基于无人机的城市交通应急指挥系统设计

定美辰

（武汉交通职业学院 湖北 武汉 430000）

0 引言

为了最小化由交通事故等突发事件带来的道路通行问题[1]，《国家高速公路网规划》中对公路交通的技术、密度、载荷与行驶速度都作出了具体规划，以此为指导，对于城市交通突发事件对应的应急指挥管理也开始受到了越来越多的关注[2]。其中，周永明[3]将智慧交通融入高速公路综合应急指挥调度的研究之中，使得系统实现了快速指挥响应的功能，但是其在对路况进行分析阶段，缺乏实时性，导致指挥调度的合理性存在一定的提升空间。潘滨[4]通过对路况的情景分析进行细化分析，使得指挥系统实现了对城市轨道交通应急情况下车辆行驶路径的合理调度，但是系统对路况分析的时间开销相对较长，这在一定程度上影响了其实际应用效果。结合对上述研究内容的分析可以发现，城市交通应急指挥是一个涉及多功能需求的研究内容[5]，既要充分考虑实际路况的变化情况和可调度道路的运行情况，同时也要确保调度指挥工作的及时性[6]。

为此，本文将具有较高灵活性无人机应用到城市交通应急指挥的研究之中，设计了一种基于无人机的城市交通应急指挥系统，并通过对比测试的方式分析验证了设计系统的指挥效果。通过本文的研究，以期为实际的城市道路交通管理工作提供参考与借鉴。

1 硬件设计

1.1 路况图像信息采集装置

本文设计的城市交通应急指挥系统以无人机为基础，考虑到无人机自身的运行功率以及荷载能力，要确保其能够在有限的输出条件下实现对目标环境路况信息的有效采集[7-8]，就要求对应的图像采集装置能够适应无人机以及交通应急指挥的双重要求。为此，本文将425shark单探测器成像型高光谱仪作为路况信息采集装置。作为一款 425全波段高光谱成像设备，425shark可以实现对400～2 500 nm全波段范围高光谱图像的有效获取。在参数设置上，425shark也充分体现了高度集成化的特点，具体的设置情况如表1所示。

表1 425shark参数设置

从表1中可以看出，425shark集成了高光谱成像仪、数据采集和存储系统以及惯性导航的优点，且总重量仅为5.0 kg，这为其在无人机的搭载提供了极大的便利条件。所具备的120 Hz/s的测量帧速也保障了其在无人机高速飞行的条件下也可以实现准确采集目标环境数据。在此基础上，将其应用在城市路况环境的采集上具有极大价值。

1.2 无人机装置

考虑到无人机在运行期间需要搭载成像设备，且能够适应不同环境的飞行需求的特点，本文将AZCW系列的VTOL-5作为本文设计系统的无人机装置。VTOL-5作为一款垂直起降固定机翼无人机，具有航时长、速度高、距离远的特点[9-10]。VTOL-5所具备的垂直起降的功能也使得其本身对场地、弹射架、降落伞等的依赖程度大大降低，能够适应不同路况环境，在短时间内实现对目标范围的巡航。VTOL-5无人机具体的参数设置如表2所示。

表2 VTOL-5参数设置

结合表2数据可以看出，VTOL-5可以在不同气象和空间环境下实现稳定飞行，为系统的可靠性提供了重要保障。虽然VTOL-5采用自主起飞的方式进行控制，但是自带的实时差分可以确保其降落精度可以达到10.0 cm以内。

2 软件设计

2.1 基于无人机的道路流量分析

当无人机在飞行过程中发现城市道路交通中出现突发事件造成交通工具拥塞问题后，以突发事件对应路段为中心，分别对存在直接通行关系的路段范围路况信息进行采集。在具体的采集过程中，设置无人机在1:1 000的采集比例下对目标范围内各道路的流量情况进行统计，并按照一定的频率将实时信息发送至控制中心，以便指挥调度工作能够进行适应性调整。

城市交通应急指挥系统的控制中心接收到采集到的实时路况信息后，首先将应急车辆调度确定作为道路流量分析的上层目标，将交通拥堵车辆疏散作为流量分析的下层目标。针对实际的应急指挥调度需求，一方面，控制中心要确保应急车辆能够在尽量短的时间内抵达救援现场，另一方面控制中心要最大限度避免更大面积的交通拥堵。为此，本文对道路流量的分析主要是以道路的运输强度角度进行的。具体计算方式可以表示为：

式（1）中，p（xi）表示与突发事件对应路段连通的xi道路流量饱和度，ki（t+1）和ki（t）分别表示相邻数据采集周期内xi道路的车辆数量，t表示无人机的数据采集周期，si表示xi道路允许的流量上限。按照式（1）所示的方式，计算得到道路的流量情况。再结合应急指挥调度的上层目标和下层目标，应急车辆调度路径目标函数可以表示为：

