基于视频检测的高速公路车辆交通行为安全状态分析

2010年1月　　

公　路　交　通　科　技

Journal of Highway and T ransportation Research and Development

V ol 127　N o 11

　　Jan 12010

文章编号:1002Ο0268(2010)01Ο0122Ο04

收稿日期:2008Ο07Ο18

作者简介:蒋新春,(1958-)女,北京市人,高级工程师,研究方向为公路交通工程1(xc 1jiang @rioh 1cn )

基于视频检测的高速公路车辆

交通行为安全状态分析

蒋新春,刘小明

(交通运输部公路科学研究院,北京　100088)

摘要:在对目前视频检测系统分析的基础上,针对交通事件检测,提出了一种从微观的角度出发,在对单个车辆交通行为状态识别和实时分析的基础上,对车辆交通安全状态进行判断的方法。首先对交通冲突冲突区进行动态和静态划分,然后将车辆行驶区域根据交通行为过程分为危险区和趋势区,并对应静态和动态冲突区分别对危险区和趋势区的判定进行分析,给出了判定算法。测试表明,本文所提算法能够在一定程度上对交通事故进行提前预警,对于减少和避免交通事故发生具有重要意义。

关键词:交通工程;交通事件检测;静态冲突区;动态冲突区;危险区;趋势区中图分类号:U491　　　　　文献标识码:A

Analysis of Vehicle Behavioral Safety on Freeway Ba sed on Video Detection

J I ANG X inchun ,LI U X iaoming

(Research Institute of Highway ,M inistry of T ransport ,Beijing 　100088,China )

Abstract :Based on the analysis of current video detection system ,a method to ssess vehicle safety status for traffic incident detection at microcosmic level according to the real Οtime analysis and identification of single vehicle behavior was put forward 1First ,traffic incident im pact area was divided into static area and dynamic area ,then the vehicle driving area was divided into dangerous area and trend area according to the process of traffic behaviors ,and the alg orithm to determine the dangerous area and trend area of the corresponding static area or dynamic area was presented 1The test result shows that this alg orithm can be used for traffic warning to a certain extent to reduce traffic accidents 1

K ey words :traffic engineering ;traffic incident detection ;static im pact area ;dynamic im pact area ;dangerous area ;trend area 0　引言

减少交通阻塞和车辆延误一直以来就是高速公路管理运营所面临的一个主要问题,而交通事件的发生是导致交通阻塞的重要原因之一,因此,实时检测路面突发的交通事件是确保道路安全畅通的有效手段。

近年来,在高速公路交通事件检测方面的研究取得了较大的进展1在硬件系统方面,主要有线圈、微波及视频等检测系统。由于视频检测系统具有能够提

供更为全面的交通管理和事故检测信息,并可以直接

观察检测状况等优点,因此目前得到了更为广泛的应用[1]。在算法研究方面[2-5],主要有比较/模式识别算法,如加州算法、M onica 算法等;统计算法,如贝叶斯算法、时间序列和平滑Ο滤波算法等;交通模型和理论算法,如McMaster 算法等,近来又发展了如神经网络算法等先进的事件检测算法。纵观这些算法,其根本思想大都基于对宏观交通参数检测的基础上,通过对其数据变化的分析来判断事件是否发生,

本文的研究重点集中于车辆在高速公路上行驶时出现的与路侧防护栏碰撞、前后车追尾等常见事故的检测上。实际上,车辆在发生事故之前,其运行状态会有一定的先兆,利用视频检测所特有的优势[6],从微观的角度出发,在对单个车辆交通行为状态识别和实时分析的基础上,对车辆交通安全状态进行一定的判断,不仅能够及时检测交通事件的发生,更重要的是能够在一定程度上对交通事故进行提前预警,这对减少和避免交通事件发生具有重要意义。

1　车辆交通行为模型及安全状态分析

车辆在道路上行驶时,为达到安全行驶的目的,一般会及时调整行驶速度,并按照道路的线形调整车辆的行驶方向,这样车辆的行驶轨迹及行驶速度将满足一定的条件。当在不满足该条件达到一定时间长度时,交通事故就有可能发生。

本文将交通冲突区分为静态冲突区和动态冲突冲突区。静态冲突区主要包括路侧护栏、路中静止障碍物等;动态冲突区主要包括道路行驶车辆、路中行人等。很显然,影响车辆与静态冲突区冲突的因素主要包括车辆的横向速度v h、横向加速度a h、纵向速度v z、纵向加速度a z及车辆的制动距离L。影响车辆与动态冲突区冲突的因素主要包括车辆的横向速度v h、横向加速度a h、纵向速度v z、纵向加速度a z、车辆的制动距离L、移动物的横向速度v′h、横向加速度a′h、纵向速度v′z及纵向加速度a′z。

