智慧监控中事件检测技术在高速公路信息化中的应用

范广

摘要 智慧监控作为现阶段正飞速发展的智能交通管理手段，通过采集、处理、分析和展示交通数据，实现对高速公路交通状况的实时监测和预警，从而提高高速公路的安全性、通行效率和服务质量。探讨智慧监控中事件检测技术在高速公路信息化中的应用，主要包括事件检测技术的应用实例，以及其对高速公路管理和服务的影响和意义。通过对智慧监控事件检测技术的实践应用，可以为高速公路信息化建设提供有益的参考和借鉴。

关键词 智慧监控；事件检测；高速公路；信息化；交通管理

中图分类号 U495文献标识码 A文章编号 2096-8949（2023）24-0004-04

0 引言

随着科技的发展和社会的进步，智能化已成为各行各业发展的趋势。当前我国的高速公路交通网络正在不断发展完善，客货车流量的日益增长，给高速公路日常运营管理带来越来越大的压力。只有将信息化与高速公路日常管理相融合，才能直接有效提高高速的运营管理效率。为了做到对社会车流量的实时动态预测，对路面意外情况及路面交通事故的实时预警和快速处理，高速公路管理单位应加大对高速公路信息化建设的投资力度，以更好满足人民群众的行车需求。而通过运用智能监控中事件检测技术，将高速公路前端设备采集的海量数据加以智能分析和检测，向路段管理单位发出预警信息，将极大地减少人工成本，提高事件检测成功率，为高速公路信息化功能的完善做出不可缺少的贡献。

1 发展智慧监控中事件检测技术对高速公路信息化推进的重要性

随着社会的快速发展，高速公路的交通流量不断增长，安全管理和交通运行监测变得越来越重要。在这个背景下，事件检测技术的应用成为推进高速公路信息化发展的关键步骤。一方面，事件检测能够识别车辆类型、交通事故、应急车道占用、抛洒物和行人非法闯入等信息，通过对事件检测系统的实时监测或者事件自动报警，监控中心管理人员能够及时发现和预警交通安全隐患，从而能更有效地与路政管理部门及属地交通管理部门沟通，对行人入侵、交通事故、异常交通行为、物体遗留、烟雾火灾等情况及时处理，降低交通安全隐患，减少交通拥堵，提高通行效率，为驾驶员提供更好的出行体验。另一方面，可以通过历史数据的分析，划分交通事故高发区，并采取提示警报、安装标牌等预防措施，减少交通事故的发生率，保障道路安全[1]。

由此可见，事件检测技术对高速公路智慧监控的重要性不可忽视。不仅可以提高交通运行效率和安全性，还能为高速公路运营、维护、管理提供全面支持。

2 智慧监控中事件检测技术应用在高速公路信息化发展中的常规方案及技术

高速公路的交通管理和安全监控一直是社会关注的焦点，传统的视频监控系统通常只能提供简单的图像和视频信号，再经人工加以分析，时效性难以满足现今高速公路信息化管理的需求。在传统监控系统的基础上引入基于人工智能和AI深度学习的事件检测技术，通过事件检测技术对高速公路视频监控画面的自动识别和分析，快速准确地发现各类事件，减少了人工工作量和成本，实现对高速公路交通状况的实时监测，提高交通事件监测的准确性、及时性，为高速公路交通管理和应急处置提供了有力支持。

目前，高速公路的事件检测系统解决方案主要分为两种，一是利旧前端已有监控设备，在中心端部署事件检测服務器及算法，兼具视频监控及事件检测能力，以较低成本拓展该路段的事件检测能力；二是根据不同使用场景，对于事故易发路段等特殊路段部署更有针对性的设备，例如雷视一体机、环视一体机等，这些设备一般自带事件检测、交通参数采集、车辆结构化感知等功能。

事件检测技术主要分为交通事件视频分析、实时报警、算法管理、事件复核等几方面。交通事件视频分析一般采用目标检测技术、目标追踪技术、属性识别技术、视觉测量技术等，对高速公路监控视频分析，与AI机器学习相结合，对视频图像进行分析和处理，如图1所示。

