基于雷視融合的隧道數(shù)字化管控應(yīng)用

摘要：文章提出基于雷視融合的隧道數(shù)字化管控方案，通過充分發(fā)揮毫米波雷達(dá)和視頻攝像頭兩種主要感知終端的各自優(yōu)勢，結(jié)合高效的雷視融合算法，實現(xiàn)隧道內(nèi)車輛行為識別、交通事件檢測、異常信息感知能力的提升。同時，通過智慧高速云控平臺對多源交通傳感器數(shù)據(jù)充分整合，實現(xiàn)公路隧道實景化智能管控。該方案在提高公路隧道運營安全性、提高運營效率、優(yōu)化管理模式方面具有重要意義。

關(guān)鍵詞：雷視融合；數(shù)字化管控；隧道管理；云控平臺

中圖分類號：U491.1+16

0 引言

廣西高速公路里程逐年攀升，截至2023年12月已突破9 000 km，高速公路應(yīng)急救援與保暢工作的壓力不斷增大，高速公路上交通事故的高發(fā)態(tài)勢和應(yīng)急救援的低效率之間的矛盾日益突出［1］。高速公路隧道在運營管理中易成為管控盲區(qū)，導(dǎo)致特情發(fā)現(xiàn)慢、事件處置時間長，并容易引發(fā)二次事故，導(dǎo)致路網(wǎng)擁堵。隨著交通強國戰(zhàn)略的不斷深化，數(shù)字化技術(shù)在隧道管控中的應(yīng)用也越來越廣泛。雷視融合是一種新型的數(shù)字化技術(shù)，在隧道數(shù)字化管控中有著重要的應(yīng)用價值。本文將從隧道數(shù)字化管控的現(xiàn)狀和存在的問題入手，探討雷視融合在隧道數(shù)字化管控中的應(yīng)用及其優(yōu)勢，并與實際工程應(yīng)用中的其他管控手段相結(jié)合，為高速公路隧道的數(shù)字化管控提供參考和建議。

1 雷視融合技術(shù)的概念及特點

雷視融合技術(shù)是指將雷達(dá)和視覺傳感器相結(jié)合［2］，將雷達(dá)傳感器獲取的目標(biāo)物體信息和攝像頭傳感器獲取的目標(biāo)物體圖像信息進行融合，綜合二者的數(shù)據(jù)特點進行車輛精準(zhǔn)跟蹤［3］，從而獲取多維度、更精準(zhǔn)的目標(biāo)物體信息的一種技術(shù)。其優(yōu)勢主要表現(xiàn)在以下幾個方面：

（1）提高目標(biāo)物體檢測和識別的準(zhǔn)確性。雷達(dá)能夠獲取目標(biāo)物體的距離、速度等信息，但無法直接獲取目標(biāo)物體的形狀、顏色等視覺信息，而攝像頭則能夠提供此類視覺信息。雷視融合技術(shù)將兩種傳感器獲取的信息進行融合，可以大大提高目標(biāo)物體檢測和識別的準(zhǔn)確性［4］。

（2）提高目標(biāo)物體跟蹤的穩(wěn)定性。由于目標(biāo)物體在運動過程中可能會出現(xiàn)遮擋、姿態(tài)變化等情況，單一傳感器往往難以保證跟蹤目標(biāo)物體的穩(wěn)定性。而雷視融合技術(shù)將兩種傳感器獲取的信息進行融合，可以有效避免目標(biāo)丟失、分裂等問題，提高目標(biāo)物體跟蹤的穩(wěn)定性。

（3）提高系統(tǒng)在復(fù)雜環(huán)境中的適應(yīng)性。雷視融合技術(shù)不僅能夠在多種天氣和光線條件下正常工作，還能夠適應(yīng)不同類型的目標(biāo)物體和場景，提高系統(tǒng)的適應(yīng)性。

2 隧道數(shù)字化管控的現(xiàn)狀及問題

隧道作為一種特殊的道路形式，具有高度的封閉性和風(fēng)險性，隧道管控是交通安全管理中至關(guān)重要的一環(huán)。但傳統(tǒng)的隧道管控方式缺乏科學(xué)化、智能化的手段，在實際操作中，往往存在以下問題：

