基于交通联盟链的停车收费应用示范

075

车辆驶入业务涉及的数据流转环节包含车辆进场，停车位空满确认，车辆历史交费情况请求查

询反馈等。收费员将车牌信息、车辆图片信息、车位信息通过 pos 机采集确认，并向后台申请历史

欠费信息查询，确认无欠费信息后允许车辆停入车位，以上流程产生的信息通过 pos 机内置的 Jar

钱包直接上链。

车辆驶离业务涉及的数据流转环节略有不同，分为付费驶离和未付费驶离两种。付费驶离的车

辆出场，收费员通过 pos 机完成和采集停车完成时间和车辆离场信息，并向后台发送车辆缴费金额

确认信息，自动更新欠费和累计欠费数据，经确认后完成的停车费交易支付数据保存在公共停车平

台数据库中，并通过数据库服务器接口上传到交通联盟链上。

图 2 基于交通联盟链的道路停车收费数据业务流程

未付费驶离的车辆出场纪录人工写入 pos 机，并向后台发送车辆待缴费金额信息，自动更新欠

费和累计欠费数据，经确认后完成的停车费交易支付数据保存在公共停车平台数据库中。此时未缴

费车辆的未完成交易订单记录为欠费数据。欠费数据按照时长、频率、累计金额等进行大数据分析

挖掘，与欠费规则比对后形成逃缴费黑名单，并进入停车信用管理数据库，支撑停车管理部门欠费

通知和催缴费的依据。

（三）数据采集通信接口

道路停车收费需要通过外场收费 POS 机，采集停车进场与支付数据并送入钱包方式上链，因此

数据上链过程中包含 POS 机数据采集接口和 Jar 钱包数据接口两个环节的技术。

1. POS 机端数据采集接口

POS 机通过移动网络直连转发，向交通联盟链进行数据上传。数据通过实时上传和数据补传后

的数据，完整性不低于 99.99%；实时数据时延不超过 1min。心跳信息传输周期为 5min，数据完整

智能交通产品与技术应用汇编

076

性要求为每日正常心跳数据 288 条，心跳数误差<8 条；数据补传通信要求为每日凌晨 1 点之前需保

证前一日数据的完整，即前一日的进/出场数据上传失败记录通过补传接口上传。

2. Jar 钱包数据接口

（1）Jar 钱包数据接口功能与内容

POS 机采集到的数据包括车辆入库数据、车辆出库数据、交易记录三类信息，具体含有入库时

间、车牌、支付方式、车辆类型、车辆原始照片等数据。

这些数据在完成业务数据上报后结束上传原始记录的动作，对原始数据中的部分关键内容，如

车辆原始照片信息，加载 hash 算法 sha256，然后将产生的数据打包上链，在智能合约内记录该信息，

用于作为之后原始数据查询比对的依据。

POS 机上进入 Jar 钱包的数据，还有用户向停车记录智能合约发起查询的功能需求。支持按时

间，车牌，停车记录 ID 查询，返回停车记录的信息包括详细记录的 URI 信息，根据 URI，从去中

心化存储（IPFS）获得停车记录的详细信息，如原始入库照片数据，通过对原始信息做 HASH 计算

sha256，与智能合约返回的记录做对比，可以确保原始记录的信息没有被篡改。

（2）智能合约及接口技术

根据实际的业务场景，设计 3 个合约用于处理停车业务的三个关键环节，分别是车辆入库智能

合约、车辆出库智能合约、交易记录存储查询智能合约，分别用来处理数据的记录和查询处理。智

能合约主要职责是核实上报数据的身份、授信 pos 机可上传记录，记录数据记录和查询数据记录三

个作用。为了实现智能合约的主要作用，首先需要建立 Solidity 通用状态记录 Library，形成智能合

约的通用库，用于存储通用的状态定义。其次建立并开发三项合约的接口程序以及基于 Java API-v0.3

的链操作模块。

（四）逃缴费研判与识别

为保证公共资源的合理利用，需要设计停车逃缴费研判与识别系统，以便对恶意欠费用户采取

进一步处置工作。具体模型设计如图 3 所示：

用户应收违约

金总额（L）

用户欠费

总额（D）

2个指标描述经济损失(S)

用户欠费

次数（T）

用户欠费

密度（DE）

用户欠费时

长总和（ST）

距离用户最近欠

费时长（SC）

4个指标衡量用户欠费的严重性(P)

黑名单

用户

计算逃缴费用户危害性

风险值（W）W=S*P

否

恶意逃缴费用户清单

定义阈值

是 W=?

当前逃缴费用户

图 3 停车逃缴费研判与识别模型

基于交通联盟链的停车收费应用示范

077

用户欠费的风险值 W 由两个一级指标决定，一个指标是用户欠费的恶意程度 P，用于度量用户

欠费的严重性；另一指标是用户欠费造成的损失 S。恶意程度 P 由 4 个二级指标决定，分别是用户

欠费次数（T）、用户欠费密度（DE）、用户欠费时长总和（ST）、距离用户最近欠费时长（SC）；经

济损失 S 由 2 个二级指标决定，分别是用户欠费总额（D）、应收违约金总额（L）。风险值的计算公

式如下：

1. 计算欠费造成的经济损失（S）

1 2000 2 2000 Ss L s D    log ( 1) log ( 1)

2. 计算用户恶意欠费的严重性（P）

1 23 4

1 1 1 11

1 36

SC P p p DE p p T ST

                        

