智慧高速路側感知

 一、方案背景
1、現狀描述
       據交通運輸部發布的《2019年交通運輸行業發展統計公報》指出，2019年全年高速公路建設完成投資 11504億元，增長15.4%，高速公路里程 14.96萬公里，增加0.70萬公里。隨著高速公路里程的迅猛增長，在方便人民群眾出行、促進經濟社會快速發展的同時，也產生了諸多問題。如車輛超速、實線變道、未保持安全車距、非緊急情況停車、交通擁堵、匝道倒車等現象屢禁不止，由此引發的交通事故和人員傷亡數量居高不下，嚴重威脅著人民的生命財產安全。
       隨著我國交通強國戰略實施，交通領域改革進展迅速，省際收費站撤除、ETC推廣、入口稱重政策實施等新形勢新情況給高速公路交通管理帶來了新的挑戰、提出了新要求，迫切需要轉變理念、創新方式、改進措施，解決好現行管理工作與現代交通運輸需要間存在的不平衡、不適應問題。
       通過本方案建設，期望推動大數據、人工智能、物聯網等創新技術與交通行業的深度融合，推進數據資源賦能交通發展，促進交通基礎設施網、運輸服務網、能源網與信息網絡融合發展，從而構建泛在先進的交通信息基礎設施。
2、需求分析
       智慧化高速公路,無論是服務于自動駕駛新技術,還是作為常規的交通服務基礎設施,首先強調的必然是“精細化”、“實時性”、“全天候”、“無盲點”等特征,對于道路上的傳感設備也會提出同樣的需求，具體分析如下：
（1）路面信息全天感知
       我國高速公路普遍具備里程長、岔口多、流量大等特征，在不同地區受當地自然環境和經濟發展制約，部分路段還具備橋隧密集、氣候復雜、彎道多、下坡長、服務區間隔遠等特點，這給交管部門對路面交通運行狀況的信息采集帶來了極大難度，尤其在一些地處偏僻的事故高發路段，僅僅依靠傳統的檢測手段無法保證全天候全時段掌握路面的車流量、平均車速、擁堵程度、異常事件等，亟需采用更為先進的路側感知技術對過往車輛進行數據采集與事件預警。
（2）交通事故檢測預警       
       高速公路上的不文明駕駛行為是導致重大交通事故的主要原因，常見的高速公路違法行為如下：超速駕駛、應急車道超車、應急車道停車、慢車占據快車道、右側超車、匝道口停車滯留、高速出口倒車等。需借助更為敏銳的路側感知設備對危險駕駛行為及其引發的交通事故提前預警，并聯動電子警察系統對違法行為實時取證，通過處罰與教育相結合的方式規范駕駛人員的駕駛行為，規避各種可能擾亂交通秩序的行為事件，營造安全暢通的出行環境。
（3）數據資源開放共享
       高速公路路側感知設備采集的數據應包括但不限于即時車速、行車方向、車輛位置、車流量、異常事件、車道占有率、車牌信息、車輛屬性等，并能將相關數據高度融合，相比傳統分散式數據，作為城市道路運行管理等基礎數據，數據更精準，使用價值更高。同時路側感知設備需支持靈活組網，可在安全合規前提下向多級管理部門開放共享數據，實現“數據多跑路、交通更暢行”的治理目標。
（4）面向未來保護投資
       現階段高速公路信息化建設的方向主要圍繞事故處置、違法取證、道路誘導、出行服務、不停車收費等領域展開，隨著自動駕駛、車路協同、物聯網、5G通信等技術的成熟運用，人民的出行需求也會越發豐富。高速公路的信息化建設應該立足當下，面向未來，依托新技術、新材料、新工藝、新設備，以打造“全天候安全保障、全方位出行服務、全數字運營維護、全壽命綠色建管”的智慧公路為設計理念，最大限度保護現有投資。
二、應用場景
1、交通信息采集
       交通信息收集系統利用安裝在道路上和車輛上的傳感器、攝像頭等設備進行交通流量、行車速度、管制信息、道路狀況、服務區、天氣等動態信息收集、處理和發布，是智慧高速公路的重要組成部分。交通信息收集系統的基礎是交通數據的采集，近些年隨著科技的進步，交通信息采集方式也趨于多樣化，在傳統的視頻傳感器、紅外傳感器和感應線圈基礎上，出現了以毫米波雷達為代表的新型采集方式。  
       毫米波雷達覆蓋范圍廣，受天氣和光線因素影響小，可全天候不間斷采集路面信息，雷達內置多目標跟蹤濾波算法，可直接輸出高精度高可靠的結構化數據。通過在中心部署信息處理分析系統，對雷達感知數據、視頻感知數據、氣象數據融合處理、綜合分析，借助路側廣播、短消息、公眾號、誘導屏、車載設備，實時向交通參與者提供道路交通信息、交通氣象信息、事故預警信息及出行相關的其他信息，同時交管部門也可依據收集到的交通信息對相關路段加強管制，優化道路通行條件，提高高速公路通行能力。
2、事故檢測預警
       基于雷達多目標跟蹤識別技術的高速公路智能事件檢測系統，主要是利用安裝在匝道口、隧道、橋梁等事故高發路段的毫米波雷達對交通情況進行實時感知，通過先進的雷達檢測算法及時發現、上報特定的交通事件，幫助管理人員快速識別道路異常情況并及時處理，使道路盡快恢復通暢。
       高速公路匝道匯入口通常車流量較大，由于存在視覺盲區，在車輛變道并入主線時容易發生剮蹭、追尾等事故；匝道匯出口則容易出現車輛連續變道、緊急剎車、甚至是導流區停車、倒車等危險駕駛行為。同樣由于感知盲區、肉眼視距限制等原因，隧道出入口、應急車道、急轉彎處等均是交通事故頻發路段。