考虑车辆与冲突区发生冲突的过程,由于车辆制动距离有限,因此可以认为车辆到冲突区有一个近似的临界点,当车辆进入该临界点,则车辆与冲突区以概率接近1发生冲突;当车辆在临界点之外时,通过分析车辆的状态变化确定车辆与冲突区冲突,也就是进入临界点的概率。基于上述分析,本文将车辆的交通行为识别在空间上分为趋势区和危险区两种,如图1所示。这两个区域相互衔接,趋势区主要是通过对车辆交通行为一段时间内的检测,判断车辆交通行为的安全性;危险区是指难以避免交通事故的区域。对应上述定义可以看出,趋势区在时间上对应大尺度的时间域,是一段时间内交通行为的过程;而危险区对应的是小尺度的时间域,需要实时检测分析判断车辆是否进入了危险区

。

图1　趋势区和危险区的划分

Fig11　T rend area and d angerous area

(1)危险区的判定

首先对车辆相对静态冲突区与动态冲突区的危险区判定进行分析。此处采用制动距离公式,为保证驾驶安全,相对于静态冲突区,车辆需要满足的条件: 0175v2h+v2z+010255(v2h+v2z)在每帧结束时计算车辆与护栏的相对位置,通过对公式(1)的判断,可以认为,当车辆不满足上述条件时,车辆即进入了对应静态冲突区的危险区。

相对于动态冲突区,由于分析对象是两个动作的目标,因此首先应判断二者是否存在相互碰撞的可能,在此基础上再对对应动态冲突区的危险区进行判定。两个动作目标相互冲突需要同时满足的条件:

v z t+a z t2=v′z t+a′z t2+L z,(2)

v h t+a h t2=v′h t+a′h t2+L h,(3)其中,L z,L h分别表示两目标在纵向间的距离与两目标在横向间的距离。

同时满足式(2)和(3)的条件是分别求解得到的t 相等。很显然,这个条件相当苛刻,在实际应用中可以根据检测事故样本数据对所求出的t进行校正,并设定一定的范围,认为两式所解出的t分别处于该范围时即满足碰撞条件。

在上述条件的基础上,结合制动距离公式,得到对应动态冲突区的危险区判定条件如下:

0175v2h+v2z+010255(v2h+v2z)<

L2z+L2h+(0175+010255v2h+v2z)v′2h+v2′z。

(4)

可以认为,当车辆不满足上述条件时,车辆即进入了对应动态冲突区的危险区。考虑到驾驶员能够随时调整车辆行驶方向的事实,即使在某时刻车辆交通状态符合危险区判定原则,在下一时刻可能由于行驶方向的调整而脱离危险区,此时发生虚报情况。因此在上述所给出的危险区判定过程中,判定条件较为粗糙,其结果往往导致车辆交通安全状态虚报情况的发生,为减少虚报的发生次数,需要进一步约束危险区判定方法。

321

第1期　　　　　　　　　　蒋新春,等:基于视频检测的高速公路车辆交通行为安全状态分析　　　　　　　　　　　

车辆在道路中正常行驶时,车辆轨迹往往受行驶

速度、行驶方向(行驶方向与车道中心线切线夹角)等条件约束而大多在某一边缘线以内,因此,在车辆正常行驶样本采集的基础上,以行驶速度、行驶方向、边缘线位置作为车辆运行过程的动态属性,与车辆所在车道号、车辆类型等静态属性相结合,应用孤立点分析等数据样本处理算法,最后获得输出为边缘线位置,输入为其它属性的危险区判别附加条件,在上述危险区判定方法的基础上,再应用该条件进行车辆是否进入危险区的判定。具体数据处理方法在此不作敷叙。

(2)趋势区判定

在进行趋势区判定之前,先对趋势区内交通安全状态判断的过程进行简要描述。在趋势区内主要通过对车辆的行为轨迹识别分析来实现交通安全状态判断,其遵循的一个事实是,在正常情况下车辆行驶轨迹与车道中心线(切线)之间的角度差值沿同一方向变化的时间会保持在一定范围内。当时间大于该范围时,则认为车辆行驶轨迹异常,车辆驾驶员有可能处于疲劳驾驶、酒醉驾驶或车辆处于失控状态。范围可以通过对所分析路段多个同车型正常行驶车辆行驶轨迹样本的分析得到。2中,出示了车辆行驶中的角度差值变化过程,其中,m (1)表示第1帧计算的角度差值,依次类推,在整个过程中满足m (k )>0,k =1,2,…,n ,m (n +1)≤0,设以25帧/s 的频率采集,则上文所提到的角度差值沿同一方向

