基于高速公路全程监控的路况仿真技术探讨

曾宇凡

摘 要：高速公路交通系统仿真可以实现道路监控视频信息的高效利用，及时全面展示道路路况，还可以实现数据积累为智能交通管理提供科学依据。本文将对基予高速公路全程监控视频信息进行采集分析的路况仿真技术进行探讨，研究适合于高速公路的交通仿真系统的数据采集技术、仿真系统架构、智能分析技术。

关键词：全程监控;信息采集;仿真系统架构;智能分析

中图分类号：U495 文献标识码：A 文章编号：1671-2064（2019）04-0119-02

随着我国社会和经济的快速发展，近几年我国的高速公路通车里程有了飞速增长。十二五期间，全国高速公路里程从2010年的7.4万公里增长至2015年的12.4万公里，同时人们的生活水平不断地提高，汽车保有量、货物流通量均出现了大幅的增长，这就给我国高速公路带来了巨大的压力，带来了一系列的交通问题，例如高速交通事故发生数量不断增加，重大节假日期间高速公路的拥堵现象，城市周边环城路段的交通流量压力巨大等问题。现阶段采用智慧交通体系有效疏导公众的出行方式，精准管理关键路段关键时点的交通秩序成为最为有效的解决方法。智慧交通管理体系当中全程视频监控又是其中最直观、最及时的信息获取手段，为充分利用高速公路视频监控的优势提高智慧交通管理水平，本文主要就基于高速公路远程监控的仿真技术进行探讨。

1 高速公路全程监控现状

当前高速公路全程监控系统的作用已经得到论证[1]，主要可以实现以下几个作用：

（1）可以实时监测当前路况，全天候全时段记录路面视频信息，并且实时回传路面视频到监控中心，并与监控中心直观监控，同时能够及时对路面状况作出判断。（2）对高速公路上出现的意外情况、交通事故、自然灾害可以第一时间发现，并且能快速分析突发事件的初步原因，以及时制定应对措施，及时发布相关事故信息避免出现较大拥堵现象。（3）可以帮助交管部门加强治理高速公路上的一些违章行为，如超速、占用应急车道等，同时将通过高清画面和车牌识别等技术确定交通违章车辆和个人。（4）可以帮助高速公路运营管理部门加强逃费车辆的追查，分析嫌疑车辆的行车轨迹和行车规律，为收费打逃提供信息支持。

总之高速公路智能全程监控系统的建设，可以加强高速公路的规范性，促进高速公路更好的发展，为人民群众的出现提供了极大的便利。

基于上述的几点好处近几年全国多条高速公路均开展了智能监控系统的建设，高速公路全程监控的建设标准也从早期的模拟视频图像向高清数字图像逐步提高，随着网络带宽，信号传输设备，视频存储设备的不断升级高速公路视频监控已经能够实现前端摄像、传输、存储、浏览和显示的高清化[2]。近几年随着模式识别技术的发展，利用视频监控进行精准的事件监测、车流监测、能见度监测、烟火监测等已经能够实现。总体来看高速公路智能全程监控已经从“看得见”到“看得清”再到“看得懂”的方向上发展。当前由于互联网技术、大数据、云计算等新技术的发展，针对全程监控视频图像需要人为进行实时观测，图像数据存储量巨大只能简单的定期循环存储的问题，如果不对这些高清影像数据进行深度挖掘利用，不仅占用大量的存储资源，还造成巨大的信息资源浪费[3]。

所以当前对于高速公路智能全程监控又提出了新的要求，就是能够将监控视频中价值密度低、无效信息占比大的数据中提取出其中有意义的信息，并将这些信息整合分析展现出来。具体来说就是根据视频信息分析判断出路面状况，行车信息，人员信息，气象信息等并将这些路面信息进行整合不断积累，通过大数据分析技术综合分析高速公路状况并能够通过虚拟仿真技术将高速公路整体路况信息呈现出来，方便监控员能够实时掌握。

2 监控视频信息采集技术

视频监控图像数据源自高速公路全程监控设备拍摄的客观记录，其中的信息量十分巨大，也具有巨大的信息深度挖掘价值，因此从高速公路全程监控视频信息中提取具有意义的信息是一件很重要的工作。

根據道路交通工程学的需求，结合图像处理技术对于图像信息特征的提取能力，可以通过监控图像中提取的数据主要由以下几项：

（1）车辆数据，主要包括车辆位置、牌照、车型、车身颜色、车辆形状特征、车辆行驶速度、行驶方向、车辆车道数据、车内人员特征、车内物品特征等信息。（2）路面数据，主要包括车流数据、平均车速数据、路面平整度信息、路面物体信息、路面异常信息。（3）人员数据，主要包括车内人员脸部特征、性别特征、服饰特征、运动特征，还包括路上出现的行人的人员位置信息、人员脸部特征、性别特征、服饰特征、运动特征。（4）物体数据，主要包括物体摆放位置、物体特征、种类、类型、归属等。（5）异常事件数据，主要包括交通事故信息、自然灾害信息、车辆异常行驶信息、出现异常行人信息等。（6）统计数据，主要是将根据监控视频识别出来的信息进行统计分析，包括视域中的车辆数据、车内人员数据、出现路面行人的数据、车辆运行速度、横截面车流、路面占有率等。

