基于视频的高速公路匝道交通管控技术研究

杨卓敏 张森 郭恩强

摘 要：高速公路匝道口是事故多发地带，而出口匝道及附近路段更是高頻事故点。研究表明，车速变化、车道变窄、车辆变道、车辆交汇等因素是造成交通违法和交通事件（尤其是重大交通事故）的主要原因。基于高速公路匝道交通视频管控技术，本研究以人工智能技术改造和利用现有匝道监控视频，从而科学实现高速公路匝道及附近路段交通管控的实践目标。

关键词：高速公路;匝道;视频;交通管控

中图分类号：U491.54文献标识码：A文章编号：1003-5168（2021）14-0098-03

Abstract： Expressway ramp junctions are accident-prone areas， while exit ramps and nearby sections are even more frequent accident points. Studies have shown that factors such as speed changes， lane narrowing， vehicle lane changes， and vehicle intersections are the main reasons for traffic violations and traffic incidents （especially major traffic accidents）. Based on the highway ramp traffic video management and control technology， this research uses artificial intelligence technology to transform and use the existing ramp monitoring video， so as to scientifically realize the practical goal of highway ramp and nearby road traffic management and control.

Keywords： expressway;ramp;video;traffic control

高速公路匝道口特别是出口匝道及附近路段，由于车速变化、车道变窄、车辆变道、车辆交汇等多方诱因集聚，成为发生各类交通违法和交通事件的集中点，继而导致重大交通事故频繁发生。据不完全统计，高速公路匝道及附近道路事故占比接近事故总数的一半。

高速公路匝道处，视频监控密布。目前，我国高速公路交通管控方面，受成本限制，高速公路上电子警察和事件检测设备总量不多，无法满足高速公路匝道交通全面管控的需要。但是，高速公路视频监控设备部署数量庞大，平均达到每2 km 1处，而且高速公路匝道及附近路段是视频监控设备最密集的区域，接近于视频全覆盖。据此，我国的高速公路匝道管控完全有可能实现以视频为基础的交通管控。本文提出基于视频的高速公路匝道交通管控技术，研究以人工智能技术改造和利用现有匝道监控视频，实现高速公路匝道及附近路段交通管控。

1 高速事故特征

其一，国内高速公路事故类型中，直接财产损失和重大事故占总数的比重大。根据公安交通部门统计数据，2018年全国共发生道路交通事故244 937起，其中，高速公路事故有9 243起，占比为3.77%;死亡事故有63 197起，高速公路有5 336起，占比为8.44%，直接财产损失占比为32.11%;5起10人以上重大事故中高速公路发生2起，占比为40%。

其二，高速公路事故起数虽然不高，但造成的人员财产损失巨大。在所有高速公路事故中，匝道附近事故最为常见。2018年上半年，南京交管部门统计发现，高速上50%以上事故发生在匝道口。对陕西某高速公路上2007年10月至2009年7月发生的高速公路事故统计也表明，出口匝道事故占比达40%左右。

另外，这一现象并非中国特有，国外也发生频繁，如美国。统计指出，在不到高速公路总里程5%的路段（立交或匝道），发生的事故数却占高速事故总数的18%，致伤事故占17%，致死事故占11%;83%的立交事故发生于高速公路的出入口，其中，有一半的事故发生于出口匝道上，36%发生于入口匝道上，16%发生于两条高速公路的相连路段[1]。

2 拓展视频技术，加强匝道交通视频管控

高速公路匝道管控的关键就是交通违法行为的管控。高速公路出口匝道的运行特征较为特殊，传统研究因缺少清晰的数据来源，在定量分析方面依然存在不足[2]。交通违法行为的智能识别和定性成为交通管控的重中之重。如果通过视频识别，可以科学准确地实现高速公路行车的规范化，充分达到约束交通违法行为、降低匝道高频事故发生率的目标，那么目前国内高速公路匝道事故多发的现象就会得到简单有效的遏制。

其一，通过视频发现与取证“五类违法”具有可行性。2020年，公安部交通管理局提出，严管严查易扰乱秩序交通违法，紧盯违法占用应急车道、强行连续变道、货车违法占道、违法倒车、逆向行驶等“五类违法”。其中，违法倒车、逆向行驶、强行连续变道和占用应急车道均为匝道口及附近道路多发违法行为。该五类重点违法行为不涉及测量与标定，均可以通过视频发现与取证。

其二，“五类违法”中强行连续变道识别难度大，急需视频技术支持。如表1所示，2019年全国高速公路违法数据反映了两个主要问题：一是“五类违法”发生量大，其视频发现与取证确实非常重要，经计算，五类违法共处罚742 650次，占非超速类高速公路违法的18.5%;二是“五类违法”现有查处能力集中于占用应急车道和货车违法占道，对于强行连续变道等发现与处罚的能力较弱，当前急需发展相关视频识别技术。

其三，常见违法行为亦需要采用视频识别技术来识别。除五类重点违法之外，匝道口及附近路段还有其他5种常见违法行为也适合采用视频识别技术，包括压导流线、实线变道（压白实线）、违法超车、违停、不打转向灯。

根据表1计算可得，2019年全國高速公路违法数据中，这5种常见违法行为共处罚1 762 880次，占高速公路非限速类违法的43.91%，比五类重点违法行为占比更高，说明这5种常见违法行为识别手段较为成熟，新研发的基于视频的匝道交通管控系统必须支持这5种常见违法行为的识别与取证，才能够整合和替代现有分散高速公路违法识别系统。

