北京图盟科技有限公司

一、智慧路口概述

目前国内各大城市先后建设了信号控制系统、高清卡口系统、视频识别等外场设施设备，产生和汇集了大量的交通流、交通事件、交通违法数据，但是这些数据仍然不能满足现在交通管理在安全、效能等方面的实时性和精准性的要求，主要原因的数据不够全面、精细，缺少路口车道级排队、路口范围内车辆真实轨迹，前端数据传输至并在在后台中心处理计算耗时久，数据时延性差，很难支持即时、复杂的交警指挥、优化治理工作。

为克服数据采集精细、全面以及传输时延的问题，基于“端边云”协同理念建设智慧路口应运而生。智慧路口是在路口端侧建立探测雷达、电警视频，采集过车、车速、车辆、车牌等信息，并利用边侧计算单元完成雷达采集数据、视频采集数据的深度拟合，得到真实反映每一辆车辆运行动态的轨迹数据，基于此轨迹数据可以还原出路口内每辆车的行为及状态，获取路口全时、全域、全要素数据。这些数据也可以与高精地图的路段、路口、方向、车道进行挂接关联，与路网拓扑相结合，形成精细、全面、可读、可计算的大数据，在边缘侧为交管信息互联提供数据源头，为更高级别的深度应用提供数据支撑，也为隐患排查、交通组织优化等深度治理奠定数据基础，为增强城市交通管理提供数据赋能。

二、智慧路口架构

智慧路口以“感知－计算－管控－服务”一体化新格局的边缘节点，让每个路口都具备全息感知、智能管控、全景服务能力，使城市智能交通管理体系实现分布与集中相结合，极大的增强城市交通管理的管控效能。

系统采用最新的“端-边-云”逻辑架构（如图1所示），结合行业最新的传感器技术、高精度地图技术、AI算法、边缘计算技术，实现雷达数据、视频分析数据、路口渠化数据以及衍生数据的实时感知和汇聚，全量刻画路口内车路信息，以精细、全面、连续、可计算的数据构建路口“全息感知”体系。

边侧（边缘计算单元）：边侧单元对于感知设备输出的原始数据信息进行接入、存储、雷达视频数据拟合和转发，获取车辆时空数据、过车身份数据、违法抓拍数据、车道级流量数据、信号灯状态数据等多种元数据。

云侧（中心侧）：中心侧负责通过对元数据的收取，实现精准的轨迹数据还原，通过轨迹数据分析，获取精准的交通流量数据，快速检测交通事故、事件，配合业务系统赋能。

三、端侧设备

智慧路口需要一定数量的前端硬件设备，包括路口电子警察、毫米波雷达、边缘智慧终端以及配套的爆闪灯、挂箱等，标准十字路口智慧路口前端设备如下表1所示。

表1标准十字路口智慧路口配置清单表

下面就智慧路口的主要设备要求展开描述。

3.1 多目标毫米波雷达

智慧路口前端采用广域毫米波雷达检测器作为主要数据采集设备，支持覆盖多车道多目标大范围的距离、速度、行驶方向等信息采集，支持按照车道采集车流量、车道平均速度、车头时距、车头间距、车道时间占有率、车辆类型、排队长度、交通状态等指标。

3.2 超微光电警

智慧路口电警需支持车牌识别功能，支持多种车牌颜色、车牌种类识别，支持压线、违法变道、欠速、不按导向行驶、机占非、非占机、倒车、尾号限行、不按规定车道行驶、大弯小转、占用公交车道、逆行、禁左禁右违法抓拍、不礼让行人等捕获检测，支持快速集成智能算法或应用APP。

3.3 路侧计算终端

路侧计算终端提供路口数据计算的算力、存储支撑，支持摄像机视频、雷达轨迹拟合，支持实时车辆属性、车牌、速度、位置、姿态识别；支持路口交通指标、转向交通指标、车道交通指标计算，并提供数据端口输出。

3.4 高精地图

高精地图是智慧路口最重要的支撑，是实现路口车辆运动轨迹呈现和各类业务数据分析的重要承载体，高精地图以基础地图数据以及高精地图数据为基础提供地图展现、搜索查询、图层叠加、可视化展现等核心引擎能力，为智慧路口以及整个智慧交管应用提供地图服务。