3. 计算欠费用户危害性（W）

W=SP

最后根据事先设定的 W 的阈值判断用户是否为恶意逃缴费用户。

三、现场演示

选取上海市闵行区立跃路——江月路东侧道路停车位（路段编号 MHW-095）进行现场测试。

测试流程如下：

（1）13：50 测试车辆驶入停车位，收费员将车牌信息、车辆图片信息、车位信息通过 pos 机采

集确认，确认无欠费信息后允许车辆停入车位，以上流程产生的信息通过 pos 机内置的 Jar 钱包直

接上链。如图 4 所示：

图 4 记录车辆入场信息

（2）13：52 测试车辆驶离，收费员通过 pos 机采集车辆离场信息并向车主收取本次停车费用，

同时，pos 机向后台发送车辆缴费金额确认信息。如图 5 所示：

智能交通产品与技术应用汇编

078

图 5 车辆驶离并收取停车费用

（3）经确认后完成的停车费交易支付数据和车辆信息数据保存在后台的公共停车平台数据库

中，并通过数据库服务器接口上传到交通联盟链上。如图 6 所示：

图 6 BaaS 区块链平台后端数据记录

四、意义及展望

基于交通联盟链的停车收费应用示范探索了区块链在智能交通领域中的创新式应用理论与技

术，构建了交通联盟链，用于停车收费类交通业务场景的数据存证、加密存储和智能应用。选取上

海市道路路边停车示范点完成了数据上链及应用分析示范，支撑了上海市公共停车平台交通信用体

系建设，为交通领域交易类场景数据安全计算、多方存证和加密共享等提供了应用案例和技术理论

储备。该应用可复制和扩展应用到 ETC、小区停车管理、出行分享等智慧城市典型场景中去，具有

重要技术引领作用。

ETC 拓展应用技术研究

079

ETC 拓展应用技术研究

北京速通科技有限公司

薛金银 韩雪龙 王 兵

1. 概述

2019 年 3 月，国务院提出“两年内基本取消全国高速公路省界收费站，实现不停车快捷收费，

减少拥堵、便利群众。”2019 年 5 月 16 日国务院下发《深化收费公路制度改革 取消高速公路省界

收费站实施方案》（国办发〔2019〕23 号）。根据国务院的要求，交通运输部积极开展相关推进工作，

5 月 21 日发布《关于大力推动高速公路 ETC 发展应用工作的通知》，大力推广 ETC 收费在高速公路

的应用。

截至目前，全国 ETC 用户累计超过 2.4 亿，ETC 渗透率约为 80%，全国高速公路 ETC 使用率

约为 67%。ETC 前装也成为新车型的选配装置。

北京速通科技有限公司作为北京市 ETC 系统运营方，在 ETC 行业发展的基础上，自主研发了

多项 ETC 拓展应用技术，包括智能测试平台、智能运维平台以及智慧停车场管理平台等，分别服务

于 ETC 系统和设备测试、系统运行维护、静态交通服务等。

2. 智能测试平台

智能测试平台包括：获得中国合格评定国家认可委员会（CNAS）认可和中国计量法规定的计

量认证（CMA）的检测实验室，检测内容包括：ETC 系统核心设备如 RSU、OBU、IC 卡等，ETC

门架系统，ETC 车道系统，路侧停车车位检测设备，高速公路路侧感知设备如摄像机、毫米波雷达、

边缘计算模块等。

为了开展常态化的 ETC 车道运行检测服务，2018 年，速通科技自主研发了 ETC 车道运行检测

车（见图 1），可在全国范围内进行 ETC 车道物理层指标（11 项指标）、射频信号场强分布、ETC

交易时间及车道软件运行情况等内容的检测，并能实时保存电子化的检测数据，自动生成检测报告。

目前，ETC 车道运行检测车已经在京津冀和其他省市的 ETC 车道开展了应用测试，对 ETC 车道运

行维护及服务质量的提高均起到良好的效果。

智能交通产品与技术应用汇编

080

图 1 ETC 车道运行检测车

3. 智能运维平台

为了提高运维效率，及时发现问题，进行资源预测，在安全、高效的标准化运维思想指导下，

速通科技自主研发了一体化智能运维平台 AIOPS。该平台主界面见图 2，包含数据采集模块、数据

分析模块、移动支付模块、实时预警模块、智能运维模块、自动化巡检模块等。数据采集模块基于

路侧摄像头、高速路 ETC 设备等终端数据急性数据收集，为交通态势分析，交通实时监控提供基础。

数据分析模块可根据用户需要，开放接口用于定制开发相应的监控、统计、分析等功能。移动支付

模块接入移动支付系统、银企系统的应用，与高速业务相结合，实现自动收费功能。实际预警模块

与运营商对接，实现进行短信、邮箱告警，同时进行告警压缩，对告警信息不停进行分析、学习，

然后给出正确有效的告警。智能运维模块，可进行预测规划、异常分析、故障界定、指标监控、告

警压缩、智能预警、趋势分析、日志分析等。自动化巡检模块执行任务自动化，保留巡检结果，具

有统一接口标准，可与外部系统快速对接，从而达到系统对外的扩展。该平台的使用，节省了大量

的人力，缩短了故障解决时间，提高了用户出行体验。

图 2 ETC 智能运维监控平台主界面

ETC 拓展应用技术研究

081

4. 智慧停车云平台

速通科技开发的 ETC 智慧停车云平台，其框架见图 3，该平台支持封闭式停车场、路内停车、

加油、车辆检测等诸多使用场景；支持移动支付、电子发票、银行清结算等必备应用。ETC 停车服

务系统无需驾驶员和收费员干预，缓解了大型停车场及周边的交通拥堵，为场景管理方提供了合法

合规的全链条运营解决方案，为车主提供了快速、绿色的停车体验。

收费车

道系统1

控制机

...

控制机

...

收费车道

系统N

收费车

道系统1

控制机

...

控制机

...

收费车

道系统N

B 停车场

收费管理总中心

打印机

A停车场

管理工作站

打印机

B停车场

管理工作站

打印机

B停车场

管理工作站

停车场收费管理云中心

云端服务群集

云端存储群集

通信接入 通信接入

云中心运营单位工作站

打印机

云端通信接入

A 停车场

收费管理中心

小型停车场

大中型停车场

服务器 B 停车场

收费管理分中心1

通信接入

服务器 B 停车场

收费管理分中心N

收费车

道系统1

控制机

...

控制机

...

