(jì)算技術(shù)的應(yīng)用，將使得高速公路監(jiān)控系統(tǒng)能夠在數(shù)據(jù)產(chǎn)生的源頭進(jìn)行快速處理，降低了數(shù)據(jù)傳輸延遲，提高了實(shí)時(shí)性。同時(shí)，邊緣端的數(shù)據(jù)處理能力也分擔(dān)了云端的計(jì)算壓力，提升了系統(tǒng)的整體性能。通過(guò)加強(qiáng)前端設(shè)備的智能化和協(xié)同化，系統(tǒng)將能夠?qū)崿F(xiàn)更精準(zhǔn)的數(shù)據(jù)采集和更高效的指令執(zhí)行。這種架構(gòu)方式不僅提高了智能交通系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性，還增強(qiáng)了系統(tǒng)的安全性和可靠性，為未來(lái)的智能交通的發(fā)展提供有力的技術(shù)支撐。

2 整體架構(gòu)

本文提出云-邊-端的架構(gòu)方式，在高速公路智能車輛監(jiān)控方面，該架構(gòu)能夠充分發(fā)揮邊緣計(jì)算的優(yōu)勢(shì)，實(shí)現(xiàn)高效、實(shí)時(shí)的車輛監(jiān)控。如圖1所示。

在云端，構(gòu)建大數(shù)據(jù)平臺(tái)，用于存儲(chǔ)和分析海量的車輛監(jiān)控?cái)?shù)據(jù)。通過(guò)云計(jì)算的強(qiáng)大計(jì)算能力，對(duì)車輛行駛軌跡、速度、密度等信息進(jìn)行深度挖掘，為高速公路運(yùn)營(yíng)管理部門提供決策支持。

在邊緣端，部署具有計(jì)算能力的邊緣節(jié)點(diǎn)，邊緣節(jié)點(diǎn)負(fù)責(zé)實(shí)時(shí)數(shù)據(jù)處理和分析。在接收到前端設(shè)備傳輸?shù)臄?shù)據(jù)后，邊緣節(jié)點(diǎn)利用內(nèi)置的計(jì)算資源和算法模型，對(duì)數(shù)據(jù)進(jìn)行快速處理和分析。這包括車輛識(shí)別、軌跡跟蹤、異常檢測(cè)等操作。通過(guò)邊緣計(jì)算，系統(tǒng)能夠?qū)崿F(xiàn)對(duì)高速公路上車輛的實(shí)時(shí)監(jiān)控和預(yù)警，為交通管理部門提供及時(shí)、準(zhǔn)確的信息支持。

前端設(shè)備主要承擔(dān)數(shù)據(jù)采集和初步處理的任務(wù)。通過(guò)部署在高速公路沿線的攝像頭和ETC門架設(shè)備，前端設(shè)備能夠?qū)崟r(shí)采集車輛圖像、速度、位置等信息，并將這些數(shù)據(jù)傳輸至邊緣節(jié)點(diǎn)。為了提高數(shù)據(jù)采集的準(zhǔn)確性和效率，前端設(shè)備需要具備高清晰度、高幀率、低延遲等特性，同時(shí)還需要具備一定的數(shù)據(jù)處理能力，如圖像壓縮、目標(biāo)檢測(cè)等。

3 系統(tǒng)關(guān)鍵設(shè)計(jì)

在設(shè)計(jì)高速公路智能車輛監(jiān)控系統(tǒng)時(shí)，需要充分考慮系統(tǒng)的實(shí)時(shí)性、準(zhǔn)確性、安全性以及可擴(kuò)展性等方面的需求。以下是一些關(guān)鍵設(shè)計(jì)要點(diǎn)：

（1）實(shí)時(shí)性設(shè)計(jì)：通過(guò)優(yōu)化數(shù)據(jù)傳輸和處理流程，減少數(shù)據(jù)傳輸延遲和處理時(shí)間，確保系統(tǒng)能夠?qū)崟r(shí)響應(yīng)車輛監(jiān)控中的異常情況。例如，采用高效的數(shù)據(jù)壓縮和傳輸協(xié)議，降低數(shù)據(jù)傳輸?shù)拈_(kāi)銷；利用并行計(jì)算和分布式處理技術(shù)，提高數(shù)據(jù)處理的速度和效率。