（1）缺乏準(zhǔn)確、有效的交通態(tài)勢感知方法。隧道內(nèi)部的車輛密集、行車速度快，一旦發(fā)生交通事故，極易引發(fā)二次事故，造成重大的經(jīng)濟損失和社會影響［5］。目前主要依靠視頻事件檢測、車檢器等設(shè)備進行感知，無法準(zhǔn)確掌握隧道內(nèi)部交通態(tài)勢，也難以在智慧隧道決策、管控以及仿真推演等方面進行聯(lián)動［6］。

（2）缺乏有效的隧道應(yīng)急預(yù)案。在面對隧道內(nèi)出現(xiàn)的突發(fā)情況時，沒有形成固定、有效的應(yīng)急預(yù)案，如應(yīng)急團隊成員及職責(zé)、疏散計劃、通信計劃、火災(zāi)控制措施、救援計劃等，同時也缺少定期的應(yīng)急演練，在緊急情況下難以達(dá)到良好的處置效果。

（3）缺乏與隧道外部的設(shè)備設(shè)施進行聯(lián)動疏導(dǎo)。隧道內(nèi)設(shè)備數(shù)量及設(shè)備種類較多，在實際運營管理中往往會將隧道管理作為一個獨立的模塊，未能與外場的可變情報板、語音喊話系統(tǒng)、公眾服務(wù)信息觸達(dá)等模塊進行聯(lián)動。

3 雷視融合在隧道數(shù)字化管控中的作用及優(yōu)勢

在隧道的數(shù)字化管控需求中，雷視融合主要應(yīng)用于以下幾個方面：

（1）提高隧道交通態(tài)勢感知的效率。雷達(dá)技術(shù)可以探測隧道內(nèi)的車輛、行人等物體的位置和移動軌跡，視頻監(jiān)控技術(shù)可以提供圖像和視頻資料以便對事件進行更加直觀地分析和判斷。雷視融合技術(shù)可結(jié)合兩者的技術(shù)特點，能夠在復(fù)雜環(huán)境中及時對異常行車軌跡進行研判，發(fā)現(xiàn)交通事故、拋灑物、火災(zāi)等情況，進而采取相應(yīng)的措施。

（2）提高隧道管控的效率。傳統(tǒng)的隧道管控方式主要依賴人工巡視和手動操作，效率低下且容易出現(xiàn)工作疏漏。而雷視融合技術(shù)可以實現(xiàn)對隧道內(nèi)部的全方位監(jiān)控和數(shù)據(jù)采集，聯(lián)動隧道管控的應(yīng)急預(yù)案，實現(xiàn)不同等級事件的自動化分發(fā)處置，提高交通運行及管控的效率。

（3）降低隧道管控的成本。通過引入雷視融合技術(shù)，可以減少人力巡視和手動操作的需求，減少事故損失和隱患，降低隧道運營的風(fēng)險成本。

4 方案設(shè)計

基于雷視融合的隧道數(shù)字化管控方案，其總體結(jié)構(gòu)如圖1所示。

4.1 方案總體架構(gòu)設(shè)計

方案主要分為五大部分，分別是前端的雷視感知設(shè)備、隧道感知設(shè)備、智慧高速云控平臺、外場設(shè)備、公眾服務(wù)。

雷視感知設(shè)備主要包括視頻攝像頭、毫米波雷達(dá)、車型檢測器、車牌檢測器等，負(fù)責(zé)提供過往車輛的車牌、車型、車速、方向角等基礎(chǔ)數(shù)據(jù)，并提供原始視頻流及雷視融合分析的事件告警推送數(shù)據(jù)。

隧道感知設(shè)備主要包括COVI、水位計、二氧化氮檢測器、風(fēng)速風(fēng)向檢測器等隧道內(nèi)的各類檢測設(shè)備，提供隧道內(nèi)的環(huán)境數(shù)據(jù)。

智慧高速云控平臺主要包括交通狀態(tài)監(jiān)測、實時視頻觀看、遠(yuǎn)端設(shè)備控制、應(yīng)急處置、預(yù)案管理、大數(shù)據(jù)分析等模塊，通過接收雷視感知設(shè)備與隧道感知設(shè)備的數(shù)據(jù)，并進行聯(lián)合分析、預(yù)案匹配，為管理者提供事件的全景展示及快速處置能力。

外場設(shè)備主要包括可變情報板、定向語音喊話系統(tǒng)、智能霧燈等路側(cè)設(shè)備，作為快速觸達(dá)事件周圍及事件上游司乘人員的路側(cè)設(shè)備渠道。