收费车

道系统N

通信接入

图 3 智慧停车云平台框架

根据市场需求，速通科技自主开发了 ETC 云盒产品，同时封装了 ETC 卡片、OBU 及 RSU 的

密钥访问，承担了交易控制和信息校验等复杂工作，可同时接入 ETC 天线、ETC 读卡器、移动扫码

支付终端等，极大减少停车场收费系统与 ETC 设备的对接工作量，停车场收费系统只需连接一根网

线即可解决 ETC 及第三方支付处理功能。停车云平台已通过云盒或天线的方式对接了艾润、捷顺、

立方、ETCP 等 70 余家系统集成商。

2020 年 3 月，速通科技自主研发的“区块链电子发票系统”作为应用接入，助力北京市税务局

在汉威国际广场停车场开出第一张区块链电子普通（停车）发票。实现停车收费、开票自动一体化，

极大程度简化了开票流程，提升了用户体验。

经过多年耕耘，速通科技 ETC 停车服务平台已接入超过 1000 个停车场，累计结算金额超过 11

亿元。北京市的典型项目包括：首都国际机场航站楼 T2、T3、北京大兴国际机场、北京西站、北京

南站、国家体育场、国家游泳中心、国家奥林匹克体育中心、清华大学、协和医院、北京儿童医院、

国家大剧院、国贸中心、凯德 MALL、阜外医院、五棵松地下停车库、北京市 16 区道路停车等。

智能交通产品与技术应用汇编

082

在北京市域外，还在广东、天津、陕西、山东等 24 个省直辖市开通了 400 多个停车场，如南昌西站、

灵山胜景景区、青羊总部基地、南京西城广场、宝鸡市中医医院、榆林机场 T2 航站楼、三亚凤凰

国际机场、南昌昌北机场等停车场项目。

5. 总结

通过“乐速通”手机 APP、微信公众号、网站等在线渠道，以及线下营业网点等方式，速通科

技为北京市和其他省市超过 760 多万户开展多样化的 ETC 和相关应用服务。速通科技还将探索车路

协同、北斗定位等新一代智慧交通行业前瞻性技术，助推智慧交通高质量发展。

专注于无线连接，打通 5G+智慧交通应用最后一米

083

专注于无线连接，打通 5G+智慧交通应用

最后一米

中微普业科技有限公司

随着轨道交通技术的发展，智能运维、智慧交通、无人驾驶、大数据传输等人工智能技术越来

越多的在城市交通领域内落地和创新，5G 通信技术成为城市交通智能化的核心技术，中微普业专注

无线连接，为 5G 智慧交通提供专业的通信产品及解决方案，5G 多合一天线、5G 数传终端等，为

打通 5G+智慧交通最后一米提供保障。

一、5G+智慧交通解决方案

利用 5G 大带宽、低时延的特点，通过 5G 数传终端+5G 天线更精准的实现车辆控制、大数据传

输、车辆定位等智慧交通解决方案。

图 1 为 5G+智慧公交解决方案。

图 2 为 5G+智慧地铁应用方案。

图 1 5G+智慧公交解决方案

智能交通产品与技术应用汇编

084

图 2 5G+智慧地铁应用方案

二、5G+智慧交通关键设备

① 5G 多合一天线：专门为城市公交、有轨电车、救护车、运输卡车等 5G 应用而设计。图 3：

5G 多合一天线

图 3 5G 多合一天线

② 5G 鲨鱼鳍天线：专门为地铁、高铁等 5G 应用而设计。图 4：5G 鲨鱼鳍天线

③ 5G 数传终端

多款高可靠工业级 5G 数传终端，适用于智慧交通、智慧工厂、智慧医疗等。图 5：5G 数传终

端网关

5G 多合一天线频段

端口 频段 备注

Port1-Port2

①.698-960MHz；

②.1710-2170MHz；

③.2300-2690MHz；

④.3400-6000MHz

Port3-Port4

①.1710-2170MHz；

②.2300-2690MHz；

③.3400-6000MHz

5G MIMO 天线 4x4

四个端口

Port5-Port6 2400-2500MHz；5150-5850MHz WIFI 天线，2x2

双端口

Port7 1575.42MHz/

1561.098MHz

GPS/BD 天线

Port8 400MHz-470MHzz DMR 天线

专注于无线连接，打通 5G+智慧交通应用最后一米

085

图 4 5G 鲨鱼鳍天线

图 5 5G 数传终端

产品特点：

 支持 5G 全网通，支持 SA 及 NSA，

 并兼容 4G\\3G\\2G。

 全工业级设计，多种形态。符合工业级设计标准。

 支持 GNSS，兼容 GPS\\BD，

 定位精度 5-10m。

 支持 DMZ、桥接、L2TP、DMZ 以及自组网 VPN 等功能。

5G 鲨鱼鳍天线频段

端口 频段 备注

Port1-Port2

①.698-960MHz；

②.1710-2170MHz；

③.2300-2690MHz；

④.3400-6000MHz

Port3-Port4

①.1710-2170MHz；

②.2300-2690MHz；

③.3400-6000MHz

5G MIMO 天线 4x4

四个端口

Port5-Port6 ①2400-2500MHz；

②5150-5850MHz

WIFI 天线，2x2

双端口

Port7 1575.42MHz/

1561.098MHz

GPS/BD 天线

Port8 400MHz-470MHzz DMR 天线

智能交通产品与技术应用汇编

086

 高可靠设计，适应恶劣运行环境

 采用全工业级芯片设计，工作温度可达-30℃~75℃。

 支持宽压供电，工作功耗低。

 高性能，功能丰富

 下行速率可达 900Mbps+，上行速率可达 180Mbps+。

 网络功能丰富，支持 DMZ、桥接、L2TP、DMZ 以及自组网 VPN 等功能。

 支持 5G 锁频、锁小区，专网接入更可靠。

 完备的安全性

 安全接入认证：支持用户名密码认证等方式进行拨号鉴权，支持融合鉴权。

 网络安全防护：支持多种防火墙策略。

 管理方便，灵活易用

 支持 Web 界面、命令行界面等多种配置方式。

交警接处警中的快速智能化处置方法研究

087

道路交通安全与控制

优化篇

智能交通产品与技术应用汇编

088

交警接处警中的快速智能化处置方法研究

南京莱斯信息技术股份有限公司

一、背景

交通运输是国民经济发展的血脉，只有始终保持交通畅通，才能保证产业链、供应链稳定运转，

使得经济活动顺利开展。其中，降低道路交通事故、拥堵对出行带来影响，提升道路交通环境和道

路安全通行效率，既是保障公民生命和财产安全的基础，也是全面建设小康社会的内在要求。

自公安部提出构建“情、指、勤、督”四位一体的建设方针之后，利用科技化手段辅助城市道

路交通接处警的处理过程，提升公安交警指挥调度的智能化水平，成为了交通管理工作的重点研究

方向之一。

我们通过对交通接处警中的快速智能化处置方法进行研究，探索接处警流程中的自动化和辅助

决策机制，从而提升交通接处警快速化和智能化的能力。目前，交警的接处警流程可以简化为图 1

中所示的步骤：

在接收到群众的电话报警后，上级指挥中心接警员会在软

件系统中登记下警情的报警地址、报警电话、报警内容和报警

类别等相关信息，然后将属于交警处理的警单派发至其对应的

下级交警部门进行处理。下级交警部门在软件系统中接收到警

情后，会和报警人进行电话确认，根据情况再选派合适的警员

对需要进行现场处理的警情进行处置。

在上述过程中，接警员需要记忆各地址与交警辖区的匹配

关系，从而将警情派发到不同的下级单位，在我国大中城市，

下级单位的数量往往在数十个以上，下发环节的耗时和准确率对人员素质有较高的要求。通过基站

定位获取的报警定位则由于定位精度不高和不支持固定电话等原因，一方面无法在辖区交界处进行

精准定位，也无法支撑事后报警；另一方面则是依赖运营商的高质量服务，使用成本相对较高。

这导致目前交通接处警工作对人工经验的依赖十分严重，特别是在警情派单和警员调度这些环

节耗时过多，因此可以构建一套自动化下发机制来加速工作流转。此外，随着各地科技强警信息化

建设进程的推进及警用装备的更新迭代，路面警力实时工作状态、地理位置等相关信息的获取变得

越来越便捷和准确，可以利用这些实时信息来综合计算警员的到达时间，有效地辅助指挥人员进行

调度决策。

接收到警情

派发至下级处置单位

大队接收

根据情况派发警情到警员

是

否

图 1 警情处置环节

交警接处警中的快速智能化处置方法研究

089

二、相关研究

我们将针对交通接处警工作中耗时较多的警情自动下发和警员实时调度两个方面进行研究，从

而实现警情的快速智能化处置。首先，可以将警情下发转化为机器学习中的经典文本分类问题，通

过对历史下发记录的训练找到警情地址文本中与派发单位的内在联系，最终实现利用报警地址的文

本进行自动下发，对于警员实时调度则建立数学模型。目前面向上述的两个方面，有如下相关研究：

在警情文本分类问题的研究上，早期有基于纯规则的方法进行分类，而后，K 近邻、朴素贝叶

斯和支持向量机以及深度学习等方法逐渐被应用。在一些典型分类问题中，通过构建多层分类或者

对贝叶斯中的属性进行加权，有时可以有效提升朴素贝叶斯的准确率。先前研究多数是针对事后分

析，随着警情量的逐年上升，快速处置的需求被更多的考虑，有研究指出可以将文本分类和百度地

图的地址解析相结合，提出了通过动态权重分配来实现警情动态下发，或者利用专家综合知识结合

小数据集的贝叶斯网络参数学习方法，来解决地址文本的分类问题。

而在和警员调度的相关研究中，一类是以规划（特别是路径规划）为主，例如可以考虑路径交

通拥堵状况，建立规划模型，实现最优路径规划。另一类则考虑警员实时调度更加实际的需求，例

如最快响应时间、预测的交通状况、驾驶资格、响应单元可用性和需求覆盖范围等维度，并进行建

模，为了提升警员的巡逻效率，还可以优化街道的划分，从而实现工作量的均衡。

可以得出的结论是，在目前警情文本的分析应用中，基于机器学习进行后续警情数据的分析与

挖掘较为深入，警情分类研究也是面向整个公安业务，针对交警的定向优化能力不足，对于警员的

实时调度则没有充分考虑警员正在处理的任务，从而造成时间上计算的偏差。然而，交警由于其警

种的工作特点，在警情处置工作中对快速性有较高要求，特别是在早晚高峰和中大型城市，这样的

诉求就会变得更加强烈。因此，从交通警情处置的视角出发，我们将构建更加贴近交警需求的优化

方法。

三、优化方法

（一）基于报警地址的自动下发

对于报警地址的文本分类而言，本文选择朴素贝叶斯模型作为分类方法，有两个原因：首先，

对于不同的交警处置单位，其样本数据量存在着明显的差异，选用对数据量更不敏感的机器学习算

法更为合适；其次警情下发对分类速度的要求较高，而 KNN 算法在分类种类较多时，效率不高。

朴素贝叶斯分类假设了文本中词的分布式相互独立，选取后验概率最大的类别作为待分类的文

本类别，其数学模型的表达为

0

y arg max (c ) ( | ) k

n

k ik c i

p px c 

 

式中， ck 为标签， i x 为待分类的文本向量 x 中的第 i 个特征词汇，y 为分类标签，得到上述结

果的计算过程中还需要计算先验概率，并使用极大似然法估计来进行参数估计，公式如下所示

智能交通产品与技术应用汇编

090

( ) (c ) k

k

count Y c

p N

 