（2）準(zhǔn)確性設(shè)計(jì)：通過(guò)提升前端設(shè)備的采集精度和邊緣節(jié)點(diǎn)的算法準(zhǔn)確性，確保系統(tǒng)能夠準(zhǔn)確識(shí)別車輛、跟蹤軌跡并檢測(cè)異常事件。例如，采用高分辨率攝像頭和先進(jìn)的圖像識(shí)別算法，提高車輛識(shí)別的準(zhǔn)確率；利用深度學(xué)習(xí)等技術(shù)對(duì)車輛行為進(jìn)行建模和分析，提高異常檢測(cè)的準(zhǔn)確性。

（3）安全性設(shè)計(jì)：加強(qiáng)系統(tǒng)的安全防護(hù)措施，防止數(shù)據(jù)泄露和非法訪問(wèn)。通過(guò)數(shù)據(jù)加密、訪問(wèn)控制、入侵檢測(cè)等技術(shù)手段，確保高速公路智能車輛監(jiān)控系統(tǒng)的數(shù)據(jù)安全和隱私保護(hù)。同時(shí)，建立健全的安全管理制度和應(yīng)急預(yù)案，提高系統(tǒng)的抗風(fēng)險(xiǎn)能力。

（4）可擴(kuò)展性設(shè)計(jì)：考慮到高速公路網(wǎng)絡(luò)的不斷擴(kuò)展和車輛數(shù)量的增長(zhǎng)，系統(tǒng)需要具備良好的可擴(kuò)展性。通過(guò)模塊化設(shè)計(jì)和分布式部署，使得系統(tǒng)能夠方便地增加新的監(jiān)控節(jié)點(diǎn)和設(shè)備，滿足不斷變化的監(jiān)控需求。此外，系統(tǒng)還應(yīng)支持與其他智能交通系統(tǒng)的集成和互操作，實(shí)現(xiàn)更廣泛的信息共享和協(xié)同工作。

4 車輛智能監(jiān)控方法

本文提出的基于云邊端協(xié)同的重點(diǎn)車輛交通場(chǎng)景智能監(jiān)控平臺(tái)主要圍繞數(shù)據(jù)治理階段、車輛行為分析階段、預(yù)警信息發(fā)布與反饋階段等幾個(gè)步驟開(kāi)展實(shí)施。

4.1 數(shù)據(jù)治理階段

數(shù)據(jù)治理階段主要通過(guò)采集、預(yù)處理、緩存來(lái)完成數(shù)據(jù)的清洗。

數(shù)據(jù)采集：通過(guò)部署在交通場(chǎng)景中的攝像頭和監(jiān)控等終端設(shè)備，實(shí)時(shí)采集重點(diǎn)車輛的位置、速度、行駛軌跡等信息，并通過(guò)邊緣計(jì)算服務(wù)器完成初步的快速處理和結(jié)構(gòu)化分析預(yù)處理，將預(yù)處理后的數(shù)據(jù)上傳到云端進(jìn)行進(jìn)一步大規(guī)模的數(shù)據(jù)分析和挖掘。

數(shù)據(jù)預(yù)處理：云端數(shù)據(jù)解析服務(wù)器在接收到各類高速公路數(shù)據(jù)寫(xiě)入請(qǐng)求后，先對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的清洗和處理。將雜亂無(wú)規(guī)則的數(shù)據(jù)處理為符合規(guī)范的、完整的能被保存的數(shù)據(jù)。將數(shù)據(jù)按預(yù)設(shè)規(guī)則進(jìn)行分類，同一類型的數(shù)據(jù)歸并到一起；進(jìn)行臟值處理，由于輸入設(shè)備技術(shù)良莠不齊，部分?jǐn)?shù)據(jù)會(huì)有缺失或重復(fù)，若缺失非關(guān)鍵屬性，則使用默認(rèn)值填充，若缺失關(guān)鍵屬性，則廢棄當(dāng)前記錄值并告知前端用戶；將預(yù)處理完成的數(shù)據(jù)提交至數(shù)據(jù)緩沖區(qū)。

