1. 概述
2010 年世博会将在上海举办，在世博会 184 天的举办期间，预计将有 7000~8000 万人次参观，日平均参观量可达 40 万人次，最高峰日参观量达到 80 万人次[1]。再加上上海市背景交通量，届时日交通出行量约为 4300 万人次，世博园区及周边道路的交通压力巨大。交通事件会对道路通行能力造成很大影响，在世博期间如此大的交通需求下，若在世博集散道路上发生交通事件，会迅速引进交通拥挤甚至交通阻断，导致世博车辆无法顺利到达和离开世博园区，对世博交通正常运行造成很大的影响。因此快速、准确地检测交通事件，对保障世博交通的正常运行起到至关重要的作用。
本文研究一种基于新型单线圈检测器的单截面交通事件检测系统，选择一段世博重要集散道路应用该系统，并分别介绍检测器硬件和事件检测算法的工作原理。
2. 实施地点
靠近卢浦大桥的南北高架与内环高架及其对应的地面路段是世博的重要集散道路，其地理位置与世博园区的关系如图 1 所示。因此选择实施新型交通事件检测系统的地点是：内环高架瑞金南路匝道至宛平南路匝道之间一段、中山南二路—宛平南路至中山南二路—瑞金南路之间的地面道路、鲁班路—徐家汇路至鲁班路—中山南路之间的地面道路。实施范围包含了高架道路、地面道路、上下匝道，具有代表性。
检测器在高架道路和地面道路分别有不同的布设原则。高架道路上，常规路段上每隔500m 左右布设一组检测器，匝道附近在主线、上下匝道布设一组检测器；地面道路上，在每个交叉口进口停车线上游 15m 处、出口距离反向道路停车线 85m 处各设置一组检测器。
如图 2、图 3、图 4 所示。
图 1 实施地点示意图图 1 实施地点示意图
图 2 高架常规路段检测器布设
图 3 高架匝道附近检测器布设
图 4 地面道路检测器布设
3. 系统结构
传统的交通事件检测系统结构多为中心式[2]，将现场线圈检测器采集到的海量交通数据，按一定的周期（一般为 60 至 300s）压缩成周期平均值的数据包，定周期地传输至交通信息中心，由交通信息中心的计算机程序根据一定的算法，集中进行交通状态和交通事件判别。其结构如图 5 所示。
这种结构存在的问题是：由于需要将检测器采集到的信息传输到交通信息中心，对信息通信网络和中心计算机处理能力要求较高。为了减轻海量交通信息实时传输对通信网络和中心计算机的压力，传统的方法多采用周期平均的数据压缩方法。而这种周期平均的数据压缩方法导致交通信息的变化特征被平滑、检测灵敏度降低，且由于传输时间间隔较大，导致事件的检测速度变慢。
为了解决实时数据通信的瓶颈问题，本文研究的交通事件检测系统，将交通状态判别和交通事件检测程序，从交通信息中心转移至检测现场路边机箱内的工业微机（IPC）中。将路边机箱内的车辆检测器与同在机箱内的 IPC 的数据通信端口直接相连，以便直接接收线圈检测器检测到的车辆占有信号及线圈电感数据，并在检测现场进行交通状态及交通事件的判别，其结构如图 6 所示。
这种在现场检测交通状态及交通事件的系统架构方法不仅极大地减轻了通信网络及中心计算机的负担，而且计算机程序能够在第一时间获得在线圈上的每一辆车的行驶状态，一旦发现状态异常的车辆就能立即做出反应，检测的灵敏度大大提高，检测速度也会更快。
4. 新型单线圈检测器
4.1. 车型检测
传统的线圈检测器只根据有无车辆的逻辑结果，以及车辆占有时间来检测流量、速度、占有率等参数，而没有研究电感量的变化规律与车辆类型的关系。
本课题采用的 SQ2000 型单线圈检测器，根据车辆驶过一个线圈时线圈电感量的时变图形与车辆底部金属构件的形状密切相关的特征，通过对比被测车辆驶过一个线圈时线圈电感量的时变图形与预先建立的各种车型的时变图模型，用图形匹配的方法检测车型。
当车辆驶过线圈时线圈电感量的时变图形与车辆底部金属构件的形状密切相关，二者具有下述必然关系：
1）类型不同的车辆具有不同的图形；
2）类型相似的车辆具有相似的图形；
3）类型相同的车辆具有相同的图形。
图 7 重型托挂车电感量时变图
图 8 小货车电感量时变图
图 9 小客车电感量时变图
通过对比图 7、图 8 和图 9 可以看出，重型拖挂车与小货车相比，重型拖挂车的后桥有两个轮轴，时变图形后部也有两个波谷，小货车的后桥只有一个轮轴，时变图形后部也只有一个波谷，两种车型的最大波峰与最大波谷的比值也不同。小客车与重型拖挂车、小货车相比，时变图形中波峰、波谷数量有差异。以一辆标准配置的东风 140 型 5 吨载货车为例，无论出现在何时何地，也无论载货种类与重量，只要车辆底部没有进行改装，电感量变化的时变图形总是相同的。
