一種結(jié)構(gòu)化道路建模方法

趙振國 朱海龍 劉靖宇 石曄瓊 尹啟天

摘要：在智能交通研究中，交通場景準確地仿真建模對于后期利用場景進行設(shè)計和算法的研究有著非常重要的影響。本文總結(jié)了交通建模的普遍特點，提出了一種結(jié)構(gòu)化的道路建模方法。該方法把實際交通場景映射到數(shù)學空間，使用函數(shù)表示交通場景，結(jié)合空間坐標實現(xiàn)道路場景的仿真建模。實驗結(jié)果顯示，可以使用該仿真環(huán)境獲取模擬監(jiān)控指標和目標數(shù)據(jù)，且數(shù)據(jù)分布合理，能夠較好的模擬實際場景。

關(guān)鍵詞：交通場景;仿真建模;智能交通;數(shù)據(jù)模擬

0引言

在智能交通系統(tǒng)的研究中，對于道路進行建模是非常重要的工作。在交通流預測、車輛行為預測、車輛行為檢測和監(jiān)控系統(tǒng)等研究領(lǐng)域有著十分廣泛的應(yīng)用。道路交通仿真是采用計算機數(shù)字模型反映復雜的道路和交通現(xiàn)象的交通分析技術(shù)和方法。針對道路的建模首先是使用衛(wèi)星遙感設(shè)備獲取道路的衛(wèi)星圖像，而后基于像素、區(qū)域或知識技術(shù)的組合，或者使用提取道路交叉點、線特征的方法對道路進行建模。在科學研究領(lǐng)域，對于道路的建模主要應(yīng)用在交通流控制和多目標追蹤研究等方面。

目前，國內(nèi)外對于道路仿真建模問題的方法有：基于車載LiDAR技術(shù)的道路建模方法。該方法使用專業(yè)車載設(shè)備進行實地空間測繪，在使用中限制條件較多：基于CAD、3DMax和GIS等軟件平臺的物理建模方法。該方法側(cè)重于三維模型的建立和實際空間的測繪，不適用于數(shù)據(jù)的仿真和算法的研究：色彩空間聚類方法，該方法較傳統(tǒng)灰度空間聚類方法有著更高的精度但忽略了車輛等較小的運動目標。且建模主要是為獲得較為準確的圖像模型。

本文使用結(jié)構(gòu)化建模思想提出了一種新的道路建模方法。結(jié)合實際道路的橫、縱方向的結(jié)構(gòu)化特征和道路車輛特征進行建模。把宏觀的道路模型抽象成結(jié)構(gòu)化的模型。使用函數(shù)模擬交通場景，建立車輛行駛路徑的精確軌跡方程與攝像機群組位置獲取動態(tài)模型，進而獲取模擬場景數(shù)據(jù)。實驗證明，該方法簡單準確，對于各種交通場景均有較好的實用性，建模中誤差較小，對于仿真實驗過程中的數(shù)據(jù)獲取和實驗實施有著較好的支持。

1 道路場景分析

實際的交通場景復雜程度高。交通場景的類型有：直線道路、十字路口、環(huán)島、彎道和丁字路口等。在研究過程中主要對環(huán)島交通場景進行分析。環(huán)島是交通節(jié)點的一種特殊的組成部分，主要應(yīng)用在數(shù)條道路的交匯處，是由環(huán)繞中心的原型組成的，結(jié)構(gòu)示意如圖1所示。多條道路所匯集的車輛駛?cè)氕h(huán)島后均需經(jīng)由環(huán)島之后選擇不同的道路駛出。

基于圖1所顯示的交通場景模型，對于車輛在環(huán)島處的行為特征進行詳細分析如下：

（1）軌跡分析。環(huán)島是由出入路口和圓形環(huán)路所組成。車輛進入后需要在圓形道路中沿指定方向行駛，車輛運動軌跡近似為圓形，所以車輛在環(huán)島中的行駛過程可以近似看作圓周運動。

（2）速度分析。由于其在規(guī)定的路徑內(nèi)行駛，且不會發(fā)生頻繁的超車、停車等操作，可認為車輛速度變化小于平均速度的百分之二十。

（3）拍攝角度分析。運動目標為近似的長方體形狀，在實際的監(jiān)控場景中所拍攝的圖片均為側(cè)邊圖片。所拍攝圖片的角度對于拍攝質(zhì)量有著較大的影響。

（4）拍攝距離分析。拍攝距離對于所拍攝的質(zhì)量有至關(guān)重要的影響，使用模型中設(shè)置的攝像頭與目標運動軌跡計算目標針對攝像頭的實時位置，并且在目標運動的過程中，對于其進行持續(xù)跟蹤與距離測量。

2 結(jié)構(gòu)化場景建模

結(jié)構(gòu)化場景建模過程主要包括：對于場景中所包含的目標的分析、針對結(jié)構(gòu)化場景進行建模和使用數(shù)學方法獲取仿真數(shù)據(jù)獲取。