针对视频运动目标的检测与识别可以采用的主流方法有光流法、帧间差分法和背景差分法。

光流法（Optical Flow）[4]的原理是对光流场进行估算进而实现运动目标的检测和分割。光流法检测运动目标的基本原理是图像中的每一个像素点都对应一个速度矢量，在运动的每一刻，二维图像上的点和三维物体上的点是一一对应的，这可以通过投影关系得到。每一个像素都对应一个速度矢量，整个图像就对应一个运动场，而根据各个像素点的速度矢量特征，可以对图像进行动态分析。

帧间差分（Temporal Difference）图像法[5]利用了图像序列相邻帧之间的强相关性，取相邻的图像序列作为参考图像，进行序列间的差分检验来确定运动的目标，是最简单的运动目标检测方法。

背景差分法（Background Subtraction）[6]是利用当前图像与背景图像的差分来检测出运动区域的一种技术，其基本思想是对于背景变化比较小或者缓慢的图像序列首先选取其中的一幅或几幅图像的平均作为背景图像，然后把以后的序列图像中的每一帧图像与背景图像相减，进行背景消去从而得到运动目标。

3 高速公路路况仿真系统架构

系统仿真是通过实验来分析求解问题的技术，通过仿真实验，可以了解复杂系统的内在联系和系统状态变化的全过程。在高速公路监控过程中需要采用仿真技术对公路车辆信息、路面信息、人员信息的内在联系和组成的复杂系统状态变化进行分析，形成数字化的分析结果，逐步积累数据。

本文设计的仿真系统架构主要分为四部分分别为：（1）监控数据采集/分类模块;（2）仿真控制模块;（3）仿真数据库模块;（4）仿真展示模块。其中数据采集/分类负责将视频数据进行数字化转换，输入仿真控制模块;仿真控制模块主要负责将采集到的数据结合仿真数据库中的历史数据生成仿真对象，根据同步时间控制数据更新频率生成OD矩阵;仿真展示模块主要负责将仿真对象和OD矩阵数据叠加到高速公路地图模型中生成仿真展示效果。

4 仿真系统智能分析技术

智能仿真分析系统需要从视频图像中提取的特征信息进行分析处理，当今主流的智能分析技术分别有模板匹配法、神经网络分类法、支持向量机分类等对视频图像进行智能分析的算法。

模板匹配，将待识别的图像与库中的模板逐一比较，看与哪一个模板最接近。判断接近程度的依据为两者之间的广义距离，如欧拉距离、Hausdorff距离等，距离越小，接近程度越高。另外还有相关度判据，即两者接近的程度。两者完全一致时，其相关度为100%。

神经网络分类法，神经网络是模拟人的神经感知机理建立的一种数学模型。该模型有输入端口和输出端口。输入量为一组待识别的数据，可以是经过归一化的图像或其特征参数;输出量为判断结果。为了使神经网络具有识别功能，使用前应对其进行训练，这类似于人经过学习后能判断事物。

支持向量机分类法，如前所述，一个待识别的目标可以由一组参数描述，这组参数称为一个向量。每个样板对应一个向量，影射为向量空间的一个点。支持向量机即要在此向量空间建立一个超平面，将这些点一分为二，使他们分别位于超平面的两侧，从而实现对样板图像的分类。实际识别时，计算出目标对应的向量，判定位于超平面的哪一侧，从而判定此目标属于哪一类。

5 结语

在文章中我们探讨了我国高速公路全程视频监控的发展现状以及采用智能分析技术对高速公路全程监控视频进行仿真模拟的意义。分析了智能仿真技术对全程监控的視频数据进行信息采集的数据需求和当前主流的视频运动目标的检测与识别技术。通过搭建高速公路路况仿真系统架构，采用高内聚低耦合的设计原则搭建起仿真系统的数据采集、分析、展示模块实现高速公路路况仿真展示，在关键的智能分析技术上本文列举了当今主流的智能分析技术对实现路况仿真的作用为下一步对仿真平台的实施提供理论参考。

参考文献

[1] 刘轰，王瑞，杨根成.高速公路智能全程监控系统及关键技术分析[J].交通运输研究，2011（8）：113-115.

[2] 高双槐.高清摄像机在高速公路全程监控的应用[J].中国交通信息产业，2008，（10）：85-96.

[3] 徐红海.智慧高速交通大数据应用探讨[J].中国交通信息产业，2018，（3）：80-81.

[4] 李乃安，欧阳宁，党明.实时目标检测与跟踪系统的设计与实现[J].激光与红外，2008，（38）：87-90.

[5] 甘明刚，陈杰，刘劲等.一种基于三帧差分和边缘检测的运动目标检测方法[J].电子与信息学报，2004，（32）：894-897.

[6] 郁梅，王圣男，蒋刚毅.复杂交通场景中的车辆检测与跟踪新方法[J].光电工程，2005，（32）：67-70.