高精地图数据，是利用移动采集车辆、测绘无人机等测绘设备对道路信息进行测绘采集，采集路面、车道、安全岛、渠化带、交通标志、标线、路面文字、杆件、电警、卡口、诱导屏、信号机、流量采集设备等各类交通要素信息，形成全要素、高精度（显示到车道级别）的电子地图。智慧路口对于高精地图的精度有一定要求，绝对精度≤1米，相对精度≤0.2米，数据要求现势性良好，属性信息完整，各要素间拓扑关系正确。

3.5 系统组网方式

以信号灯杆或交通监控杆件为附着物，在杆件距地6米处安装支架，将电警、雷达安装在支架上，其他设备装载抱杆箱内，以抱杆方式固定。雷达安装在路口出口方向杆件上，迎着车头方向探测，电警安装在进口杆件上，往路口内探测（车尾方向），设备组网示意图如下图2所示。

图2 智慧路口设备组网示意图

四、边缘计算单元

4.1 边缘数据拟合

智慧路口主要通过雷达、视频采集方式获取路段数据。雷达采集频率、准确度都比较理想，能够获取详尽的车辆运行特征数据，但无法识别到具体的车辆；视频检测可以识别车牌，指向到具体车辆，但视频检测容易受天气、环境影响，采集精度与准确度难以保证，利用边缘雷视拟合技术，将视频检测的车牌信息附加在雷达检测的对象上，可以捕获每时每刻路口每一辆车具体运行特征，从而获得每辆车的轨迹。

4.2 边缘数据计算

智慧路口具备边缘侧计算能力，可以对于感知设备输出的原始雷达视频数据信息进行接入、拟合和转发，获取车辆轨迹、车辆运动数据、过车身份数据、交通流量数据等多种元数据，基于这些元数据可以构建路口指标、转向指标的算法程序，计算各类交通指标，也可以基于雷视轨迹数据分析车辆驾驶行为，构建交通事故、事件检测算法，在边缘侧完成事件检测能力。

4.3 边缘数据输出

智慧路口数据可以通过边缘输出块输出至后台以及路口信号机，支撑交通信号控制优化等应用。边缘输出模块可以基于现有的信号控制机对检测数据的数据协议、通讯方式进行兼容，可配置虚拟线圈、虚拟卡口输出各类交通数据，完成数据输出应用。

五、云上应用

智慧路口云上应用主要包括路口数据采集、车辆轨迹监测、事故快速检测、交通信号分析、交通组织分析、安全隐患分析等内容。

5.1 路口数据采集

实现交通流量、平均速度、延误、排队、停车次数、车头时距、车头间距、车道时间占有率、车道空间占有率等交通流元素的检测，按照分车道、分转向方式有效组织和输出的。

5.2 车辆轨迹监测

对路口四个方向的电警视频以及雷达数据进行拟合，实现路口级单行驶方向200米范围内的距离检测以及车辆轨迹精准描绘，结合车辆建模技术，可以在高精电子地图上展示路口内每一车辆的行驶动态、行驶轨迹，以上帝视角观察路口内车辆运动情况，如下图3所示。支持车辆视角跟踪、历史轨迹呈现功能。

图3车辆轨迹监测效果图

5.3 事故检测处置

利用车辆轨迹和车辆行为可以识别异常停车行为，结合路口灯态、其他车辆的行为以及周边环境，进一步可以识别车辆事故。系统支持路口事故检测及上报，对发生事故可以快速截取事故视频，根据事故发生时间、位置、影响车辆信息对事故进行影响评估，确认事故级别，进而上报处置。

5.4 交通信号分析

基于路口实时的延误、排队、周期流量等信息分析评价路口信控效果，找出路口溢出、失衡、绿灯空放等问题，以服务信号机自适应或人工优化控制，从而提升信控效能。

5.5 交通组织分析

利用高精地图、车道级交流数据对路口的交通组织进行评价诊断，从进口流量比、进口转向流量比、波动系数、潮汐路段流量比不均等系数等角度，找出路口空间和时间不匹配、流量不均衡、潮汐等问题，进而为交通组织的优化提升依据。

5.6 安全隐患分析

通过对安全事件的监测和分析，对路口各种安全隐患事件进行识别及统计分析，主要包括三急一速驾驶、违规掉头、单车多车事故、逆向行车、冲突点、违规掉头、违规变道等，通过对安全隐患事件聚合分析，寻找路口安全隐患的位置，并进行空间化展示，掌握路口隐患时空分布规律，为路口的秩序管理提供数据支撑。