2.1場景分析

場景分析主要分為：靜態(tài)目標分析、動態(tài)目標分析和目標作用分析。其中目標作用分析，是分析場景中擁有互相作用關(guān)系的目標組合，選取其中的關(guān)鍵目標作為場景的組成部分。分析方法流程如圖2所示。

場景要素分析見表1.靜態(tài)目標主要包括道路和綠植，道路是交通場景中最重要的組成部分，在模型中需要使用函數(shù)來確定道路的邊界和大小尺寸。綠植在交通場景中可以忽略。交通場景中的動態(tài)目標主要為車輛，尤其是在環(huán)島場景下，車輛是最主要的動態(tài)交通目標。在交通監(jiān)控場景中，攝像頭與車輛的關(guān)系是最重要的，也是主要的研究點?？梢酝ㄟ^對交通場景的仿真獲取攝像頭相對于車輛的監(jiān)控參數(shù)。

2.2 場景構(gòu)建

在對真實場景進行抽象后，將抽象模型變?yōu)橛嬎銠C中的數(shù)學模型需要進行建模過程。本場景仿真設(shè)置了3個PTZ攝像頭的環(huán)島交通場景，如圖3所示。圖中坐標位置為（0，0）、（200，0）、（200，200）的3個定點模擬預先安置的PTZ攝像頭;以（0，0）、（200，O）、（200，200）3個攝像頭原點為圓心的3個環(huán)形為PTZ攝像頭的最佳拍攝距離與移動角度組成的攝像區(qū)域：從坐標（0，100）起始的綠色的動點模仿從西側(cè)路口駛?cè)氕h(huán)島的車輛：定點攝像頭與車輛目標之間的連線為PTZ攝像頭的光心與車輛的連線，每隔0.5s進行一次數(shù)據(jù)提取。

在此結(jié)構(gòu)化模型中，定義攝像頭i和車輛目標j的連線與車輛目標j的側(cè)邊的角度為攝像頭拍攝角度為D_ij，攝像頭i與車輛目標j的距離為L_ij車輛目標為P_j，攝像頭目標為CA_i，目標車輛速度為V_i，定義時間為T_i，C（X_ij）為目標X_ij的坐標，即C（X_ij）=X_ij（m，n）。

2.3仿真數(shù)據(jù)獲取

假設(shè)在T_i時刻車輛目標P_i所在的位置坐標為（m，n），其運動軌跡為近似圓形軌跡方程為n=Cir（m），通過對其移動軌跡在其當前點進行微分，使用反三角函數(shù)可以得到其相對于橫坐標軸的角度DegL_ij，通過比較其位置與目標攝像頭的相對位置可以得到其相對于橫坐標軸的角度DegL_ij進而可以得到D_ij。令：

L_ij=ED[C（CA_i）-C（P_j）]，（1）

其中，方法ED（P₁，P₂）為求點P₁與點P₂之間的歐氏距離，通過計算兩個點之間的歐氏距離得到L_ij。運動軌跡方程為：

其中，a，b為軌跡圓的圓心坐標，r為運動圓的半徑。通過利用軌跡圓在點P_j處的微分得到當前斜率，而后根據(jù)斜率與運動方向及X軸夾角的關(guān)系計算出DegL_ij。

使用當前目標P_j位置與攝像頭CA_i之間的關(guān)系計算出DegL_ij

由X軸、目標點與攝像頭連線，目標點方向切線組成的三角形中的3個角為：D_ij、DegL_ij、DegR_ij利用之間的關(guān)系得到：

D_ij=180-DegL_ij-DegR_ij（5）

3 數(shù)據(jù)分析

通過對目標P_j;在環(huán)島運動過程中進行數(shù)據(jù)采集，得到整個實驗的數(shù)據(jù)。通過設(shè)置數(shù)據(jù)參數(shù)得到471組數(shù)據(jù)。包括多個攝像頭對于同一目標監(jiān)控的多個指標、角度和距離。如圖4、圖5所示。

特征數(shù)據(jù)分析：

（1）數(shù)據(jù)分布在合理區(qū)間內(nèi)。

（2）數(shù)據(jù)變化趨勢符合實際場景的趨勢。

（3）數(shù)據(jù)符合實際場景。

實驗生成的模擬數(shù)據(jù)，變化均勻且分布合理，成功地模擬了在同一時刻使用三組攝像頭對于同一目標跟蹤時的特征提取，獲得了三種數(shù)據(jù)，對未來所進行的算法研究提供了數(shù)據(jù)保障和實驗模型支撐。

4 結(jié)束語

本文利用結(jié)構(gòu)化建模方法，結(jié)合幾何與物理學原理，對于實際場景進行建模和仿真數(shù)據(jù)獲取。首先對實際場景進行抽象，創(chuàng)建模擬模型，然后利用結(jié)構(gòu)化場景建模創(chuàng)建數(shù)學模型，最后根據(jù)實際情況設(shè)計計算方法獲取模擬數(shù)據(jù)。實驗結(jié)果表明，該方法簡單明確，產(chǎn)生數(shù)據(jù)較為正確且誤差較小。