变化的保持时间为n/25s

。

图2　车辆行驶中的角度差值变化过程

Fig 12　Ch ange of angle of running vehicle

趋势区判定具体判断步骤如下:

第1步:截取样本中的片段,截取原则为m (k )>0,m (k +1)≤0,片段包括k 帧,其中m (k )为第k 帧图像车辆行驶轨迹与车道中心线(切线)之间的角度差值,也就是满足截取原则所获得片段中的最后一帧,m (k +1)为第k +1帧图像车辆行驶轨迹与车道中心线(切线)之间的角度差值。

第2步:分析计算出对应各车道h 的n 帧中第1帧的车辆行驶轨迹与车道中心线(切线)之间的起始

角度αh

b ,最后一帧的车辆行驶轨迹与车道中心线

(切线)之间的起始角度αh

e ,车辆在片段中的平均速

度V h ,片段时间t h n ,根据以上数据计算出该片段单

位时间角度增加数Δαh =(αh e -αh b )/t h

n 。

第3步:选取多个样本中同一单位时间角度增加数前提下,最大持续时间max (t h n )。在实际应用中,考虑到所需样本数量的多少以及匹配计算时间的长短,单位时间角度增加数的区间间隔选择不宜过小。

第4步:如正在检测的图像中车辆在某一单位时间角度增加情况下所持续的时间t h l 大于同一单位时间角度增加时样本中的max (t h n ),则进行报警,事后如发生事故,则不更新max (t h n ),如不发生事故

则更新max (t h n )为t h l ,在报警同时继续计算t h

l 。

在以上的判定过程中,需要注意所分析计算出的

单位时间角度增加数Δαh 依赖于路段区域、车道号,也就是说针对不同路段区域、车道号有各自的

Δαh 。

以3车道路段为例,对于第3车道上行驶的车辆,设车辆的方向改变趋势为面向远离该车道的路侧护栏,则在趋势区的判定过程中,按以下步骤进行:

第1步:按第3车道上的检测数据选择样本;第2步:从车辆在第3车道检测到行驶方向变化开始,按趋势区判定原则对车辆行驶状态进行判定;

第3步:如在判定过程中,车辆进入第2车道并仍然满足片段截取原则,此时继续按第三车道判定过程进行;如不满足片段截取原则,则停止第3车道判定过程,应用趋势区判定原则对该车辆按第2车道判定过程进行,依次类推。

由于在实际应用时,要完全覆盖0到90°的角度变化区间,有些单位时间角度增加数区间的样本可能很难事先采集到,当遇到这种无样本的情况,首先针对视频图像计算趋势区判定所需要的几类数据(见上文)并保存,使针对该单位时间角度增加数区间的样本得到更新和充实,同时以危险区判定条件进行判断。

在趋势区报警判定步骤确定的条件下,以下结合危险区判定过程,给出车辆交通安全状态的整个预警过程,步骤如下:

第1步:通过视频图像分析,判断环境中与目标车辆相关的静态冲突区和动态冲突区目标;

第2步:根据危险区判定条件判断车辆是否进入危险区,如果进入危险区,则应用危险区判定方法进行判断,提示车辆发生交通事故的概率接近于1,如未进入危险区,则转第3步;

4

21　　　　　　　　　　　　　　　　　　　　公　路　交　通　科　技　　　　　　　　　　　　　　　　　　　第27卷

p=t h l-max(t h n)

t h o-max(t h n)

,(5)

其中,p为在趋势区判定的车辆发生交通事件的概率; t h l为车辆在某一单位时间角度增加情况下所持续的时间;t h o为车辆到达危险区临界点的时间。在报警同时,显示所计算出的概率值。