數(shù)據(jù)緩存：經(jīng)過(guò)預(yù)處理過(guò)的數(shù)據(jù)進(jìn)入數(shù)據(jù)緩沖區(qū)后，根據(jù)數(shù)據(jù)類型的不同而進(jìn)入不同的緩沖區(qū)隊(duì)列，緩沖區(qū)可以對(duì)海量數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控。數(shù)據(jù)緩沖區(qū)由若干個(gè)數(shù)據(jù)隊(duì)列構(gòu)成，為數(shù)據(jù)進(jìn)行分流和緩存歸類。每個(gè)緩沖隊(duì)列均有一個(gè)閾值，當(dāng)?shù)竭_(dá)隊(duì)列閾值時(shí)，數(shù)據(jù)會(huì)進(jìn)入數(shù)據(jù)寫(xiě)入模塊，并通過(guò)多線程寫(xiě)入的方式同時(shí)對(duì)數(shù)據(jù)進(jìn)行寫(xiě)入操作并留以后續(xù)的緩存使用［3］。

4.2 車輛行為分析階段

結(jié)合云邊端處理后的流水信息及相關(guān)數(shù)據(jù)，包括車牌、車牌顏色、車輛類型、輪軸數(shù)、車輛品牌、車輛載重、車身顏色、車輛行駛軌跡等特征，先形成重點(diǎn)車輛車輛特征數(shù)據(jù)，完成車輛畫(huà)像服務(wù)。如圖2所示。

車輛畫(huà)像服務(wù)可對(duì)車輛基本信息、車輛歷史通行情況、違規(guī)行為分析等角度對(duì)車輛的通行進(jìn)行多角度分析，對(duì)車輛的通行進(jìn)行綜合評(píng)價(jià)，以及輔助監(jiān)控人員業(yè)務(wù)需求篩選目標(biāo)車輛，并對(duì)符合特征的車輛駕駛行為進(jìn)行智能分析。通過(guò)多流水?dāng)?shù)據(jù)融合，還能夠?qū)TC交易、車輛GPS數(shù)據(jù)、圖片數(shù)據(jù)、視頻數(shù)據(jù)等多條流水?dāng)?shù)據(jù)融合，并結(jié)合路網(wǎng)模型糾偏還原車輛行駛軌跡。

結(jié)合車輛畫(huà)像服務(wù)，開(kāi)展車輛違規(guī)駕駛行為建模，包括對(duì)超速行駛、慢速行駛、疲勞駕駛、套牌分析、異常停靠點(diǎn)分析等進(jìn)行數(shù)據(jù)建模，并進(jìn)行交通要素風(fēng)險(xiǎn)評(píng)估，制定出各類違規(guī)行為的風(fēng)險(xiǎn)等級(jí)［2］。在重點(diǎn)車輛駛?cè)敫咚俟泛?，相關(guān)數(shù)據(jù)模型可以自動(dòng)根據(jù)云端接收到的車輛通行信息，實(shí)時(shí)監(jiān)控車輛的駕駛行為，并給出分析結(jié)果。

4.3 預(yù)警信息發(fā)布與反饋階段

預(yù)警信息發(fā)布與反饋是基于云邊端協(xié)同的重點(diǎn)車輛交通場(chǎng)景智能監(jiān)控平臺(tái)中的關(guān)鍵環(huán)節(jié)，其確保了信息的及時(shí)傳遞和系統(tǒng)的持續(xù)優(yōu)化。

平臺(tái)通過(guò)集成多種通信渠道，確保預(yù)警信息能夠迅速、準(zhǔn)確地傳達(dá)給相關(guān)部門和人員。當(dāng)監(jiān)控平臺(tái)檢測(cè)到異常事件或潛在風(fēng)險(xiǎn)時(shí)，會(huì)自動(dòng)生成預(yù)警信息，并通過(guò)短信、郵件、應(yīng)用推送等方式，將預(yù)警內(nèi)容實(shí)時(shí)發(fā)送給交通管理部門、交警、應(yīng)急救援隊(duì)伍等關(guān)鍵人員。同時(shí)，平臺(tái)還支持將預(yù)警信息展示在監(jiān)控大屏上，供現(xiàn)場(chǎng)管理人員直觀了解交通狀況。如圖3所示。