(x , ) ( | )= ( )

ii k

i k

i k

count y c px c

count y c





针对报警地址的文本分类问题，从报警地址中提取的特征相当丰富，因此，本文选择了卡方检

验来进行特征数量选择来过滤与分类关联度不高的词语，提升分类

器的性能。通过卡方检验确定好特征集后，借助 TF（term-frequency）

方法来构建最终的词向量，作为朴素贝叶斯模型的输入。如图 2

所示：

（二）下发流程优化

通过朴素贝叶斯分类器可以实现警情的自动化下发，同时，我

们也注意到了一些特殊的情况：

1）重复报警会产生相同的下发错误。一部分报警人在报警

后出于各种原因会再次电话报警而产生地址相同的重复警单，当

分类器无法正确判断时，重复警单都会下发错误并需要人工来进

行修正。

2）交警处置单位的管辖交界处易发生派发错误。在一些交警单位的管辖边界处，一些道路由多

个交警单位共同管辖，这就导致在边界处的报警地址文本特征容易发生交叉，从而致使分类精

度下降。

因此，我们引入了一些针对性的策略来优化最终的分类表现：

1）重复报警派单策略，当接收到重复警情时，若存在已经下发的关联警情，则将重复警情派发

至时间间隔最长的关联警情的有效下发单位，其中，关联警情指的是与重复警情在逻辑上属于同一

报警的早先报警，通过以下方法进行确认：

对时间长度为 Q 内的报警的报警电话、报警地址及文本中所含的车牌号码进行比对，满足任意

一个匹配条件则认为是关联报警，在本文中 Q 取值为 3 小时。

这样当关联警情派发错误被修正后，重复报警也会获得修正。

2）自定义地址规则库策略，定义两种规则，一种是通过规则，一种是拒绝规则，通过规则将警

情直接下发至目标处置单位，而拒绝规则则转为人工处理，这些规则由经验丰富的接警员进行制定，

从而避免过多的退单，增加下级单位的处置负担。

最终，下发流程将如图 3 所示

（三）实时警员调度优化

警情的快速化处置就是要综合考虑多维度的信息，选择最优的警员进行出警。在这个选择过程

中，我们假设两个点之间的最短路径已经可以由地图引擎快速计算得出，因此，我们将计算最短路

径已知情况下警员到达时间，选择到达时间最短的警员进行出警。本文 P 表示可调度的警员集合，

最优的出警警员 * p 可以由以下公式计算得出：

地址文本分词

通过词频构建词向量

基于卡方分布的关键词提取

通过朴素贝叶斯模型进行模

型训练

图 2 朴素贝叶斯分类器训练流程图

交警接处警中的快速智能化处置方法研究

091

根据关联警情的派发单位，直接

派发

先导规则

判断是否是重复报警

是 否

通过贝叶斯分类器进

行判断

分类结果大于阈值

否

接收到报警信息

是 自动派发

满足条件 人工下发

图 3 多层次的警情下发模型

1,

, 1

arr

,

,

t k k

p k k

p

v

k

o er

p k

p k

p

s

p

v

t

s

p

v







 

  







警员 不空闲

警员 空闲

,1 ,2 ,1 ttt v pro

pk p

o e

k

r ar

k p

r

    

p,

, , t

arrived

k m

pk m pk m

arr

k m

p

t p km

s

p km

v



 



      



