摘 要：針對單一雷達的探測和跟蹤能力有限，無法全面滿足高速公路全路段車輛的全流程跟蹤需求問題，文章提出了一種智能交通雷達融合跟蹤系統(tǒng)設(shè)計方案。該方案的核心是利用道路側(cè)多個獨立探測的雷達數(shù)據(jù)，通過應(yīng)用統(tǒng)計信號處理和機器學(xué)習(xí)等先進技術(shù)，對高速公路全路段車輛進行全流程融合跟蹤。其中，統(tǒng)計信號處理技術(shù)能夠有效處理雷達數(shù)據(jù)中的噪聲和干擾，提高數(shù)據(jù)的準確性；機器學(xué)習(xí)技術(shù)則能夠?qū)?shù)據(jù)進行深度挖掘，從而對車輛的行為進行準確預(yù)測。研究表明，該系統(tǒng)可以有效地實現(xiàn)車輛全流程軌跡跟蹤，可以為數(shù)字孿生、智慧高速云控平臺等上層信息系統(tǒng)提供可靠的感知數(shù)據(jù)基礎(chǔ)，推動智慧高速公路的建設(shè)和發(fā)展。

關(guān)鍵詞：智慧交通；雷達；數(shù)據(jù)融合

中圖分類號：U495

0 引言

雷達是一種利用無線電波進行距離、速度和方向測量的設(shè)備，具有全天時全天候的特性，無論是雨天、雪天，還是夜晚，雷達都可以正常工作，提供準確的數(shù)據(jù)。在智慧高速公路建設(shè)中，雷達技術(shù)可以實現(xiàn)對車輛的精確檢測和跟蹤，為智能交通管理系統(tǒng)提供可靠的數(shù)據(jù)支持。通過雷達技術(shù)，可以實時了解道路上的車輛情況，為交通指揮和調(diào)度提供依據(jù)，為交通應(yīng)急事件處置提供更多參考［1］。

然而，單一雷達的探測和跟蹤能力有限，無法全面滿足高速公路全路段車輛的全流程跟蹤需求。為了解決這一問題，文章將多雷達融合跟蹤系統(tǒng)應(yīng)用到智慧交通中。多雷達融合跟蹤系統(tǒng)通過整合多個雷達的數(shù)據(jù)，可以實現(xiàn)對高速公路全路段車輛進行全流程融合跟蹤，從而提高交通車輛監(jiān)控的準確性和效率。

1 技術(shù)應(yīng)用環(huán)境與主要技術(shù)難點分析

廣西地區(qū)以丘陵地形為主，地勢起伏多且復(fù)雜，地貌特點決定了在高速公路的建設(shè)中需大量采用隧道來穿越地勢復(fù)雜的區(qū)域。由于隧道具有一定的封閉性，當出現(xiàn)車輛碰撞、火災(zāi)、煙霧等特殊情況時，極易產(chǎn)生重大交通安全事故，因此隧道的行車安全管控是高速公路日常管理的重中之重。本文研究的系統(tǒng)以廣西信梧高速公路爽沖隧道作為實驗場所，該隧道全長約1 500 m，雙向各一洞，每洞兩車道，于2022年11月通車以來車流量較多，是系統(tǒng)應(yīng)用的重點場景和絕佳實驗場所。然而，在隧道環(huán)境中應(yīng)用雷達技術(shù)時，存在一些技術(shù)難點。本節(jié)將討論這些難點，并探討如何解決這些問題。

（1）在隧道中，由于環(huán)境的封閉性，雷達的信號傳播環(huán)境與開闊空間相比發(fā)生了很大的變化。信號在傳播過程中會受到各種干擾，如反射、折射和散射等。這些干擾會導(dǎo)致雷達的測量結(jié)果出現(xiàn)偏離誤差。為了減小這種誤差，可以通過對雷達輸出的車輛點跡數(shù)據(jù)應(yīng)用卡爾曼濾波信號處理技術(shù)來實現(xiàn)，這提升了雷達的抗干擾能力。

（2）在雷達檢測中，大型車輛可能會被分成多個目標。這是因為雷達的分辨率有限，無法準確地識別出大型車輛的整體形狀，從而將占據(jù)多個分辨單元的大目標識別為多個小目標。另外，由于隧道壁的鏡像反射效應(yīng)，大型車輛的回波也很強，經(jīng)過鏡像反射后也會形成分裂的假目標。