同時(shí)平臺(tái)會(huì)根據(jù)事件類型和風(fēng)險(xiǎn)等級(jí)，提供個(gè)性化的預(yù)警信息模板，確保每條預(yù)警信息都能清晰傳達(dá)事件的性質(zhì)、位置、影響范圍等關(guān)鍵信息，支持對(duì)預(yù)警信息進(jìn)行定制化設(shè)置，以滿足不同層級(jí)用戶的信息需求。

在預(yù)警反饋機(jī)制上，平臺(tái)將通過(guò)建立一個(gè)完善的數(shù)據(jù)和預(yù)警結(jié)果自動(dòng)反饋渠道，收集預(yù)警信息的反饋結(jié)論，其中也包括用戶的標(biāo)記結(jié)果。通過(guò)平臺(tái)提供的反饋機(jī)制，再預(yù)警結(jié)束后對(duì)預(yù)警信息的準(zhǔn)確性、及時(shí)性、有效性等方面進(jìn)行綜合評(píng)價(jià)，并自動(dòng)歸檔和改進(jìn)數(shù)據(jù)模型參數(shù)。數(shù)據(jù)模型會(huì)定期歸納這些反饋數(shù)據(jù)，不斷進(jìn)行自我訓(xùn)練，進(jìn)一步優(yōu)化數(shù)據(jù)模型算法和平臺(tái)功能。

5 試驗(yàn)驗(yàn)證與結(jié)果分析

為了驗(yàn)證本文提出的基于云邊端協(xié)同的智能車輛監(jiān)控平臺(tái)的有效性，進(jìn)行相關(guān)論證和試驗(yàn)。

在實(shí)現(xiàn)基于云邊端協(xié)同的智能車輛監(jiān)控平臺(tái)時(shí)，需要選擇合適的硬件和軟件平臺(tái)，進(jìn)行系統(tǒng)的開(kāi)發(fā)和部署。同時(shí)，需要對(duì)系統(tǒng)進(jìn)行全面的測(cè)試和驗(yàn)證，確保其在實(shí)際運(yùn)行中的穩(wěn)定性和可靠性。

在硬件方面，選擇了具備高性能計(jì)算能力的邊緣計(jì)算設(shè)備作為節(jié)點(diǎn)，如高性能服務(wù)器或嵌入式計(jì)算設(shè)備。這些設(shè)備具備足夠的存儲(chǔ)空間和擴(kuò)展能力，以支持大規(guī)模數(shù)據(jù)處理和存儲(chǔ)需求和高速公路后續(xù)車輛的增長(zhǎng)。

在軟件方面，采用了開(kāi)源的大數(shù)據(jù)平臺(tái)作為系統(tǒng)的基礎(chǔ)平臺(tái)。通過(guò)定制開(kāi)發(fā)和集成各種功能模塊，實(shí)現(xiàn)車輛監(jiān)控、數(shù)據(jù)處理、異常檢測(cè)等功能，并基于系統(tǒng)的易用性和可維護(hù)性的考慮，設(shè)計(jì)了一套用戶界面和便捷的車輛管理工具。

將高速公路共計(jì)45 000張圖片（已標(biāo)注）按順序輸入，并發(fā)量約為5張/s，分別通過(guò)傳統(tǒng)的集中模式和3臺(tái)邊端設(shè)備及一臺(tái)云端分析主機(jī)進(jìn)行識(shí)別和分析，并通過(guò)路徑還原車輛的整段通行軌跡，統(tǒng)計(jì)路徑還原和整段軌跡數(shù)據(jù)分析完成的時(shí)間。一張圖片的處理時(shí)間大概為0.5 s，所以數(shù)據(jù)識(shí)別完成耗時(shí)6.25 h，在處理至1 200張圖片時(shí)，對(duì)實(shí)時(shí)監(jiān)控就存在了6 min的延遲，同時(shí)帶寬占用3 MB/s左右。而若采用云邊架構(gòu)，3臺(tái)邊端小盒子每秒可以完全處理掉并發(fā)量為5張的圖片，同時(shí)將結(jié)構(gòu)化數(shù)據(jù)傳至中心15 K/s左右，大大緩解了帶寬的占用。