警员 已经到达了警情

警员 还未到达了警情

* arr

, p p arg min p k P t  

k 是目标警情在警员 p 的处理序列中的下标，arr

p,k t 为警员 p 到达警情 k 的预计到达时间， , 1 t k

r

p

ove

 为

警员 p 到达在警情 k-1 的结束时间， ro

,

p

1 t p k 为警员 p 处理警情 k-1 的预计处置时间，可以通过历史数

据进行推演， p k, s 是警员 p 到警情 k 的最短距离， k k 1, s  是警情 k-1 到警情 k 的最短距离，若警员 p

具有前置任务在处置，那么我们假设警员 p 正在处置的警情为 k-m，若警员已经达到事件 k-m，那么

p,

arrived

k m t  就是系统记录的到达时间，这里 k

p v 代表警员前往警情 k 的平均速度，其取值见表 4 所示，通过

计算最短的到达时间 arr

p,k t 可以决策最优的派警选择。

警员到达现场一般采用步行、警摩和警车三种方式。由于城区高峰期堵车严重以及车流量较大

移动速度会降低，其中，机动车的行驶速度将会受到明显的影响，摩托车由于车道占用少，速度下

降的幅度会弱一些，而步行几乎不受影响，此外，在高速交警部门的管辖区域内，移动速度受到高

峰时段的影响很低，根据经验本文将按照表 1 来取值：

表 1 不同大队不同时段的速度推荐取值

时速（m/s） 步行 警摩 警车

高速大队或者城区大队的非高峰时段 1.5 20 22.5

城区大队高峰时段 1.5 10 7

智能交通产品与技术应用汇编

092

报警的复杂程度也会影响到警员的调度选择，在中国大部分区域，只有事故民警才具备处置复

杂交通事故的资格，如人员伤亡。因此，我们必须先对警员做有效的筛选构建好 P 集合之后，才能

运用公式进行计算，可以构建规则库来实现筛选规则。那么，警员调度可以描述成以下的过程：

第一步：接收到派单模型下发的警情

第二步：基于规则库筛选出可调度的警员集合 P

第三步：对 P 中的警员应用到达时间计算公式计算到达时间 arr

p,k t ，选择到达时间最短的警员进

行出警

四、优化总结

我们选取某市近 88 万条数据作为训练集，并取其中一个月 5.4 万条记录作为测试集进行了实验

研究，综合下发的准确率为 88.56%，平均耗时为 0.01 秒，而经过统计，原有的人工派单的时间一

般在 10 秒左右，因此，利用上述方法，自动派单能够将原有的人工派单时间减少 98%以上，人工

模式只处理拒绝和错误的派单；此外，利用该市的智能化指挥调度系统，我们集成了上述警员到达

时间最短的派警模型，实际模型计算时间不超过 1 秒。综上所述，我们提出的优化方法可以大幅降

低原有的耗时环节，并且显著减少交通管理者的决策成本，有效提升指挥调度中的自动化和智能化

水平。

未来，我们将不断优化下发模型，引入基于上下文的词向量模型，进一步提升警情辖区交接处

下发的正确率。此外，警情处置的优先级也是后续研究的一个方向，特别是当多个警情在短时间内

依次到达，而后到的警情又优先级明显更高时，现有的处置计划可能不再是最优调度，需要进行动

态调整，从而满足整体的调度方案最优。

科技赋能支撑城市交通安全的相关技术研究及应用

093

科技赋能支撑城市交通安全的相关技术研究及

应用

深圳市城市公共安全技术研究院·交通运输安全研究所

张 希 修文群 李兰勇 罗 叶 祁首铭 戴明良 齐文光

2018 年，中共中央办公厅、国务院办公厅印发了《关于推进城市安全发展的意见》，意见指出：

健全公共安全体系，加强城市规划、设计、建设、运行等各个环节的安全管理，充分运用科技和信

息化手段，强化系统性安全防范制度措施落实，严密防范各类事故发生。在 2022 年国务院安委会办

公室印发的《“十四五”全国道路交通安全规划》中对科技兴安提出了更高的要求：坚持科技驱动，

以支撑实战为牵引，让科技为交通安全赋能，推动新型科技与交通安全工作深度融合。

在城市安全领域中，道路交通安全工作涉及多个领域、多个线条、多个部门，交通安全管理任

务重压力大。如何有效防范化解道路安全风险、提升交通安全治理水平、提高事故预防及应急处置

能力，需要科技手段来支撑。

一、科技支撑提升车辆盲区精度—泥头车与行人、非机

动车辆碰撞监测预警系统

深圳市的城市更新给失去容颜及城市发展带来了新的活力，建筑工程运输车（以下简称“泥头

车”）则是城市更新进程中不可或缺的重要工具。受工地位置影响，泥头车不可避免地需穿行于城

市道路，由于车型结构，车辆盲区较大，存在与弱势交通参与者发生碰撞事故的风险。因此，深圳

市新型泥头车均安装了基于视频技术的盲区监测系统，该系统在盲区事故预防方面发挥了一定成效，

但当车辆与右侧的隔离设施或绿化距离较近时误报率较高，致使驾驶员对虚假预警信息产生麻木及

抵触情绪。

针对上述问题，深圳市城市公共安全技术研究院积极开展泥头车与行人、非机动车辆碰撞监测

预警系统研究，通过在泥头车上安装斑马线相机、盲区激光雷达和光电提示设备，对监测预警系统

功能需求、碰撞预警算法场景和报警策略进行了分析，并融合算法研究，构建泥头车与行人、非机

动车辆碰撞监测预警系统，并在总计 200 台车辆上进行安装运行达到示范效应，实现通过先进技术

以降低路口车速、进行盲区补足的作用。与此同时，研究泥头车驾驶员驾驶过程注意力分配特点，

智能交通产品与技术应用汇编

094

通过佩戴眼动仪进行路试注意力分配测试，研究监测预警装置使用前后驾驶员注视点及视线转移特

征，总结出泥头车驾驶员注意力分配特征规律。

本项目运用了先进技术进行斑马线识别、激光雷达检测盲区补足，制定了监测预警系统技术指

引，达到了良好的应用示范效果，为降低深圳市泥头车交通运输安全风险做出了巨大贡献。

系统架构如图 1 所示，泥头车右侧盲区监测预警系统安装示意如图 2 所示，激光雷达安装支架

设计图及安装效果如图 3 所示，泥头车盲区监测预警平台数据大屏展示如图 4 所示。

图 1 泥头车与行人、非机动车辆碰撞监测预警系统架构

图 2 泥头车右侧盲区监测预警系统安装示意图

图 3 激光雷达安装支架设计及安装效果图

科技赋能支撑城市交通安全的相关技术研究及应用

095

图 4 泥头车盲区监测预警平台数据大屏展示

二、智能化提升交通安全管理效率——道路交通安全智能

管理服务平台建设研究与应用

当前，基础监管数据、隐患问题及治理数据未能形成数据共享及系统化闭环管理，导致部门及

各级之间监管力量分散与查治脱节现象依然存在。因此，全链条、系统化全面建设道路交通安全智

能管理服务平台，强化各业务系统平台之间的互联互通，加强信息化监管与安全服务，建立完善的

线上检测预警、线下联合监管执法机制，打造数据驱动、人机协同、跨界融合、共创分享的智能化

道路交通安全管理服务新模式。

通过对道路交通安全的人、车、路、企等数据信息的全量采集，并在此基础上建立相应的基础数据

库，如图 5。以安全服务、运维服务为保障，在数据源基础上支撑数据库、隐患排查治理等应用服务。

图 5 道路交通安全相关数据归集业务流程图

智能交通产品与技术应用汇编

096

通过“1+7+C”全景打造交通安全智慧监管平台，智能化排查安全隐患、全流程监管隐患治理、

智能监管人企业务、动态监管行业风险、快速落实安全职责、持续性安全教育管理、实现全方位安

全管理闭环，从而有效提升监管执行力，降低事故发生率，全局全时维系交通安全发展，如图 6。

图 6 道路交通安全智能管理服务平台系统架构

在道路交通安全智能管理服务平台的基础上，重点建设道路隐患排查 APP，如图 7。本 APP 的

一线用户针对责任辖区内可能危及交通安全的道路设施隐患进行巡查，按照部门监管职责的原则分

发责任单位处置，各责任单位在分析研判的基础上，建立整改清单、责任清单，分派整改任务，落

实整改职责。所搜集信息亦会同步至交警民意云平台。

图 7 道路隐患排查移动端 APP

科技赋能支撑城市交通安全的相关技术研究及应用

097

三、虚拟现实提升应急管理效能——地铁重大突发事件情

景 VR 模拟演练研究

地铁系统由于运量大、能耗低、污染少、速度快以及乘坐便捷等优点，近年来在我国快速发展，

在城市公共服务方面的作用日益显著。同时，地铁由于人流密集，一旦发生重大突发事件，将会严

重影响地铁站内的人员疏散。为有效防范和应对深圳地铁人员密集区重大突发事件，针对典型的地

铁运营线路和列车车型，采用情景构建的理论和方法，开展地铁系统的情景构建研究，提出针对性