（3）在實際應(yīng)用中，需要將來自多個雷達的數(shù)據(jù)進行配準，以便得到車輛的準確位置。在車輛即將駛出前一雷達的覆蓋范圍，同時駛?cè)牒笠焕走_的覆蓋范圍時，需要通過融合算法將屬于相同車輛的檢測結(jié)果關(guān)聯(lián)起來，形成類似“接力棒”式的探測方式。然而，由于雷達的定位精度有限，以及在隧道環(huán)境中可能存在的信號干擾等因素，同一時刻兩個雷達對同一目標的檢測定位結(jié)果存在系統(tǒng)誤差，如何將雷達輸出車輛坐標進行配準成為一個技術(shù)難點。

（4）經(jīng)過坐標系校準后的雷達數(shù)據(jù)，不同雷達對同一車輛的檢測數(shù)據(jù)坐標可以集中到真實值附近。但是由于噪聲造成的隨機誤差、目標照射視角不同和雷達掃描時間不同步等原因，兩雷達輸出坐標仍然存在隨機誤差，在隨機誤差無法消除、車輛較多、車距較近，存在超車變道等復(fù)雜車況下，仍能進行正確關(guān)聯(lián)，是另一個技術(shù)難點。

2 系統(tǒng)方案

在隧道環(huán)境中應(yīng)用雷達技術(shù)存在諸多技術(shù)難點。為解決這些問題，本文從提高雷達抗干擾能力、優(yōu)化目標識別算法和提高數(shù)據(jù)配準精度等方面入手，通過深入研究和技術(shù)創(chuàng)新，研究設(shè)計了一種雷達融合跟蹤系統(tǒng)。

本系統(tǒng)具體技術(shù)方案為，隧道右側(cè)壁部署雷達樁點，樁點間距約250 m，所有設(shè)備通過高速公路以太網(wǎng)連接至邊緣端Ubuntu服務(wù)器上，由服務(wù)程序運行所有跟蹤融合算法，再將結(jié)果上傳到運控平臺。算法程序基于C++語言實現(xiàn)，主體程序采用gstreamer開源流媒體框架編寫，以gstreamer插件的形式實現(xiàn)各個功能組件。主要實現(xiàn)的功能組件包括：雷達數(shù)據(jù)源接收模塊、軌跡濾波模塊、坐標變換模塊，數(shù)據(jù)融合模塊構(gòu)成。

2.1 數(shù)據(jù)源接收模塊

數(shù)據(jù)源接收模塊與雷達建立網(wǎng)絡(luò)連接，接收來自雷達輸出的檢測數(shù)據(jù)。雷達根據(jù)自身檢測時間間隔，定時向數(shù)據(jù)源發(fā)送數(shù)據(jù)包，典型的時間間隔為100 ms。數(shù)據(jù)包的類型既包含目標運動狀實時數(shù)據(jù)包，還有事件檢測數(shù)據(jù)包。事件檢測類型包括停車、逆行等。不同廠家雷達之間的數(shù)據(jù)輸出格式不同，數(shù)據(jù)源接收模塊可根據(jù)配置，適配多家雷達廠商，將數(shù)據(jù)格式轉(zhuǎn)換為系統(tǒng)內(nèi)部統(tǒng)一格式。

2.2 軌跡濾波模塊

在軌跡濾波模塊，使用卡爾曼濾波算法對雷達輸出的各個目標軌跡數(shù)據(jù)進行優(yōu)化。為了簡化協(xié)方差矩陣的計算，使用α-β濾波器——一種具有恒定增益矩陣的卡爾曼濾波器變種算法。為了適應(yīng)不同的車況和道路形狀，建立了勻速直線運動、勻加速直線運動、曲線運動等多種運動模型，從而大大提升了原始雷達輸出軌跡的質(zhì)量。為了處理目標分裂的問題，通過對各個雷達覆蓋路段的大量統(tǒng)計數(shù)據(jù)研究，總結(jié)了各路段大概率出現(xiàn)分裂目標的距離范圍，對高頻分裂區(qū)域采取更為嚴格的軌跡確認標準。