3 智慧监控中事件检测技术应用实例

3.1 高速公路主线及入口广场智慧监控中事件检测的应用

当前，部分高速公路车流量已大大超过了设计车流，为防范行人和非机动车上高速以及非法停车、逆行等异常事件带来的道路安全隐患，使用事件检测系统技术。通过利用人工智能深度学习的科技手段，及时发现异常事件并预警，通过路段值班人员及时处理，减少安全事故发生。例如2021年广深高速公路实施的“主线和部分入口广场监控视频智能分析系统工程”，便采用了基于人工智能的“事件检测服务器+深度学习数据分析平台”的架构，在高速公路管理中心增设事件检测服务器，并在服务器部署安装深度学习数据分析平台软件，每台服务器及平台软件至少具备同时处理16路图像的能力，将路段现有主线和入口广场监控的视频全部接入，实现定时轮巡。基于外场视频的人工智能事件识别系统结合了智能视觉分析、深度学习、人工智能及信息传输等技术，对路面上所发生的各类事件进行自动检测和自动报警，并以多种报警方式输出。包括车辆违停、交通拥堵、超速/慢行车辆、占用应急车道、违规行人、车辆逆行、抛洒物等多种交通事件，能将事件视频图像及报警区域图像自动切换到主监控画面，提示监控中心管理人员进行应急处理。而且，事件检测服务器采用分布式布设方案，后期可根据检测视频的数量灵活增设服务器及组网扩容。深度学习数据分析平台软件具备开放式架构，可灵活扩容检测通道，以满足高速公路管理单位对不同的视频检测规模需求。

上述系统主要通过视频背景提取、基于机器学习后的车辆类型识别、运动物体检测、事件复核等步骤实现事件检测功能，各步骤的具体执行内容如下：

（1）视频背景提取。由于外部环境因素，如天气影响、光照条件变化等影响，导致监控视频中的背景图是不断变化的，如果视频分析时一直使用一个背景图，会导致由于视频背景不断变化而降低运动物体检测的正确率。所以，首先该系统需对视频文件进行背景提取，而视频处理本质上是通过读取视频中一些列帧图像来进行处理的，因此系统最终是对图像进行操作。对于视频中的一帧帧视频图像，系统对这些图像进行图像灰度化、图像去噪等处理，达到背景提取与构建。

（2）车辆类型识别。由于人工挑选车辆图像特征的人工工作量和成本较高，并且人工挑选的准确性难以保证，所以该系统采用深度学习中的卷积神经网络算法对视频中出现的车辆图像进行特征提取与分类。采用残差网络模型（ResNet）来对图像进行特征提取与分类，该模型提高了卷积神经网络模型在图像分类领域的正确率，系统车辆类型识别主要分为两个步骤：模型训练和图像分类。

模型训练，是指在对车辆图像进行分类识别前，通过ResNet模型对视频图像数据进行训练，训练出分类模型，通过该模型来确定该提取图像哪些特征以及后续的分类。将车辆类型分为五类：小轿车、大巴、SUV、小型客车和货车，准备训练数据集，一共包含50个视频，对25个不同的高速公路場景视频进行车辆图像提取，一共提取了约15万张图片用于模型训练。图像分类，是指在模型训练完成后，该系统使用分类模型对上一步中提取出来的车辆图像进行分类，将车辆的识别信息保存到数据库中。

（3）运动物体检测。由于交通事件检测具备实时、有效等特性，因此该系统采用了计算量比较小、正确率也能够得到保证的背景差分来进行运动物体检测，结合距离相似性度量、外观相似性度量、位置相似性度量等方法进行交通事件分类及检测，例如抛洒物、行人、烟雾等。

（4）事件复核。利用后端平台软件对事件检测系统的识别结果做二次核验，再根据特定的规则剔除误报的部分，留下正确的结果。智能复核虽不能提高事件的检出率，但通过降低误报率，亦可提升系统的准确率。

在功能测试中，通过对系统功能进行模拟测试，验证事件检测实际应用效果，检测事件类型如下：抛洒物检测、逆行检测、停车检测、行人检测（包含高速公路工作人员）、火灾烟雾检测、拥堵检测、非机动车检测、交通事故检测。首先，进行测试准备，准备不少于三辆测试用车模拟社会车辆，模拟抛洒物（纸箱尺寸不小于60 cm×60 cm×60 cm）、破损轮胎、编织袋、帆布，模拟火灾烟雾的烟饼（释放白烟）等道具。然后，提前确定好测试时间，做好封路安排。测试过程，现场安排一组人员对各种事件进行不少于10次的现场模拟测试，并记录结果；后台高速公路监控中心也安排一组人员记录事件检测系统自动报警记录，确认视频分析系统自动报警情况。通过现场模拟测试数据与后台视频分析系统的自动报警情况作对比，得出数据如表1所示。

用相同的测试方案对夜间情况也进行了模拟测试，事件检测系统对各种事件的检测率及事件检测漏报率均达到设计文件及规范要求。事件检测系统正式运行后，该系统事件检测功能（异常事件检测报警、交通状态检测等）、交通参数检测功能（交通断面交通参数实时测量、车型区分等）、系统功能（自动侦测球机位置、视频诊断、GIS地图功能）等各项功能对高速公路运营管理起到了重要作用，减少实际监控中心管理人员的工作量，提高了高速公路运营效率。