和普适性的防范和应对措施。同时，开发基于 VR 嵌入和交互技术的数字化应急情景模拟演练系统，

用于地铁人员应急演练与培训，提升应急演练的互动性和体验感，提高相关人员的应急处置能力。

HTC Vive Pro 专业版套装如图 8 所示。

图 8 HTC Vive Pro 专业版套装

在系统情景流程设计方面，基于地铁事故人群疏散情景，设计开发基于虚拟现实技术（VR）的

数字化情景模拟演练系统，根据有关应急预案、地铁工作人员的岗位职责、操作手册和应急处置卡

等文件，梳理相关人员应对地铁人员密集区重大突发事件时的处置程序，以事故情景进程链和应急

处置流程为基础，设计相关人员应急处置程序的 VR 情景及操作脚本。

在系统程序和功能开发方面，制作值班站长和乘客两种操作角色，并分别设置了地铁 1 号线和

4 号线及其对应的站台疏散和隧道疏散等 8 种工况的模拟体验流程。实现了实景化的仿真场景、人

物/地铁动画、人流疏散、疏散方向导引、语音字幕播报、真实的火焰/爆炸及烟雾蔓延等功能效果，

其中 4 号线烟雾蔓延效果如图 9 所示。

图 9 4 号线烟雾蔓延效果

智能交通产品与技术应用汇编

098

系统通过 VR 手柄以直线射线和曲线射线分别与 UI 和场景进行交互，结合语音及字幕播报的方

式实现不同角色不同工况的 VR 模拟体验流程。1 号线站台疏散的人流效果如图 10 所示。

图 10 1 号线站台疏散的人流效果

利用“互联网+大数据”的交通违法行为举报系统

099

利用“互联网+大数据”的交通违法行为

举报系统

逸兴泰辰技术有限公司

马静芳

一、研发背景

随着人民生活水平的提高以及国家对机动车产业的扶持，城市机动车保有量呈几何式增长的趋

势以及道路网络的快速发展，交警部门警力出现严重不足，为了弥补交警警力的不足以及更好的对

路口路段进行监控，电子监控设备得到大力发展。电子监控设备在查处道路交通违法和预防道路交

通事故方面发挥了不可替代的作用，震慑了驾驶人，降低了驾驶人交通违法的数量。但是电子监控

设备也存在诸多问题，如由于电子监控设备安装需要资金较高、周期较长，现有的电子监控设备无

法做到对全市路网无死角监控，特别是在一些支路，由于监控稀少、交警警员数量不足，无法对路

段进行监管等问题。根据公安部要求，天津市公安交通管理局坚持以人民为中心的发展思想，进一

步推进“互联网+公安政务服务”工作，最大限度地提升服务质量和效率，提出建设道路交通违法

行为举报平台系统。

二、系统介绍

运用“便捷高效，互联互通，共享共治”的“互联网+大数据”思维，天津市公安交通管理局

与逸兴泰辰技术有限公司合作推出并上线了道路交通违法行为举报平台系统。平台系统举报端包括微

信、手机 APP 以及车载行车记录仪三种举报方式，用户可以通过这三种方式对多种不文明交通违法行

为进行摄录取证，将视频、照片以及车牌信息、违章信息上传到道路交通违法行为举报平台系统，对于

查证属实的交通违法进行处罚，加强全社会对交通违法行为的监督、处罚力度，减少驾驶员在无监控路

段的侥幸心理，达到人人是监控，人人能判别的目的，提高民众交通安全意识，震慑交通违法者，减少

道路交通违法和事故的发生，建立交通严管的社会氛围，最终实现全民和谐交通的目标。

三、主要技术路线

道路交通违法行为举报平台系统主要运用到云计算服务、大数据、GPS 定位、AES 加密算法等

技术。

智能交通产品与技术应用汇编

100

（一）云计算服务

云计算服务是基于互联网的相关服务的增加、使用和交互模式，通常涉及通过互联网来提供动

态易扩展且经常是虚拟化的资源，将企业所需的软硬件、资料都放到云上，以便在任何时间、地点、

使用不同的 IT 设备互相连接、实现数据存取、运算等目的。

道路交通违法行为举报平台系统的微信、手机 APP 及互联网 PC 端的应用系统均部署在政务云

服务器上。

（二）大数据

大数据，即容量大、类型多、存储速度快、应用价值高为主要特征的数据集合，同时需要对数

量巨大、来源分散、格式多样的数据进行采集、存储和关联分析。

道路交通违法行为举报平台系统的数据主要包括用户注册数据、注册用户上传的举报数据、车

载行车记录仪上传的视频数据、奖金账单数据、交管组织架构及民警数据、与各平台系统的对接数

据、日志数据等等。数据类型多且数据量大，在日常的维护中就需要运用大数据技术对各类数据进

行统计分析及管理。

（三）GPS 定位

用户在对道路交通违法行为进行举报时需上传所在地的地理位置信息，平台系统建设中调用了

地图，通过 GPS 定位功能对违法地的地理位置进行定位并获取位置信息的经纬度数据，再通过经纬

度坐标反推违法发生地所在的行政区划，并将用户上传的违法数据推送给所属支队。

（四）AES 加密算法

AES 是一个新的可以用于保护电子数据的加密算法，是一个迭代的、对称密钥分组的密码，它

可以使用 128、192 和 256 位密钥，并且用 128 位分组加密和解密数据。AES 加密算法使用相同的

密钥加密和解密数据，通过分组密码返回的加密数据的位数与输入数据相同，如图 1 所示为 AES 算

法流程。

图 1 AES 算法流程

道路交通违法行为举报平台系统与微信端对接的接口对于敏感信息采用加密传输，对于举报用

利用“互联网+大数据”的交通违法行为举报系统

101

户的完善用户信息以及修改用户信息接口的姓名、身份证号等均采用 AES 算法的 ECB 模式进行加

密。服务端接收到敏感信息后，根据分配给各个请求端的秘钥进行解密，保证了敏感信息在传输过

程中的安全性。

四、系统功能与应用

（一）系统概述

道路交通违法行为举报平台系统部署在互联网和公安网的服务器上，移动端上传的违法举报数

据存储到互联网服务器上，系统根据违法地理位置信息将上传的数据自动分派到所属支队，支队用

户登录互联网系统对管辖范围内的举报数据进行初审，初审通过的数据同步到公安网系统进行复审，

复审通过的数据通过接口上传到公安网审核系统进行三审。最终将审核完成的数据的审核状态同步

到互联网系统，对于采纳的数据，举报用户可以获得相应的奖励金。

（二）技术架构

移动端的数据采集采用微信小程序、手机 APP 及车载行车记录仪终端，互联网及公安网系统采

用 BS 架构，同时依据业务功能对服务项目进行了明确划分。

道路交通违法行为举报平台系统主要是针对于大流量、高并发网站建立的底层系统架构。为了

提升服务处理能力，采用反向代理模式，进行了动静分离，对业务量较大的服务负载均衡集群。

平台系统架构可靠、安全、可扩展、易维护的应用系统平台系统做为支撑，以保证网站应用的

平稳运行，如图 2 所示为技术架构。

图 2 技术架构

智能交通产品与技术应用汇编

102

（三）逻辑架构

平台服务层包含银联接口对接服务、微信端举报服务、手机 APP 端举报服务、互联网应用服务、

行车记录仪对接服务、公安网应用服务、奖金发放服务、对接公安网审核系统服务等，如图 3 所示

为逻辑架构。

图 3 逻辑架构

（四）物理架构

WEB/数据库服务器、防火墙、以太网和本地终端四个部分。WEB/数据库服务器负责与平台系

统数据交互以及现场的运营服务；防火墙负责应用服务的安全防护；以太网主要作用是提供应用服

务网络要求；本地终端支持本地用户登录、访问、管理应用服务平台。

互联网平台采用云平台的架构，运用云计算技术，将分散的服务器、存储等硬件资源整合在一

起，提高硬件资源的使用效率。公安网平台采用实体服务器完成对系统各类数据的存储，如图 4 所

示为物理架构。

图 4 物理架构

利用“互联网+大数据”的交通违法行为举报系统

103

（五）系统功能

1. 举报端功能

举报端主要包括举报违法、举报记录、更改信息、使用帮助、奖金发放、扫一扫及设备解绑等

功能，如图 5 为首页页面。

用户可以通过举报违法功能完成对违法数据的举报上传（如图 6），举报记录功能主要记录用户

的历史举报数据（如图 7），更改信息功能可以实现对用户注册信息的修改，在使用帮助页面中可以

查看到使用帮助及政策性的说明文件，奖金发放页面记录用户获得的奖金数据，通过扫一扫及设备

解绑功能可以完成行车记录仪设备与用户账号的绑定及解绑。

图 5 首页 图 6 举报违法 图 7 举报记录

2. 审核端功能

道路交通违法行为举报平台系统包括互联网和公安网端审核系统，审核端主要包括行车记录仪

举报管理、举报问题审核、举报用户管理、奖金管理等功能模块。如图 8 为互联网端系统登录页面。