2.3 坐標變換模塊

坐標變換模塊主要完成各雷達輸出數(shù)據(jù)的局部坐標系到全局坐標系的轉(zhuǎn)換。每一個雷達數(shù)據(jù)點包含目標的x軸和y軸坐標，對該坐標矢量乘以旋轉(zhuǎn)矩陣和偏移量，完成局部坐標系到全局坐標系的轉(zhuǎn)換。對每一個雷達，需要確定旋轉(zhuǎn)角以及坐標偏移量三個參數(shù)。由于隧道的特殊環(huán)境，無法完成對每一個雷達相對位置的高精度定位，利用過往車量的記錄數(shù)據(jù)，通過機器學(xué)習(xí)的算法確定每個雷達的坐標變換系數(shù)［2］。通過學(xué)習(xí)算法，可以將坐標配準平均誤差減少到3 m。這一結(jié)果已經(jīng)與普通車輛的尺寸相當，為軌跡關(guān)聯(lián)算法的執(zhí)行提供了有效的數(shù)據(jù)支撐。

2.4 軌跡關(guān)聯(lián)模塊

軌跡關(guān)聯(lián)模塊需要將不同雷達對于同一輛車的檢測數(shù)據(jù)關(guān)聯(lián)在一起，實現(xiàn)全流程的跟蹤。為了能夠正確完成關(guān)聯(lián)，需要對比兩組屬于不同雷達的軌跡之間的相似程度。對于一對軌跡，使用時間最接近的數(shù)據(jù)點間的狀態(tài)的均方誤差作為相似程度度量，對軌跡進行兩兩配對計算相似度，再對配對結(jié)果進行排序，按照相似度的高低決定關(guān)聯(lián)結(jié)果。由于雷達測量原理的原因，對目標檢測點的不同狀態(tài)的量綱、誤差大小不同，這意味著不同的狀態(tài)分量的估計誤差應(yīng)該對最終決策產(chǎn)生不一樣的影響。為了權(quán)衡不同分量的重要性，分析雷達的歷史記錄數(shù)據(jù)，統(tǒng)計出了各個狀態(tài)估計誤差的方差，利用方差的倒數(shù)作為權(quán)重，對不同分量的誤差進行加權(quán)，得到相似度［3］。

2.5 云控平臺系統(tǒng)

上述模塊均部署在雷達數(shù)據(jù)處理服務(wù)器上，軌跡數(shù)據(jù)融合后，將融合結(jié)果通過消息隊列發(fā)送到云控平臺服務(wù)器。云控平臺完成數(shù)據(jù)車輛跟蹤軌跡的可視化顯示，并完成停車、逆行等檢測事件的記錄、上報等功能。

3 應(yīng)用效果

軌跡數(shù)據(jù)的最終融合效果可視化圖像如圖2所示，圖中為兩輛行駛在兩個獨立車道的車輛軌跡，分別由6個雷達的獨立軌跡融合關(guān)聯(lián)而成。圖3是未采用機器學(xué)習(xí)方法，僅采用粗略原始定位數(shù)據(jù)進行坐標變換的效果。由圖3可知，原矯正方法兩車道車輛軌跡混疊問題嚴重，融合段軌跡誤差較大，采用機器學(xué)習(xí)方法后，兩車軌跡可以清晰地區(qū)分開來。定量數(shù)據(jù)統(tǒng)計顯示，融合的軌跡的均方誤差可從11 m降低到3 m。

云控平臺上展示效果如圖4所示。圖中顯示兩輛正常行駛的貨車在隧道中的實時位置。

4 結(jié)語

本文研究了一種智慧雷達融合跟蹤系統(tǒng)，其由雷達數(shù)據(jù)源接收模塊、軌跡濾波模塊、坐標變換模塊、軌跡關(guān)

聯(lián)模塊等組成，該系統(tǒng)應(yīng)用了機器學(xué)習(xí)方法優(yōu)化系統(tǒng)參數(shù)，取得了更為優(yōu)異的軌跡跟蹤效果。后續(xù)可針對結(jié)合視頻數(shù)據(jù)進一步優(yōu)化車輛軌跡跟蹤效果作進一步研究。

參考文獻：

［1］梁 璐，梁 杏，楊玉琳.基于雷達與視頻的高速公路數(shù)字孿生系統(tǒng)研究［J］.西部交通科技，2023（10）：1-7.

［2］何 友，修建娟，劉 瑜，等.雷達數(shù)據(jù)處理及其應(yīng)用［M］.北京：電子工業(yè)出版社，2022.

［3］梁文靜.交通雷達多目標跟蹤方法研究［D］.西安：西安電子科技大學(xué)，2021.20240403