       通過在上述路段部署毫米波雷達，能實時檢測車輛的速度、位置、流量等信息，及異常停車、緊急變道、車輛逆行、擁堵緩行等事件，并借助路側單元將異常數據及時反饋到高速公路事故預警平臺，支撐研判決策、風險防控、信息發布、事故處置等業務的開展，實現對事故的快速判別和科學處置，杜絕二次事故發生。
3、數據資源復用
       毫米波雷達具備分辨率高、指向性好、抗干擾能力強和探測性能好的獨特優勢，所采集輸出的數據不僅能夠滿足智能交通、無人駕駛領域的應用，在智慧城市的打造過程中也起著舉足輕重的作用。在“數據為王”的大數據時代，物聯網、云計算、大數據，移動互聯等技術在交通領域的發展和應用，將給智慧高速注入新的技術內涵。隨著大數據技術研究和人工智能，深度學習應用的深入，智慧高速在交通運行管理優化，面向車輛和出行者的智慧化服務等各方面，將為公眾提供更加敏捷、高效、綠色、安全的出行環境，創造更美好的生活。
       毫米波雷達可持續輸出豐富精準的交通流數據，具備開放的共享端口，兼容主流的通信協議，能夠與其他交通基礎數據深度融合共享，助推智慧城市大數據生態建設，通過對交通客流、出行通勤、重點區域實時交通狀況等重要交通場景下的大數據分析，提供覆蓋交通管理、決策、服務等方面的全方位交通優化方案。
4、路側全息感知
       隨著智能網聯車的發展，如何提高智能網聯車環境感知能力成為當下研究的熱點和難點。現在的研究主要集中在：通過車載端的多傳感器融合來提高智能網聯車的環境感知能力，但由于車載傳感器安裝高度的限制以及車輛行駛過程中出現顛簸或者在坡道行駛時，對傳感器的識別精度以及識別范圍具有很大的影響，路側交通信息采集裝置則可以彌補這一空白，從整體路網角度為智能網聯車提供更加豐富的感知信息，并且以激光雷達為代表的車端傳感器價格較高，通過以毫米波雷達為代表的路側信息采集裝置向智能網聯車提供路況信息可以有效降低智能網聯車成本。
       未來的智慧高速應具備L3級別以上自動駕駛所需的車路協同環境，不僅能滿足高速公路運營、監管及用戶出行信息服務的需求，還要滿足智能網聯汽車的規模化運行。通過在路側部署雷達、攝像頭等智能感知設備，顯示屏、警示燈等信息發布設備，路側單元（RSU）等通信設備，及對上述信息進行分析計算和指令下發的邊緣計算服務器，從而根據實時局部信息快速分析計算并將結果反饋給周邊車輛，比如危險路況避讓、交通事故預警。若需要匯總全局信息，邊緣云將局部信息上報給中心云，由中心云計算決定是否追加下發，同時協助中心云繪制出整體交通態勢圖。
三、優勢亮點
       毫米波雷達作為智慧高速交路側感知傳感器，相比地磁、超聲波傳感器、視頻流傳感器、激光雷達等有其不可比擬的優勢，主要體現在如下幾個方面：
1、全天候全時段
       毫米波雷達波束窄而具備高精細細節分辨的能力，相比激光其傳播特征受氣候影響小，整機支持IP67防護等級，無論是霧霾、暴雨、大風等極端天氣，還是光線不佳的各種路段，均能正常工作，受環境因素影響小。
2、高精度抗干擾
       毫米波雷達波束為毫弧度量級，具備波束窄、方向性好、多普勒帶寬高等特點，測速精度0.1m/s，測角精度0.1°，車流量和平均車速檢測準確率98%以上，同時具備較強的抗電子干擾、雜波干擾和多徑反射干擾能力，適用于道路機電設施復雜的路況環境。
3、高分辨多目標
       在雷達圖像中，當兩個目標位于同一方位角且速度一致，但與雷達的距離不同時，二者被雷達區分出來的最小距離是距離分辨率。同理，雷達在角度和速度上區分鄰近目標的能力，可分別用角度分辨率和速度分辨率來表示。毫米波雷達采用先進的線性調頻技術和信號處理算法，距離分辨率可達1.49m（車輛）和0.32m(行人)，角度分辨率可達1.6°（車輛）和5.5°（行人），速度分辨率可達0.1m/s，均處于業內領先地位。毫米波雷達還采用獨特的多目標跟蹤技術，最大可同時對272個交通目標實時跟蹤。
4、易維護低功耗
       毫米波雷達可安裝在信號燈或者電子警察桿件上，施工簡單，無需破壞路面，調試方便，非專業技術人員也能短時間內掌握調試方法；毫米波雷達可直接輸出結構化數據，無需額外部署前端工控機或者中心服務器，維護成本低。
       毫米波雷達采用高效能處理芯片和自散熱的結構設計，從根本上降低產品的峰值功耗，平均用電功耗低至3W，大大節約了電力資源。
5、多數據低延時
       毫米波雷達基于對目標的距離、速度、方位角基礎數據的采集分析，可輸出豐富的數據類型，包括車輛速度、位置、方向等即時數據，車流量、平均速度、占有率、車頭時距、排隊時長等統計數據，車輛逆行、擁堵、排隊溢出、超速、加塞、異常停車等事件數據，所有數據的信處、點云、凝聚、成像過程均在雷達中完成，輸出即為結構化數據，且每隔50ms就檢測一次，數據延時可忽略不計，從而為不同應用場景提高效可靠的數據支撐。