智慧高速路侧感知

 一、方案背景
1、现状描述
       据交通运输部发布的《2019年交通运输行业发展统计公报》指出，2019年全年高速公路建设完成投资 11504亿元，增长15.4%，高速公路里程 14.96万公里，增加0.70万公里。随着高速公路里程的迅猛增长，在方便人民群众出行、促进经济社会快速发展的同时，也产生了诸多问题。如车辆超速、实线变道、未保持安全车距、非紧急情况停车、交通拥堵、匝道倒车等现象屡禁不止，由此引发的交通事故和人员伤亡数量居高不下，严重威胁着人民的生命财产安全。
       随着我国交通强国战略实施，交通领域改革进展迅速，省际收费站撤除、ETC推广、入口称重政策实施等新形势新情况给高速公路交通管理带来了新的挑战、提出了新要求，迫切需要转变理念、创新方式、改进措施，解决好现行管理工作与现代交通运输需要间存在的不平衡、不适应问题。
       通过本方案建设，期望推动大数据、人工智能、物联网等创新技术与交通行业的深度融合，推进数据资源赋能交通发展，促进交通基础设施网、运输服务网、能源网与信息网络融合发展，从而构建泛在先进的交通信息基础设施。
2、需求分析
       智慧化高速公路,无论是服务于自动驾驶新技术,还是作为常规的交通服务基础设施,首先强调的必然是“精细化”、“实时性”、“全天候”、“无盲点”等特征,对于道路上的传感设备也会提出同样的需求，具体分析如下：
（1）路面信息全天感知
       我国高速公路普遍具备里程长、岔口多、流量大等特征，在不同地区受当地自然环境和经济发展制约，部分路段还具备桥隧密集、气候复杂、弯道多、下坡长、服务区间隔远等特点，这给交管部门对路面交通运行状况的信息采集带来了极大难度，尤其在一些地处偏僻的事故高发路段，仅仅依靠传统的检测手段无法保证全天候全时段掌握路面的车流量、平均车速、拥堵程度、异常事件等，亟需采用更为先进的路侧感知技术对过往车辆进行数据采集与事件预警。
（2）交通事故检测预警       
       高速公路上的不文明驾驶行为是导致重大交通事故的主要原因，常见的高速公路违法行为如下：超速驾驶、应急车道超车、应急车道停车、慢车占据快车道、右侧超车、匝道口停车滞留、高速出口倒车等。需借助更为敏锐的路侧感知设备对危险驾驶行为及其引发的交通事故提前预警，并联动电子警察系统对违法行为实时取证，通过处罚与教育相结合的方式规范驾驶人员的驾驶行为，规避各种可能扰乱交通秩序的行为事件，营造安全畅通的出行环境。
（3）数据资源开放共享
       高速公路路侧感知设备采集的数据应包括但不限于即时车速、行车方向、车辆位置、车流量、异常事件、车道占有率、车牌信息、车辆属性等，并能将相关数据高度融合，相比传统分散式数据，作为城市道路运行管理等基础数据，数据更精准，使用价值更高。同时路侧感知设备需支持灵活组网，可在安全合规前提下向多级管理部门开放共享数据，实现“数据多跑路、交通更畅行”的治理目标。
（4）面向未来保护投资
       现阶段高速公路信息化建设的方向主要围绕事故处置、违法取证、道路诱导、出行服务、不停车收费等领域展开，随着自动驾驶、车路协同、物联网、5G通信等技术的成熟运用，人民的出行需求也会越发丰富。高速公路的信息化建设应该立足当下，面向未来，依托新技术、新材料、新工艺、新设备，以打造“全天候安全保障、全方位出行服务、全数字运营维护、全寿命绿色建管”的智慧公路为设计理念，最大限度保护现有投资。
二、应用场景
1、交通信息采集
       交通信息收集系统利用安装在道路上和车辆上的传感器、摄像头等设备进行交通流量、行车速度、管制信息、道路状况、服务区、天气等动态信息收集、处理和发布，是智慧高速公路的重要组成部分。交通信息收集系统的基础是交通数据的采集，近些年随着科技的进步，交通信息采集方式也趋于多样化，在传统的视频传感器、红外传感器和感应线圈基础上，出现了以毫米波雷达为代表的新型采集方式。  
       毫米波雷达覆盖范围广，受天气和光线因素影响小，可全天候不间断采集路面信息，雷达内置多目标跟踪滤波算法，可直接输出高精度高可靠的结构化数据。通过在中心部署信息处理分析系统，对雷达感知数据、视频感知数据、气象数据融合处理、综合分析，借助路侧广播、短消息、公众号、诱导屏、车载设备，实时向交通参与者提供道路交通信息、交通气象信息、事故预警信息及出行相关的其他信息，同时交管部门也可依据收集到的交通信息对相关路段加强管制，优化道路通行条件，提高高速公路通行能力。
2、事故检测预警
       基于雷达多目标跟踪识别技术的高速公路智能事件检测系统，主要是利用安装在匝道口、隧道、桥梁等事故高发路段的毫米波雷达对交通情况进行实时感知，通过先进的雷达检测算法及时发现、上报特定的交通事件，帮助管理人员快速识别道路异常情况并及时处理，使道路尽快恢复通畅。
       高速公路匝道汇入口通常车流量较大，由于存在视觉盲区，在车辆变道并入主线时容易发生剐蹭、追尾等事故；匝道汇出口则容易出现车辆连续变道、紧急刹车、甚至是导流区停车、倒车等危险驾驶行为。同样由于感知盲区、肉眼视距限制等原因，隧道出入口、应急车道、急转弯处等均是交通事故频发路段。