式（2）中，minp（xi）表示与突发事件对应路段的流量饱和度最大的道路，li表示以minp（xi）为路径的行驶路径总长度，v表示应急车辆的行驶速度。从式（2）中可以看出，对应急车辆调度路径的约束条件为抵达目标位置的时间为最小值。

道路行驶车辆疏散路径的目标函数可以表示为：

从式（3）中可以看出，道路行驶车辆疏散路径的可选择空间更大，只要当前阶段的道路流量饱和度未达到其可承载的上限，皆可作为调度目标。

结合式（2）和式（3），实现对道路流量的分析，本文针对不同的指标调度目标，初步确定可执行的调度道路。

2.2 调度路径选择

通过1.2部分分析结果可以发现，在对应急车辆调度路径进行选择时，除道路的基础车流量之外，所在路径与目标位置之间的距离也是必须要考虑的因素之一[11-13]。针对此，本文以基础车流量作为初始筛选标准，以距离作为优化筛选目标，按照无人机采集到的实时路况信息，利用式（2）的计算方式，按照从小到大的顺序逐个计算各个道路对应的时间开销，具体计算方式可以表示为

其中，T（xi）表示应急车辆以xi道路作为行驶路径到达目标位置的时间，以当前道路对应时间开销作为基准，对下一个可调度道路的时间进行分析。当其大于当前值时，则继续利用当前值对下一刻调度道路进行分析，当其小于当前值时，则利用该前值对下一刻调度道路进行分析。直至对完成对满足要求所有道路的计算，将最终时间开销最小的道路作为应急车辆的调度目标。

其次就是对道路行驶车辆疏散的选择，由于道路车辆本身具有动态属性，且调度动作的实施也会对道路的饱和度产生影响，因此，本文以式（3）所示的目标函数为基础确定可执行的疏散道路后，按照邻近原则建立调度对象与调度目标之间的匹配关系，具体的调度量计算方式可以表示为：

式（5）中，Q（xi）表示在xi道路上执行的车辆调度总量，kj表示由于突发事件出现拥堵的xj道路的车辆数量，n表示与xj相邻的执行性调度道路属性。

通过这样的方式，实现对拥堵路段车辆的疏散。当系统接收到无人机更新的路况信息后，再重复上述操作，根据计算结果对调度指令进行更新，以此确保指挥的合理性。

3 系统应用测试

3.1 测试环境

本文以某市城市道路交通的实时路况信息为基础数据，在仿真环境中构建了对应的交通网络环境，其中共包含492节点和720条路段，具体的情况如图1所示。

图1 测试环境道路交通网络结构图

对道路的具体情况进行分析，其中，路段的长度存在明显差异，最长路段长度为1 022 m，最短路段长度为542.0 m。通过节点建立不同路段之间的连接关系，单个节点连接道路最多为4条，最少为2条。在此基础上，本文以实际的流量数据为各道路的车流运行参数进行赋值，通过设置不同的紧急情况测试本文设计系统的指挥效果。

3.2 测试结果与分析

在上述基础上，采用随机设置的方式在测试交通环境内构建了事故点，所在道路直接关联的节点数量为4个，直接关联的道路为7条，无人机按照5 min/次的频率采集目标环境的路况信息，并发送至系统中心，实现对实时车流信息的更新。在此基础上，分别采用本文设计系统以及周永明[3]和潘滨[4]设计的系统实时对测试环境的指挥调度。在指挥效果评价阶段，本文以车辆平均等待时间和应急救援车辆的到达时间为指标，得到的数据结果如表3所示。

表3 车辆等待时间统计表 单位：min

通过观察表1中的数据可以看出，在不同指挥系统的作用下，事故路段关联道路对应车辆的等待时间表现出了明显的差异，其中，周永明[3]指挥系统下的车辆等待时间基本稳定在5.0～7.0 min之间，表明各路段的车流调度具有较高合理性，但是整体等待时间偏高，救援车辆的抵达时间在20.0 min以内，能够实现快速救援。潘滨[4]指挥系统下的车辆等待时间差异较大，最小值仅为3.16 min，最大值达到了9.03 min，表明各路段车流调度的合理性有待提升，救援车辆的抵达时间为22.01 min以内，也存在进一步优化的空间。相比之下，本文设计指挥系统下，车辆等待时间稳定在5.50 min以内，并且救援车辆的抵达时间仅为15.36 min，与对照组相比有明显优势。测试结果表明，本文设计系统能够实现对紧急情况下道路交通的合理指挥，减轻交通事故对车辆运行带来的影响。

4 结语

随着交通运输压力的不断增加，各类交通事故出现的概率也呈现出逐渐上升的趋势。事故的发生不仅对生命财产安全造成了极大的威胁，同时也在一定程度上影响了交通运输的稳定运行。本文提出基于无人机的城市交通应急指挥系统研究，充分利用了无人机的灵活性优势，在实现对路况信息实时采集的基础上，结合不同道路的运行情况对车流进行合理调度，最大限度降低了突发事件带来的通行问题，对于保障车辆的有序通行具有实际应用价值。