因此对比被测车辆的时变图形与预先建立的各种车型的时变图形，根据波峰和波谷的数量、次序及幅度差异进行图形匹配，就可以检测车型。只要车辆不倒行，无论车速怎样，都可以准确的识别车型。
采用电感量时变图形匹配的方法识别车型，需要预先建立各种车型的电感量时变图模型数据库。根据国家标准规定的各种车辆类型如小客车、大客车、小货车、中货车、大货车、拖挂车等，在检测现场采集各种车型通过时的线圈电感量的时变图形，基于这些数据建立与各种车型对应的时变图模型数据库。
在 SQ2000 型单线圈检测器工作过程中，当被测车辆通过检测区域时，不断接收车辆检测器的电感变化数据，由此获得被测车辆电感量的时变图形。当被测车辆刚驶离检测区域时，立即从时变图模型数据库中搜索与被测车辆时变图形相匹配的时变图模型，如果找到该时变图模型，就判定被测车辆的类型就是模型车型；如果找不到该时变图模型，则记为未知车型。本课题采用的检测方法，可以识别下述车辆类型：小客车、大客车、铰接客车、小货车、中货车、大货车、重型货车、拖挂车、重型拖挂车、平板车、拖拉机、摩托车。根据需要，车型可以增减。通过大量实验统计，车型的检测精度超过 90％。
4.2. 速度检测
在检测车速前首先确定各种车型的典型长度。根据国家标准规定的各种车辆类型，在检测现场采集大量同类车辆的车辆长度值，然后以某类车辆长度的算术平均值作为对应车型的典型长度。另外定义一个“未知车型”的典型长度，以便在不能识别车型时也能估算车速。“未知车型”的典型长度根据不同地点不同时段具体确定，以该地点该时段所有车型中所占比例最大的车型长度作为“未知车型”的典型长度。
先测出被测车辆在线圈上的占有时间，在收到车辆检测器发来的车辆占有信号为真时启动计时器，当收到车辆检测器发来的车辆占有信号为假时停止计时器，计时器的值就是被测车辆在线圈上的占有时间 t。根据电感量时变图匹配得到的车型，得到该车的典型长度 L，设线圈的宽度为 d，则可以测得车辆的行驶速度 v，v=(L+d)/t。通过大量实验统计，通常情况下速度的检测精度超过 85％。
4.3. 抗交调干扰技术
传统的线圈检测器无论是单线圈检测还是双线圈检测，检测器板卡一般都为 2 通道或 4通道，如图 10 所示，一个通道连接一个线圈，当车道比较多时，需要多个板卡连接多个线圈，这种情况下有可能存在相邻两个线圈同时工作的情况，若相邻线圈的频率相同或相近，会导致通道锁死停止正常工作，这种检测器故障称为“交调干扰”，传统的线圈检测器受“交调干扰”影响，故障率很高。
本课题采用的新型 SQ2000 型单线圈检测器，一块板卡具有 24 个串行通道，最多可连接 24 个线圈，如图 11 所示。由于采用串行通道，24 个线圈不会同时工作，所以可以彻底避免交调干扰造成的故障，检测器的故障率大大降低。
且 SQ2000 型单线圈检测器每通道采样周期很短，在不同的灵敏度情况下每通道采样周期不同，灵敏度越高采样周期越长。SQ2000 型单线圈检测器的灵敏度具有 16 级可调，在灵敏度最高的情况下，每通道采样周期也仅有 12.8ms，可以满足实时交通信息采集的要求。
5. 交通事件判别算法
根据交通波理论[3]，当某一地点发生交通事件后，事件发生地点的通行能力下降。在道路交通需求不变的情况下，事件发生地点上下游的交通流特征就会发生变化，这种突发性的交通流模式变化是交通事件检测的依据。当由交通事件引起的集结波传播到上游截面或消散波传播到下游截面时，通过交通参数的变化可以检测交通事件。
集结波和消散波的波速又和波震面前后的流量、密度有关。因此上下游检测截面往往不是同时检测到交通事件的发生，而是有先后顺序。本文研究的单截面交通事件检测系统，各个截面检测器相对独立的工作，当检测到事件时会向中心报告。中心收到其中一个截面的事件报告后，若继续收到另外一个截面的事件报告，则可以进一步对事件进行确认。该方法与双截面检测相比，在准确率相差不大的情况下，检测速度更快。
本文研究的交通事判别的具体方法包括：交通状态突变判别、相邻车道状态差别过大判别、小流量情况下的事件判别、车辆滞留判别。
1）交通状态突变判别
本文将交通状态划分为 6 个级别：空（1 级）、畅通（2 级）、繁忙（3 级）、拥挤（4 级）、拥堵（5 级）、阻断（6 级）。根据交通状态突变程度的不同，将交通事件报警的级别划分为2 级：
（1）交通状态跳变
当交通状态的变化幅度超过 2 级时，判断有交通事件发生。当交通状态的变化为集结模时，判断为该检测截面下游发生交通事件，集结波传播到该检测截面引起交通状态的突变。