試驗(yàn)結(jié)果表明，一個(gè)大型高速公路收費(fèi)站，每天約4萬(wàn)輛車經(jīng)過(guò)，一張圖片500 k～1 MB，一個(gè)運(yùn)營(yíng)路段有10個(gè)收費(fèi)站加20多個(gè)龍門架，如果按傳統(tǒng)方法，把圖片數(shù)據(jù)上傳到云端再進(jìn)行圖片識(shí)別和大數(shù)據(jù)分析，識(shí)別結(jié)果返回到監(jiān)控平臺(tái)，系統(tǒng)壓力大、帶寬成本高昂，而且整體鏈路太長(zhǎng)，在數(shù)據(jù)量大且?guī)挷蛔愕那闆r下，若再遭遇網(wǎng)絡(luò)不穩(wěn)定的情況，將陷入數(shù)據(jù)大量擠壓的困境。而通過(guò)加裝了邊緣解析服務(wù)器，數(shù)據(jù)傳輸至云端后再處理，相關(guān)的圖片幾乎是在秒級(jí)內(nèi)完成了傳輸和分析入庫(kù)，在提高監(jiān)控效率、準(zhǔn)確性和實(shí)時(shí)性方面具有明顯的優(yōu)勢(shì)。與傳統(tǒng)的監(jiān)控平臺(tái)使用的數(shù)據(jù)處理方式相比，本文提出的方法在處理和分析大流量交通數(shù)據(jù)時(shí)具有更高的處理速度和更低的延遲；同時(shí)，通過(guò)對(duì)重點(diǎn)車輛的實(shí)時(shí)監(jiān)控和預(yù)警，能夠及時(shí)發(fā)現(xiàn)潛在的安全風(fēng)險(xiǎn)并采取相應(yīng)措施，提高了交通安全性。

6 結(jié)語(yǔ)

本文提出了基于云邊端協(xié)同的智能車輛監(jiān)控平臺(tái)研究與應(yīng)用，通過(guò)云-邊-端的協(xié)同工作，系統(tǒng)能夠?qū)崿F(xiàn)實(shí)時(shí)、準(zhǔn)確、安全的車輛監(jiān)控，為高速公路的車輛監(jiān)控管理提供了有力支持。

然而，隨著技術(shù)的不斷發(fā)展和應(yīng)用場(chǎng)景的不斷拓展，仍有許多問(wèn)題需要進(jìn)一步研究和解決。未來(lái)可圍繞以下方向展開(kāi)研究：（1）進(jìn)一步優(yōu)化邊緣計(jì)算算法和模型，提高車輛識(shí)別的準(zhǔn)確性和處理速度；（2）加強(qiáng)前端設(shè)備的智能化和協(xié)同化能力，實(shí)現(xiàn)更精細(xì)化的車輛監(jiān)控和管理；（3）探索與其他智能交通技術(shù)的融合應(yīng)用，如自動(dòng)駕駛、車聯(lián)網(wǎng)等，共同推動(dòng)高速公路智能交通系統(tǒng)的發(fā)展。

此外，隨著5G、物聯(lián)網(wǎng)等新一代信息技術(shù)的快速發(fā)展，高速公路智能車輛監(jiān)控系統(tǒng)將面臨更多的發(fā)展機(jī)遇和挑戰(zhàn)。未來(lái)系統(tǒng)需要更加注重?cái)?shù)據(jù)的融合與分析，提升智能化水平，為交通管理部門提供更加全面、精準(zhǔn)的決策支持。

參考文獻(xiàn)

［1］陳霧陽(yáng).基于云邊端架構(gòu)的視頻流車輛智能分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［D］.武漢：華中科技大學(xué)，2022.

［2］李 博.高速公路客運(yùn)及危險(xiǎn)品運(yùn)輸車輛運(yùn)行監(jiān)控系統(tǒng)研究［D］.西安：長(zhǎng)安大學(xué)，2014.

［3］瞿龍俊.基于HBase的交通流數(shù)據(jù)實(shí)時(shí)存儲(chǔ)與查詢優(yōu)化方案的設(shè)計(jì)與實(shí)現(xiàn)［D］.鎮(zhèn)江：江蘇大學(xué)，2017.

收稿日期：2024-03-09

作者簡(jiǎn)介：顏曉鳳（1984—），碩士，高級(jí)工程師，主要從事智能交通與信息化工作。