       通过在上述路段部署毫米波雷达，能实时检测车辆的速度、位置、流量等信息，及异常停车、紧急变道、车辆逆行、拥堵缓行等事件，并借助路侧单元将异常数据及时反馈到高速公路事故预警平台，支撑研判决策、风险防控、信息发布、事故处置等业务的开展，实现对事故的快速判别和科学处置，杜绝二次事故发生。
3、数据资源复用
       毫米波雷达具备分辨率高、指向性好、抗干扰能力强和探测性能好的独特优势，所采集输出的数据不仅能够满足智能交通、无人驾驶领域的应用，在智慧城市的打造过程中也起着举足轻重的作用。在“数据为王”的大数据时代，物联网、云计算、大数据，移动互联等技术在交通领域的发展和应用，将给智慧高速注入新的技术内涵。随着大数据技术研究和人工智能，深度学习应用的深入，智慧高速在交通运行管理优化，面向车辆和出行者的智慧化服务等各方面，将为公众提供更加敏捷、高效、绿色、安全的出行环境，创造更美好的生活。
       毫米波雷达可持续输出丰富精准的交通流数据，具备开放的共享端口，兼容主流的通信协议，能够与其他交通基础数据深度融合共享，助推智慧城市大数据生态建设，通过对交通客流、出行通勤、重点区域实时交通状况等重要交通场景下的大数据分析，提供覆盖交通管理、决策、服务等方面的全方位交通优化方案。
4、路侧全息感知
       随着智能网联车的发展，如何提高智能网联车环境感知能力成为当下研究的热点和难点。现在的研究主要集中在：通过车载端的多传感器融合来提高智能网联车的环境感知能力，但由于车载传感器安装高度的限制以及车辆行驶过程中出现颠簸或者在坡道行驶时，对传感器的识别精度以及识别范围具有很大的影响，路侧交通信息采集装置则可以弥补这一空白，从整体路网角度为智能网联车提供更加丰富的感知信息，并且以激光雷达为代表的车端传感器价格较高，通过以毫米波雷达为代表的路侧信息采集装置向智能网联车提供路况信息可以有效降低智能网联车成本。
       未来的智慧高速应具备L3级别以上自动驾驶所需的车路协同环境，不仅能满足高速公路运营、监管及用户出行信息服务的需求，还要满足智能网联汽车的规模化运行。通过在路侧部署雷达、摄像头等智能感知设备，显示屏、警示灯等信息发布设备，路侧单元（RSU）等通信设备，及对上述信息进行分析计算和指令下发的边缘计算服务器，从而根据实时局部信息快速分析计算并将结果反馈给周边车辆，比如危险路况避让、交通事故预警。若需要汇总全局信息，边缘云将局部信息上报给中心云，由中心云计算决定是否追加下发，同时协助中心云绘制出整体交通态势图。
三、优势亮点
       毫米波雷达作为智慧高速交路侧感知传感器，相比地磁、超声波传感器、视频流传感器、激光雷达等有其不可比拟的优势，主要体现在如下几个方面：
1、全天候全时段
       毫米波雷达波束窄而具备高精细细节分辨的能力，相比激光其传播特征受气候影响小，整机支持IP67防护等级，无论是雾霾、暴雨、大风等极端天气，还是光线不佳的各种路段，均能正常工作，受环境因素影响小。
2、高精度抗干扰
       毫米波雷达波束为毫弧度量级，具备波束窄、方向性好、多普勒带宽高等特点，测速精度0.1m/s，测角精度0.1°，车流量和平均车速检测准确率98%以上，同时具备较强的抗电子干扰、杂波干扰和多径反射干扰能力，适用于道路机电设施复杂的路况环境。
3、高分辨多目标
       在雷达图像中，当两个目标位于同一方位角且速度一致，但与雷达的距离不同时，二者被雷达区分出来的最小距离是距离分辨率。同理，雷达在角度和速度上区分邻近目标的能力，可分别用角度分辨率和速度分辨率来表示。毫米波雷达采用先进的线性调频技术和信号处理算法，距离分辨率可达1.49m（车辆）和0.32m(行人)，角度分辨率可达1.6°（车辆）和5.5°（行人），速度分辨率可达0.1m/s，均处于业内领先地位。毫米波雷达还采用独特的多目标跟踪技术，最大可同时对272个交通目标实时跟踪。
4、易维护低功耗
       毫米波雷达可安装在信号灯或者电子警察杆件上，施工简单，无需破坏路面，调试方便，非专业技术人员也能短时间内掌握调试方法；毫米波雷达可直接输出结构化数据，无需额外部署前端工控机或者中心服务器，维护成本低。
       毫米波雷达采用高效能处理芯片和自散热的结构设计，从根本上降低产品的峰值功耗，平均用电功耗低至3W，大大节约了电力资源。
5、多数据低延时
       毫米波雷达基于对目标的距离、速度、方位角基础数据的采集分析，可输出丰富的数据类型，包括车辆速度、位置、方向等即时数据，车流量、平均速度、占有率、车头时距、排队时长等统计数据，车辆逆行、拥堵、排队溢出、超速、加塞、异常停车等事件数据，所有数据的信处、点云、凝聚、成像过程均在雷达中完成，输出即为结构化数据，且每隔50ms就检测一次，数据延时可忽略不计，从而为不同应用场景提高效可靠的数据支撑。