2　应用与总结

将本文所述判定过程在Visual C++软件平台加以实现,并在某高速公路路段进行测试。该段按每1 km间隔布设的原则实现了全程摄像机监控,从中选择事故发生频率较高的两个摄像机监控点,摄像机视频图像通过波分复用节点机传至监控分中心,经由视频切换矩阵接入视频事件检测系统,其结果汇集于视频事件检测工作站,由工作站对检测结果进行显示,并将相关视频图像切换到分中心监视器墙上指定的两个监视器。工作站所显示的结果包括两部分,一是两幅视频图像的显示,二是对应图像内各车辆行驶轨迹分析图及各车辆发生交通事故概率的显示。后者以1 s刷新一次的方式对检测计算结果进行显示。由于本次测试只接入两个点,因此能够直接在工作站界面上显示,当接入多个检测点时,可以在工作站可显示范围内按所判定交通状态的严重程度(事故概率)进行有选择的自动切换显示。在测试前首先进行了15d 的样本收集过程,在初步的测试期间,发生侧撞护栏事故2起,而针对这两起事故,系统能够做到提前3～4s报警的程度,并对路段车辆的一些危险行驶状态做出了画面及数据预警,这表明本文所提方法能够进行交通事件检测预警,对目前的视频事件检测系统能够起到扩充和改进的作用。

参考文献:

R eferences:

[1]　李为民,王长峰1高速公路管理中的交通事件检测系

统[J]1广西科学院学报,2005,21(增刊1):86-

881

　　　LI Weimin,W ANG Chang feng1The Video Detection System for T raffic Incident in Management of Express way[J]1Jour2

nal of G uangxi Academy of Sciences,2005,21(sup1):86

-881

[2]　史新宏,蔡伯根1高速公路自动事件检测算法[J]1

交通运输系统工程与信息,2001,1(4):306-3101

　　　SHI X inhong,C AI Bogen1Freeway Automatic Incident Detec2 tion Alg orithm[J]1Journal of T ransportation Systems Engi2

neering and In formation T echnology,2001,1(4):306-

3101

[3]　陈斌1基于支持向量机的高速公路意外事件检测模型

[J]1中国公路学报,2006,19(6):107-1121

　　　CHE N Bin1Freeway Accident Detection M odel Based on Sup2 port Vector Machine[J]1China Journal of Highway and

T ransport,2006,19(6):107-1121

[4]　E DW ARD C,NAT A LI A R1E ffective Incident Detection and

Management on Freeways[R]1Victoria,Australia:ARR B

T ransport Research Ltd1,19991

[5]　BA LKE K N1An Evaluation of Existing Incident Detection Al2

g orithms[R]1T exas:T exas T ransportation Institute,19931

[6]　周志宇1基于视觉的车辆运动目标轨迹检测[J]1工

业控制计算机,2004,17(2):42-431

　　　ZH OU Zhiyu1M oving Object T rajectory Detecting Based on Vi2 sion[J]1Industrial C ontrol C om puter,2004,17(2):42

-431

[7]　余柳,于雷,戚懿,等1基于浮动车数据的城市快速

路交通事件检测算法研究[J]1交通运输系统工程与

信息,2008,8(4):36-411

　　　Y U Liu,Y U Lei,QI Y i,et al1T raffic Incident Detection Alg orithm for Urban Express ways Based on Probe Vehicle Data

[J]Journal of T ransportation Systems Engineering and In forma2

tion T echnology,2008,8(4):36-411

[8]　全洪波,陈锐祥1城市道路交通拥堵自动判断算法研

究[J]1中山大学学报:自然科学版,2008,47(1):

42-461

　　　QUAN H ongbo,CHE N Ruixiang1Analyse of Automatic Inci2 dent Detection Alg orithm for Urban R oad[J]1Acta Scien2

tiarum Naturalium Universitatis Sunyatseni:Natural Science

Edition,2008,47(1):42-461

[9]　罗石贵,周伟1路段交通冲突的调查技术[J]1长安大

学学报:自然科学版,2003,23(1):71-751

　　　LUO Shigui,ZH OU Wei1Survey Way of R oad T raffic C on flict T echnique[J]1Journal of X i’an Highway University:Natural

Science Edition,2003,23(1):71-751

[10]万涛,陈学武,王川久1高速公路事件自动检测算法

研究综述[C]//第一届中国智能交通年会论文集1上

海:同济大学出版社,2005:76-811

　　　W AN T ao,CHE N Xuewu,W ANG Chuanjiu1Summary of Researches on Highway Incident Detection Alg orithms[C]//

Proceedings of the1st China ITS Annual Meeting1Shanghai:

T ongji University Press,2005:76-811

521

第1期　　　　　　　　　　蒋新春,等:基于视频检测的高速公路车辆交通行为安全状态分析