公眾服務(wù)主要包括微信公眾號、主流的導(dǎo)航APP等，作為觸達(dá)出行司乘人員的互聯(lián)網(wǎng)渠道。

五大部分通過數(shù)據(jù)流方式進行聯(lián)通，實現(xiàn)事件的精準(zhǔn)感知、告警提示、應(yīng)急處置、信息聯(lián)動的全生命周期管理。

4.2 數(shù)字化管控核心模塊設(shè)計

雷視感知數(shù)據(jù)融合模塊：雷達(dá)與視頻數(shù)據(jù)的融合采用后融合的技術(shù)方案，針對毫米波雷達(dá)和視頻分別進行目標(biāo)檢測，生成獨立的目標(biāo)檢測結(jié)果后再對結(jié)果進行融合?；诶走_(dá)結(jié)合視頻數(shù)據(jù)對目標(biāo)車輛進行識別，并進行全程跟蹤，輸出軌跡信息。

道路異常分析及上報模塊：對目標(biāo)的速度、方向角、距離及動態(tài)軌跡進行研判，識別出停車、變道、超速等異常告警，并將異常告警推送至云端。

異常告警處置模塊：根據(jù)異常告警的樁號、經(jīng)緯度及路段信息，自動匹配離告警點最近的攝像頭，為用戶展示異常告警信息及該點位的實時視頻。用戶確認(rèn)告警真實性后，自動匹配、觸發(fā)預(yù)案庫中該類型告警的應(yīng)急預(yù)案。

預(yù)案管理模塊：預(yù)案以路段、樁號、經(jīng)緯度、告警類型、告警等級為預(yù)案觸發(fā)條件，以通知相應(yīng)的運營管理人員，啟動各角色處置流程，關(guān)聯(lián)相應(yīng)的外場設(shè)備，自動匹配對應(yīng)設(shè)備的預(yù)置操作配置為預(yù)案執(zhí)行步驟。

外場設(shè)備聯(lián)動控制模塊：根據(jù)預(yù)案中配置的設(shè)備預(yù)置操作配置，自動對外場設(shè)備的啟停、顯示內(nèi)容、工作邏輯進行控制。

公眾信息發(fā)布模塊：根據(jù)告警類型、告警等級與預(yù)案配置內(nèi)容，將道路事件實時同步至微信公眾號、導(dǎo)航APP，為后續(xù)司乘出行提供參考。

4.3 試點工程實施及應(yīng)用

經(jīng)過對隧道內(nèi)車流量、原有攝像頭密度、隧道上下游外場設(shè)備數(shù)量等相關(guān)部署條件的比選，選取S74信梧高速的爽沖隧道作為基于雷視融合的隧道數(shù)字化管控方案的試點隧道。工程中主要進行了以下改造：

（1）加裝雷達(dá)設(shè)備。雷視感知數(shù)據(jù)由爽沖隧道內(nèi)的視頻攝像頭、毫米波雷達(dá)、隧道洞口的車型檢測器、車牌檢測器提供。隧道內(nèi)部原有的視頻攝像頭密度約為120 m/臺，對隧道內(nèi)的車流進行全程監(jiān)控。雷達(dá)采用350 m的定向毫米波雷達(dá)，雷達(dá)間的布設(shè)間距約200 m，預(yù)留150 m用于雷達(dá)接力。爽沖隧道全長約1.2 km，左右洞共計加裝毫米波雷達(dá)11套。

（2）加裝車牌及車型檢測器。隧道洞口頂部加裝車牌檢測器，隧道入口側(cè)部加裝車型檢測器。車輛進入隧道后，車型、車牌檢測器捕捉到車牌、車型信息，并與雷達(dá)目標(biāo)進行綁定。

（3）加裝雷視融合服務(wù)器。增加一臺雷視融合服務(wù)器，將爽沖隧道內(nèi)的11路雷達(dá)數(shù)據(jù)及10路視頻信號作為輸入，并部署雷視融合數(shù)據(jù)分析算法模型，對雷達(dá)及視頻數(shù)據(jù)進行融合分析，輸出道路異常告警及目標(biāo)軌跡數(shù)據(jù)信息。