由表1可知，以上10种违法行为共处罚了2 505 530次，占非限速类高速公路违法的62.41%。

纵观以上数据，高速公路交通管控在五类重点违法行为方面已经有相当成熟的体制，而五类常见违法行为识别还亟待进一步改进和整合。因此，高速公路匝道交通管控应紧紧围绕上述10种违法行为，重点发展强行连续变道、违法超车等违法行为识别技术，吸收与强化压导流线、实线变道、违停、不打转向灯等成熟的视频识别技术，对强制换道车辆与目标车道进行分析，然后基于总体效益，对车道协同换道轨迹进行优化研究。结合航拍视频中车辆换道的轨迹拟合结果，对协同换道进行轨迹规划，提升高速公路匝道交通违法非现场查处能力[2]。

3 做好匝道交通视频管控，促进事件识别和预警

高速公路匝道安全管控有利于全方位监督和管控安全。匝道交通违法行为的识别与取证主要起到事后监督的作用，对于高速公路匝道安全管控，更重要的是基于交通事件的管控，核心就是交通事件的识别与预警。

提前警示高速路况，有利于降低高速公路交通事件的发生率。密布于高速公路沿线的监控摄像机电设备所记录的交通监控视频包含了丰富的能见度信息，为高速公路能见度探测提供了新的思路[3]。高速公路交通事件分为三部分。一是交通违法行为，特别是对于号牌无法看清而无法取证的交通违法行为，作为交通事件发现与预警，由高速公路民警现场纠正或通过诱导屏、短信等警示，立竿见影地提高匝道区域的交通安全管控水平;二是事故和拥堵，保安全和保畅通是高速公路管控的两大永恒主题，因而事故与拥堵事件必须第一时间发现与预警;三是危险的迹象，拥堵与事故难以直接发现，通常需要通过速度骤减、车辆缓行等迹象发现，而行人上高速、跟车过近、恶劣天气等可能导致事故发生，这些相关事件的识别与预警具有重要意义。

4 合理运用视频优化技术，做好匝道交通视频管控

交通运输行业在当前社会中承担了重要的任务，除了提升公路运输的整体运输量与运输效率，运输单位还须将基础性的运输安全保障工作做好，以先进的技术手段来改进运输监管系统，综合运用视频监控系统与车辆定位技术，探索全新的公路运输管控手段[4]。视频监控系统在高速公路的应用中存在一系列问题，如数据分析设施不够完善、重点视频监控地段监管较为薄弱、视频监控设备在极端恶劣条件下很难发挥实效、设施运行稳定性不高、图像数据信息传送与存储很难保证稳定性等[5]。因此，有必要基于高速公路监控连续视频（球机或枪机），改进高速公路匝道交通管控技术。与传统的电子警察抓拍方式相比，基于视频的高速公路匝道交通管控方式有一些特别的技术难点。一是基于视频的违法取证困难，主要是可识别车辆号牌区域较小、快门太慢等;二是监控视频并非专用，使用中不断变化，存在场景适应的困难。结合具体问题，本文提出以下解决方案。

4.1 违法取证困难，采用后端识别方案

由于近大远小的基本成像规则，即使采用高分辨率摄像机（如900万的摄像机），也只能实现30～50 m范围内的车牌可见。远处场景大物体小，车牌看不清楚。而取景范围受高度、角度限制，调整焦距看到远处时，近处会被遮挡。因而，无论怎么调整摄像机设置，能同时支持违法识别和号牌识别的范围也非常有限。

高速公路违法取证一般采用枪球联动的方案解决这一问题，即由大视野的枪机发现识别违法，驱动球机抓拍号牌。但采用后端识别方案时，来不及驱动球机抓拍（高速车速过快，1～2 s即开过违法区域）。

此外，快门太慢、逆光等原因也会造成车辆号牌不清晰。为此，采取以下策略。一是大范围预警，小范围取证。在正常监控视野内，发现和识别各种违法行为，将其作为预警信息输出;将车牌可见范围对准违法密集区域（如导流线附近），争取尽可能取证违法行为。二是针对性的前端设备改造。采用高分辨率（400万～600万像素）、超宽动态（如120 dB）的监控球机。三是调整摄像机快门设置。采用较高快门，以牺牲图像流畅性为代价提高单帧清晰度。

4.2 场景适应困难，采取语义分割技术

目前，高速公路电子警察设备主要通过预先人工划线的方式，让算法认识场景，从而识别交通违法行为。但匝道及附近路段监控主要是球机，优点是通过控制云台和焦距增加监控范围，缺点是监控视野不固定，难以预先标注车道等基本元素。

解决方案是通过深度学习语义分割技术（见图1），经过大量样本训练，识别高速公路标志标线，分割车道等不同区域，从而由算法自行理解场景。当球机监控范围发生变化时，算法可以再次识别场景，自行理解新的场景，从而实现场景自适应。

5 结论

根据本文描述的方法，技术人员研发了匝道识别预警系统，其试用效果显著。目前，该系统已在江苏、湖北、海南等多个高速公路公安交通管理部门试用，在不显著增加前端设备成本的前提下，通过后端算法，充分利用现有高速公路监控视频，实现了高速公路匝道区域交通违法非现场处置、交通事件应急处置、匝道交通拥堵秩序管控等业务应用，取得了一定的效果。

参考文献：

[1]程飞，郭唐仪，白泉.美国Florida州高速公路出口区域事故特征分析[J].中外公路，2015（5）：313-317.

[2]周昊.基于航拍视频的高速公路出口匝道货车运行特征及影响研究[D].南京：东南大学，2018：12.

[3]王金冕.基于监控视频分析的高速公路能见度检测与预警系统研究[D].西安：长安大学，2016：16-17.

[4]张铁东.车辆定位与视频监控系统在公路运输安全管理的应用[J].科学与财富，2019（2）：74.

[5]翟娜.视频监控系统在高速公路中的应用[J].交通世界，2018（12）：158-159.