当交通状态的变化为消散模式时，判断为该检测截面上游发生交通事件，消散波传播到该检
测截面引起交通状态的突变。
产生这种情况的原因是流量较大、或交通事件造成的影响相对较大。此时形成的交通波波速较大，交通波振幅较大，发出的报警级别为高。
（2）交通状态无跳变，但迅速变化多级
当交通状态逐级变化，没有产生跳变，但在很短的时间内迅速向集结方向或消散方向变化多级时，判断有交通事件发生。当交通状态的变化为集结模式时，判断为该检测截面下游发生交通事件。当交通状态的变化为消散模式时，判断为该检测截面上游发生交通事件。
产生这种情况的原因是流量较小，或交通事件造成的影响相对较小。此时形成的交通波波速较小，交通波振幅较小，发出的报警级别为低。
2）相邻车道状态差别过大判别
在正常的交通状态下，根据驾驶员的驾驶习惯，当相邻车道相对空畅而本车道相对拥挤时，会换道到相对空畅的车道，因此同一流向的相邻车道运行情况趋于相同。当检测到同一流向相邻车道交通状态相差超过 2 级时，判断有交通事件发生。
3）小流量情况下的事件判别
有一种特殊情况下的交通事件，即在流量较小的情况下，某一地点发生的交通事件。由于流量较小，很少有车经过，很难有人发现并报警。这种情况下若发生的是车辆抛锚事件、车辆相撞事件、危险品泄露事件是很危险的。自动检测到的越晚，就越可能引发更严重的后果，且如果发生了人员伤亡，当事人受到的生命威胁越大、损失越严重。因此这种特殊事件的快速检测是非常有必要、非常有意义的。
在流量较小的情况下，若某一地点发生交通事件，则不会形成明显的集结波和消散波，而且即使形成了集结波和消散波，由于波震面前后流量相差较小导致波速较小，因此需要很长时间交通波才能传播到检测截面。传统的交通事件算法需要等待交通波的产生，并需要等待交通波传播到检测截面才能检测到事件的发生，因此检测速度很慢，需要等待很长时间才能检测到事件的发生。但本文采用的检测设备及检测算法可以快速准确的检测到这种类型的交通事件。
在流量大的情况下，底盘相似车辆出现的几率较大，无法准确的区分出每一辆车。但在流量较小的情况下，根据电感量不同区分车辆准确率较高。因此当流量较小的情况下，例如高架路上流量小于 15 辆/5min 时（状态为“空”时），本文采用的 SQ2000 型环形线圈检测器可以根据每辆车底盘不同引起的电感量变化，区分出每一辆车。
当判断交通状态进入空时，启动小流量情况下的事件判别模块。实时监控每辆车通过上游检测截面和下游检测截面的时间。根据车辆通过上游截面时检测到的速度估算到达下游截面的时间 t，若 1.5t 后仍然没有通过下游截面，则报告停留事件。
小流量下事件的检测具有非常重大的意义，虽然根据车型检测停留事件有可能有一定的误报率，但相对于迅速检测带来的益处，一定的误报率是可以接受的。
4）车辆滞留的判别
以所有车型中长度最长的车型在最低速度下占有线圈时间为准，当检测到线圈上车辆占有时间超过该值时，表明有车辆滞留在线圈所在位置，此时报告车辆滞留事件。
6. 结语
总之，本课题研究的交通事件检测系统具有如下创新点：
1）系统结构更合理
本文研究的交通事件检测系统为现场式，将交通状态及交通事件判别在现场的 IPC 中完成。无需将现场采集到的原始交通信息实时传输到信息中心，只将交通状态和交通事件判别的结果实时上传，原始信息保存在检测器内，在需要时或空闲时上传。这种系统结构大大减轻了信息传输的负荷，降低了中心计算机的工作负荷与性能要求。由于根据实时的交通数据进行事件检测而没有进行周期平均，所以检测的灵敏度和检测速度大大提高。
2）检测器更先进
采用先检测车型后检测速度的方法，使得交通参数的检测精度有显著的提高；且采用24 通道串行工作，可以有效的避免交调干扰的影响。传统的线圈检测器只根据有无车辆的逻辑结果，以及车辆占有时间来检测流量、速度、占有率等参数，而没有研究电感量的变化规律与车辆类型的关系。本课题采用的新型单线圈检测器，根据车辆驶过一个线圈时线圈电感量的时变图形与车辆底部金属构件的形状密切相关的特征，通过对比被测车辆驶过一个线圈时线圈电感量的时变图形与预先建立的各种车型的时变图模型，用图形匹配的方法检测车型。
3）事件检测算法更简单有效
本文研究的交通事件检测算法基于新型检测器采集到的实时交通数据，首先将交通状态分级量化，然后根据交通波理论，以及交通事件可能引起的所有交通参数、交通状态变化情况，设计交通事件判别算法，检测速度更快、算法更加爱简单有效。
川公网安备 51140202000219号