（4）雷視感知數(shù)據(jù)接入云控平臺。云控平臺內(nèi)增加雷視異常告警類型，增加隧道應(yīng)急預(yù)案配置。

5 應(yīng)用效果分析及展望

本方案在S74信梧高速爽沖隧道內(nèi)進行試點應(yīng)用，根據(jù)實地運行測試，具體效果如下。

（1）硬件系統(tǒng)性能：毫米波雷達(dá)加裝在隧道洞壁內(nèi)，與視頻攝像頭、雷視融合服務(wù)器組成雷視融合感知系統(tǒng)。雷視融合系統(tǒng)最大探測距離＜350 m，目標(biāo)測速范圍±250 km/h，測速精度0.1 m/s，目標(biāo)方向角分辨率≤0.7°，方向角精度0.1°，支持根據(jù)雷達(dá)高精定位輸出目標(biāo)經(jīng)緯度。

（2）業(yè)務(wù)系統(tǒng)性能：雷視融合系統(tǒng)可輸出停車、超速、變道、行人等異常告警信息，告警信息輸出延時≤150 ms，目標(biāo)定位誤差≤0.3 m。告警信息與應(yīng)急預(yù)案自動匹配，支持一鍵關(guān)聯(lián)控制相關(guān)外場設(shè)備、發(fā)布預(yù)警信息。應(yīng)急預(yù)案匹配時間≤500 ms，預(yù)警信息發(fā)布時長≤1 s。

在實地運行中，本方案可實現(xiàn)隧道內(nèi)目標(biāo)的精準(zhǔn)感知、異常事件的實時捕獲，聯(lián)動隧道應(yīng)急預(yù)案進行交通流管控，提高隧道運營管理效率。未來，雷視融合系統(tǒng)仍需要在更多實地運行場景中不斷訓(xùn)練，提升復(fù)雜環(huán)境中的感知準(zhǔn)確率，并延伸出更多場景的應(yīng)用。

6 結(jié)語

針對隧道管控中交通事件難監(jiān)測、交通流不透明、應(yīng)急預(yù)案不完善、設(shè)備聯(lián)動難控制等問題，本文提出基于雷視融合的隧道數(shù)字化管控方案，并且結(jié)合實際工程對方案進行部署應(yīng)用。通過聯(lián)動前端的雷視感知設(shè)備與隧道感知設(shè)備，在智慧高速云控平臺中進行交通態(tài)勢分析與研判，并通過預(yù)置的應(yīng)急預(yù)案完成外場設(shè)備的半自動聯(lián)動控制、自動化推送道路事件信息至公眾服務(wù)平臺，形成感知、分析、處置、控制的隧道數(shù)字化管理閉環(huán)，形成便捷的事件感知與態(tài)勢監(jiān)測、協(xié)同合作和高效的事件處置流程，為高速公路隧道中環(huán)境和車輛的實時監(jiān)測、自動化分析和管理提供了強有力的支撐。

參考文獻

［1］韋 愷.智慧高速App在高速公路應(yīng)急救援中的應(yīng)用［J］.西部交通科技，2022（10）：187-189.

［2］陳 筱，朱向冰.人工智能技術(shù)在自動駕駛中的應(yīng)用［J］.汽車電器，2020（10）：4-5，10.

［3］陳 強.基于雷視融合的車輛跟蹤系統(tǒng)設(shè)計研究［J］.西部交通科技，2023（10）：206-207，217.

［4］陳 帥，尹 洋，楊全順.基于深度學(xué)習(xí)的無人機入侵檢測方法［J］.計算機系統(tǒng)應(yīng)用，2021，30（4）：32-38.

［5］高 飛.隧道智慧化管控系統(tǒng)關(guān)鍵技術(shù)探究［J］.中國交通信息化，2023（10）：95-97.

［6］陳冠宇.智慧隧道綜合管控系統(tǒng)分析［J］.運輸經(jīng)理世界，2023（14）：71-73.

收稿日期：2024-03-16

基金項目：廣西重點研發(fā)計劃項目“多源數(shù)據(jù)隧道交通智能監(jiān)測網(wǎng)絡(luò)建設(shè)關(guān)鍵技術(shù)研究”（編號：桂科AB23026120）；南寧市創(chuàng)新創(chuàng)業(yè)領(lǐng)軍人才“邕江計劃”項目“隧道交通智能全域?qū)崟r感知關(guān)鍵技術(shù)研發(fā)與應(yīng)用”（編號：2023008）；廣西重點研發(fā)計劃項目“基于人工智能的高速公路跨境服務(wù)成套技術(shù)研發(fā)及應(yīng)用”（編號：桂科AB22080039）

作者簡介：覃士蘅（1991—），碩士，工程師，主要從事智能交通系統(tǒng)研發(fā)與架構(gòu)設(shè)計工作。