图 8 登录

智能交通产品与技术应用汇编

104

 行车记录仪举报管理

支队民警对管辖范围内的行车记录仪举报视频数据进行审核，审核时需截取三张违法照片，审

核通过的数据进入到初审环节，如图 9 为行车记录仪数据审核页面。

 举报问题审核

支队民警对管辖范围内的违法数据进行初审或复审时，可以给予审核通过、审核不通过，如图

10 为举报数据初审页面。

图 9 行车记录仪数据审核

图 10 举报数据初审

举报问题查询模块主要功能为可以对上传的历史举报数据进行查询、统计分析及管理，举报用

户管理功能主要对注册用户信息进行管理，奖金管理模块即对系统奖金账单的管理

利用“互联网+大数据”的交通违法行为举报系统

105

五、成果与意义

运用“便捷高效，互联互通，共享共治”的“互联网+”思维，在互联网上建立交通违法行为

举报平台系统，并与公安网平台系统功能互补，建立交通违法举报体系，使得人人都可以成为“交

警”，人人都可以拥有“执法设备”记录他人违法行为，弥补了电子监控设备和警力资源的不足。

截止到目前道路交通违法行为举报平台系统注册用户数已达到 23 万多，用户举报数据达到 54

万多条，多家车载行车记录仪厂商完成了与平台系统的对接。

智能交通产品与技术应用汇编

106

南宁智慧交通 AI 边缘计算与应用

北京博研智通科技有限公司

一、边缘计算应用趋势

当前全球市场正处于最具活力的时代，人类的方方面面正在快速向着数字化的方向扬帆前行，

交通出行面临的挑战错综复杂且相互关联，如何充分利用基础设施和创新技术，解决现在和未来的

产业难题，化挑战为机遇，促进业务高效增长并保持未来领先地位是第一要务。

IDC 报告指出全球智慧城市在智能交通领域的投入到 2025 年将超过 2 万亿美金，中国投入占比

超过四分之一，国际咨询机构麦肯锡、BATH 都在不断提及智能交通，我国也相继印发了众多政策

与规划，推动智能交通的发展：2019 年，中共中央、国务院印发了《交通强国建设纲要》，其中明

确提出推动大数据、互联网、人工智能、区块链、超级计算等新技术与交通行业深度融合，大力发

展智慧交通。2021 年，住建部与工信部提出“ 智慧城市基础设施与智能网联汽车协同发展” 的建

设发展思路，在提升城市基础设施智能化水平的同时推动城市智能交通的高质量发展，目前已在全

国 16 个城市开展“ 双智城市” 试点工作。

Gartner 预测，到 2025 年，企业生成的数据中将有 75% 在传统数据中心或云平台之外产生和进

行处理，到 2027 年，全球边缘计算的市场价值有望达到 434 亿美元。随着 5G 技术的加速发展，

边缘计算将触及几乎所有行业，边缘计算能力也将推动行业的创新和变革。

在相关政策的不断引领推动下，中国的城市智能交通无疑会在未来迈入更高的台阶。

二、应用路口基础情况

南宁市亭洪路-南建路路口属于市区主干道路的重要路口，日常交通通行车辆较多，而且路口道

路渠化较为复杂，形成常态化的路口交通拥堵状况。在实施信号优化改造前尤其早晚高峰期间，经

常需要执勤民警手动控制红绿灯并进行现场交通指挥，人工疏散交通流，保障路口的通畅运行，目

前亭洪路-南建路路口卫星图（见图 1）以及交通流特征分析如下：

南宁智慧交通 AI 边缘计算与应用

107

图 1 亭洪路-南建路路口卫星图

 四个方向在路口排队区域均为扩宽车道，远处车道数少于近处车道，车辆积压时容易造成

远处排队车辆无法顺利到达路口，加剧交通压力；

 南北车流量极大，尤其在早晚高峰期间，民警需在路口频繁手控疏导；

 北方向存在斜路、弯路、下坡路（坡度大），进口车道从 2 车道变为路口 5 车道，且车道长

度仅有 40 米左右，会导致频繁出现车辆变道，若不及时疏散，车辆交织排队，容易导致交通事故和

更严重的交通拥堵；

 现有杆件、地形以及复杂的交通排队拥堵情形，交通流检测设备感知状态无法达到最优。

三、边缘智能体优化建设方案

针对规划建设需求以及路口的交通渠化和原有交通设施现状，博研智通凭借核心信控引擎中枢

能力以及在交管行业多年的实践经验与业务理解力，自主研发出具备超强 AI 算力的核心节点设备—

边缘智能体，与雷达、雷视一体等路侧感知设备联动，在路口完成交通流的全息感知，基于全息数

据，调用 AI 智能信号优化算法，完成对信号机的秒级自适应优化控制，实现路口信号的实时优化

控制，提升路口通行效率降低拥堵，边缘智能体功能及应用场景（见图 2）。

图 2 边缘智能体功能及应用场景

智能交通产品与技术应用汇编

108

（一）关于边缘智能体（BYZT-MEC-A）

博研智通凭借核心信控引擎中枢能力以及在交管行业多年的实践经验与业务理解力，自主研发

出新一代路侧基础设施：边缘智能体，它是集全息路口、信号优化、公交优先、车路协同、道路组

织优化等功能于一体的具备超强边缘 AI 算力的路侧节点设备，可广泛适用于包括城市路网和高速

路网在内的智能交通和智能网联智慧的路侧等多种应用场景，产品可分层解耦以适应智慧交通不同

发展阶段。

1. 全息路口：通过网口采集包括雷达、卡口、雷视一体、地磁等多源检测设备的数据，结构化

后输出至中心全息路网平台展示，可全天候覆盖路口/路段包括机动车、非机动车、行人、道路渠化

等交通行为参与者的实时状态。

2. 信号优化：与路口各品牌信号机实现协议互通，采集包括实时状态、配时方案等交通信号数据，

并能对信号机实现秒级、周期级的控制。通过深度学习等智能算法，实现对信号机实时自适应控制。

3. 车路协同：可对接 RSU/OBU 或其他车联设备，实现信号数据的实时毫秒级输出，包括但不

限于信号灯色、倒计时等数据，同时可根据智能网联需求实现反向信号控制以满足更多车路协同应

用场景。

4. 公交优先：可根据车辆位置与路口实时放行相序，实现公交车/特种车辆等的按需优先通行。

5. 道路组织优化：可通过智能算法，实现对道路渠化的诊断与优化建议，可变与禁行标志等动

态交通组织的优化建议及基于配时的相序优化调整等。

（二）路口建设部署

在选型路口的电警杆和红绿灯杆上加装 6 台雷视一体机检测器，并通过路口的局域网与安装在

信号机机柜内的边缘智能体进行连接，由边缘智能体对接雷视一体机检测器，在边缘智能体上完成

交通流的全息感知，基于路口全息数据，调用 AI 智能信号优化算法，完成对信号机的秒级自适应

优化控制，实现路口信号实时优化控制。

四、建设效果分析

（一）全息路口建设效果

全息路口是采用动态跟踪感知和数字孪生的技术，实现对现实路口的数字化精准感知，全面掌

控路口每一车辆的实时状态（位置、速度等信息），为精细化信号控制优化、交通指挥调度提供精准

的数据支撑。亭洪路-南建路路口的边缘智能体通过无缝耦合前端 6 个雷视一体机的感知数据，融合

车辆目标在不同感知设备之间的 ID 传递和数据拼接，实现了路口 250 米范围内的精准全息感知效

果，并在指挥中心能够实时调用全息路口应用，掌控路口实时交通状况。

（二）信号控制优化效果

为了更科学的对路口改造前后的效果进行对比分析，采用两个星期的周三和周四运行不同控制

南宁智慧交通 AI 边缘计算与应用

109

方案下的交通流检测数据进行对比。5 月 11 日-12 日，路口运行改造前的交通控制方案放行；5 月

25 日-26 日，路口采用边缘智能体控制方案放行。

1. 边缘智能体方案信号运行周期

边缘智能体采用 AI 实时信号优化控制，可根据路口感知的全息交通流数据秒级控制下一秒放

行灯色，因此路口每一个信号灯周期的运行时长都会出现变化，边缘智能体实时优化过程中，每一

个周期的运行时长都不一样，方案周期能根据每次放行时车流量的变化实时调整以响应不同交通情

况的放行需求。

2. 现场视频效果

从 5 月 12 日晚高峰 18：32 南方向排队（见图 3）以及 5 月 25 日晚高峰 18：31 南方向排队（见

图 4）的视频截图中可以看出，采用边缘智能体实时优化控制后，路口的排队情况显著好转，原有

的排队过长、造成路口拥堵的情况基本上已不存在；

图 3 5 月 12 日晚高峰 18：32 南方向排队 图 4 5 月 25 日晚高峰 18：31 南方向排队

3. 路口流量对比分析

从早晚高峰优化前后路口流量对比（见图 5）中可以看出：

图 5 早晚高峰优化前后路口流量对比

1）边缘智能体方案对路口进行改造后，路口全天的交通通行流量总体增加了约 4.64%；

2）路口早晚高峰时段通行能力提升较为明显，其中早高峰提升 9.08%，晚高峰提升 11.38%。