3.2 高速公路隧道智慧监控中事件检测的应用

高速公路隧道的通行能力和行程速度以及交通安全性客观上比其他路段差，也是交通事故的高发区，而且隧道内通风不畅，洞内烟尘及车辆尾气带来的油污难以疏散，的方案，例如，通过在隧道洞壁侧装或路线侧装隧道专用自清洁相机，使相机具备自清洁能力，自备专用清洁剂可清洗油污污染，且受反射光杂光干扰较少，保持高质量成像，结合事件检测服务器在高速公路监控中心的部署，进行隧道事件检测，重点对隧道洞内进行的事件和交通相机镜头易被污染，降低成像质量。所以隧道中一般采用新增有针对性前端设备及事件检测系统量进行分析检测，能够在发生事件时及时自动报警，最快速度采取相应措施。隧道的事件检测主要包括车辆逆行、行人穿越、机动车驶离、抛洒物、车辆慢行、车辆超速、车辆拥堵（包括停车拥堵和移动拥堵）、禁区闯入、火灾烟雾检测、交通事故等各类事件。

3.3 高速公路桥下空间智慧监控中事件检测的应用

高速公路的建设应当因地制宜，部分高速公路在跨越城市采用全路段立交桥的方式进行建设，部分桥梁跨越地方村镇道路，桥梁下方存在乱摆乱放现象，堆放建筑杂物和淤泥，存在一定的安全隐患。因此，桥下空间一般设置高清摄像机，具备监控能力，所以采用利旧前端已有监控设备，在中心端部署事件检测服务器及算法的方案，以较低成本拓展该路段的事件检测能力，对桥下空间发生的各类事件进行自动监测，包括车辆碰撞限桥梁高架、违法侵占桥下空间、桥下搭建违章建筑、私设点修车/停车/洗车、倾倒垃圾/淤泥沙石/杂物、桥下空间发生火灾等各种情况，发生事件时能够及时弹出事件视频图像及报警区域图像，提示监控中心人员处理。同时，事件检测系统还支持对通航桥梁进行实时监测，结合激光检测器、摄像机等硬件设施，能够加强桥下通航水域的监测，及时发现和记录桥下通航水域的各种异常事件，为突发事件快速处理提供参考依据，为日后调查取证提供有力证据，同时能提前发现超高船只并主动向其发出文字等提示及警告信息，尽量避免超高船只撞击通航桥的事故[2]。

3.4 智慧监控中事件检测技术在高速中的应用效果

在实施高速公路事件检测项目之前，交通事故或者非交通事件主要由高速公路监控中心人员的日常巡视、路政管理部门日常巡检及事故区域驾驶员报警等方法发现并处理，这样使得发现交通事件的效率低下，导致发生交通事件的可能性大幅增加。通过对广深高速公路部署的主线路段事件检测系统长期的跟踪检查，抽取了2023年1—9月的事件检测记录，事件总数约为15万件，其中停车事件9万件、拥堵事件2.5万件、摩托车事件2.1万件、行人事件0.37万件、施工0.15万件、逆行45件；平均每个事件从自动报警到监控中心人员处理完成，平均处置时间不超过10 min；监控中心人员由原来的10人降低为8人。事件检测系统正常运行后，在不影响原有监控业务的前提下，减少了人工成本，提高了高速公路监控中心的运营效率。

以上各种应用实例充分说明了事件检测系统具备实时性、完备性、可靠性、准确性、有效性、时效性、完整性、扩展性、安全性等特点。事件检测系统在高速公路各种场景下都起到了良好的运行效果，解决了发生异常情况时取证困难等问题，能够精准辨识风险源、快速发现具有重大安全隐患的交通事件，降低了运营路段出现重大交通安全事件的风险，切实提高高速公路应急指挥的调度水平。

智慧监控中事件检测技术的应用范围广泛，在突发事件发生时，事件检测系统可以实时监测道路情况，为交通管理部门和应急救援机构提供准确的信息，帮助其迅速做出决策和调度，保障救援工作的高效进行。此外，事件检测技术还可以为公众提供路况信息服务。在高速公路信息化发展中，事件检测系统为智慧监控提供了有力技术支持，在交通指挥、路况监测、事故处理和应急救援等多个方面发挥着重要的作用，为公众提供了更加便捷的出行和旅游服务。

4 结束语

随着科技的不断发展和智能化的不断推进，智慧监控在高速公路信息化中的应用已经成为一种趋势和必然。事件检测技术通过集成先进的传感器、监控设备，结合人工智能、深度学习、数据处理等手段，实现对高速公路交通状况的实时监测、预警和管理，为高速公路管理中心提供精准的信息支持，提高高速公路的安全性、流畅性和效率。未来，随着人工智能和物联网等技术的不断发展和应用，事件检测系统将会更加智能和准确，实现对高速公路交通状况的全方位监测和管理，为公众提供更加便捷、高效、安全的出行体验。

参考文献

[1]黄显铸. 智慧监控在高速公路信息化中的应用[J]. 西部交通科技， 2021（12）： 45-46+115.

[2]邱纬. 智慧监控在高速公路信息化中的应用[J]. 科技资讯， 2021（13）： 35-37.