3. 排队长度对比分析

从早高峰优化前后排队长度对比（见图 6）及晚高峰优化前后排队长度对比（见图 7）中可见边

缘智能体优化时路口放行效果明显提升，路口排队显著降低。排队长度的降低会提升路口的通行效

率，降低排队车辆司机的焦虑情绪，减少路口排队时的变道行为，降低路口车辆剐蹭事故的风险。

智能交通产品与技术应用汇编

110

图 6 早高峰优化前后排队长度对比（单位：m）

图 7 晚高峰优化前后排队长度对比（单位：m）

1）边缘智能体方案改造后早晚高峰时段路口各个进口排队长度均有不同程度的减少；

2）早高峰南进口、北进口车辆排队减短明显，其中南进口排队减短-15.69%，北进口排队减

短-20.70%；

3）晚高峰北直行、南直行车辆排队减短明显，其中南直行排队减短-16.30%，北直行排队

减短-17.92%。

4. 路口平均速度对比分析

从早高峰优化前后路口平均速度对比（见图 8）及晚高峰优化前后路口平均速度对比（见图 9）

中可以看出：

图 8 早高峰优化前后路口平均速度对比（单位：km/h）

南宁智慧交通 AI 边缘计算与应用

111

图 9 晚高峰优化前后路口平均速度对比（单位：km/h）

1）边缘智能体方案改造后早晚高峰时段路口各进口车辆平均速度均有不同程度的提升：

2）早高峰东进口车辆平均速度提升 13.72%，西进口车辆平均速度提升 7.14%，南进口车辆平

均速度提升 9.72%，北进口车辆平均速度提升 10.52%；

3）晚高峰东进口车辆平均速度提升 7.88%，西进口车辆平均速度提升 8.07%，南进口车辆平均

速度提升 9.14%，北进口车辆平均速度提升 8.22%。

5. 车均延误对比分析

从早高峰优化前后车均延误对比（见图 10）及晚高峰优化前后车均延误对比（见图 11）中可以

看出：

图 10 早高峰优化前后车均延误对比（单位：s）

图 11 晚高峰优化前后车均延误对比（单位：s）

1）边缘智能体方案改造后早晚高峰时段路口各个进口车辆平均延误均有不同程度的减少，平均

智能交通产品与技术应用汇编

112

延误的减少能够有效的提升路口的通行效率，减少车辆二次排队现象；

2）早高峰东进口车辆平均延误减少 15.29%，西进口车辆平均延误减少 12.59%，南进口车辆平

均延误减少 18.11%，北进口车辆平均延误减少 15.72%；

3）晚高峰东进口车辆平均延误减少 12.03%，西进口车辆平均延误减少 12.07%，南进口车辆平

均延误减少 13.10%，北进口车辆平均延误减少 11.93%。

（三）现场效果反馈

建设前：亭洪南建路口在早、晚高峰期间，会常态化出现交通严重拥堵，民警需在路口频繁手

控疏导，手控日志记录见下表。

建设后：采用边缘智能体方案对路口进行改造建设后，据执勤民警反馈，近一个月时间相较以

前，路面通行情况明显好转，手控疏导显著减少，极大地降低了执勤民警的工作压力。

五、社会价值

本次边缘智能体优化建设方案通过雷视一体机实现精准的交通流感知，并采用数字孪生的理念

实现全息路口，精准掌控路口的实时交通流状态，同时也在此基础上，采用 AI 智能信号优化算法，

实现了对优化路口信号机的秒级自适应优化控制，显著降低了路口的排队长度和车均延误，提升了

路口的车辆的平均速度和路口通行效率，降低现场民警的工作压力，得到执勤民警的充分认可。

对比于建设前的控制方案，边缘智能体方案实现了精准的交通流数据感知，智能信号优化算法

优化能力更强、算法更智能，自动且实时调整路口信号控制方案，实现了真正的“灯看车”，也验

证了边缘智能体优化建设方案在城市“治堵”中的强大能力。

未来随着南宁市边缘智能体的规模化建设，边缘智能体将不仅是对单路口的最佳实时优化控制，

还要与中心信号控制平台实现云边协同控制，群体化的边缘智能体将能够在区域优化控制和干线协

调控制以及车路协同、无人驾驶和特勤路线控制等更多业务场景中发挥更大的作用与价值。

驾驶员情绪识别与车辆盲区智能预警技术研究与应用

113

驾驶员情绪识别与车辆盲区智能预警技术研究

与应用

1. 山东理工大学 交通与车辆工程学院；

2. 山东通广电子有限公司；

3. 山东仁智信息工程有限公司

李庆印 1

魏福禄 1

郭永青 1

王雅萍 1

翟 慧 2

侯传遵 3

一、引言

“人民至上，生命至上”是习近平总书记提出的治国理政的先进理念之一。道路交通安全是交

通强国战略的根基，事关社会发展与人民幸福。为了指导“十四五”期间交通运输安全生产和应急

管理工作，防范交通安全事故的发生，遏制重特大事故，交通运输部正式印发了《交通运输安全应

急十四五发展规划》。

随着交通安全研究的纵深发展，针对驾驶员行为与安全以及盲区事故等典型道路交通事故的预

防已然成为当下交通安全研究的热点和重难点。一方面，驾驶员的情绪与行为交互以及多信息融合，

已经成为开发个性化智能辅助驾驶系统、提高驾驶安全水平的突破口。据统计，在事故总数中占相

当大比例的是由于在负面情绪下驾驶员操作失误所造成的。因此，情绪对驾驶员行为的影响需要得

到更多的关注，探究驾驶员情绪和行为之间的交互作用机理对于提高整个交通系统的稳定性和安全

性有着重要意义。另一方面，大型车辆在转弯过程中由于内轮差引发的盲区交通事故频发，占大型

车事故的 70%以上，死亡率达 90%以上。迫切需要提出有效的技术方法以预防和减少该种类型的道

路交通事故。

二、基于驾驶员情绪识别的驾驶状态判定与预警系统

技术概述：针对驾驶员情绪识别系统精度低的问题，提出了多信息融合判定情绪状态技术，将

不同驾驶环境下的车辆信息与驾驶员的面部表情、身体行为、语言、生理指标（图 1）和驾驶风格

等信息进行融合。解决了单一信息下判断模糊、不适应多种驾驶环境和系统难以捕捉识别等问题，

提高了驾驶员情绪检测系统的稳定性、准确性和可靠性。此项技术已经在模拟驾驶平台中进行了测

试（图 2），测试结果验证了该技术能够有效提升驾驶情绪识别的精度。

适用对象：帮助汽车制造企业根据车主驾驶情绪开发智能化安全预警系统，提高品牌的市场竞

争力；提升驾驶员的驾驶体验和安全性；为城市交通管理部门评估道路交通事故成因提供更细节的

智能交通产品与技术应用汇编

114

驾驶员数据。

技术细节：该技术主要由驾驶员情绪识别系统、驾驶员驾驶状态判别与行为预警系统组成。（1）

驾驶员情绪识别系统主要通过驾驶员特征识别系统来完成，其中驾驶员特征识别主要为动态收集驾

驶员的生理特征（心电（ECG）、皮电（EDA）、肌电（EMG）、脉搏频率（PR）、呼吸频率（RR）），

通过车内摄像头实时监测驾驶员脸部、手臂等部位的行为特征，以及通过搜集车辆速度、加速度、

方向盘角速度、踏板力度及踏板频率等实时车辆信息来判断驾驶员的情绪状态和行为状态。（2）驾

驶员驾驶状态判别与行为预警系统通过对驾驶员生理特征、行为特征以及车辆行驶信息融合后实时

判定驾驶员的驾驶状态，并将驾驶员的驾驶状态进行分类（一般、激进、危险）和危险行为分级（Ⅰ

ⅡⅢⅣ ）。当驾驶员行为或状态判定为激进时系统将发出预警，当系统判定驾驶员的驾驶状态为危

险驾驶行为时，系统将发出警报提醒驾驶员改变驾驶状态，更进一步，开始人机共驾模式。该技术

能够准确识别驾驶员情绪状态，判定驾驶员在不同场景下的驾驶行为，对于交通安全与先进的驾驶

辅助系统的完善具有重要意义。

图 1 心电波形图

Virtual driving experiment scene

Workstation monitor

Muti-person muti-machine

interactive virtual driving

experiment platform

In-vehicle experimenter

Virtual driving route

图 2 虚拟模拟驾驶平台

三、大型车辆视野盲区检测与安全预警系统

技术概述：大型车辆由于车体较大，存在多方位的视觉盲区，使得驾驶员无法充分观察周围环

境，易发生交通事故。现有大型车辆电子后视镜采用摄像头成像显示技术，对其视野盲区进行图像

驾驶员情绪识别与车辆盲区智能预警技术研究与应用

115

显示，但无法识别盲区内的物体和车辆之间实际距离。为了弥补传统后视镜的不足以及现有电子后

视镜的局限性，设计了一种大型车辆视野盲区检测与安全预警系统，通过检测系统多角度检测大型

车辆盲区，并及时警报，为驾驶员提供驾驶便利，保障行车安全。

适用对象：为大客车、渣土车、危化品车辆和大货车等体型比较大的车辆进行盲区检测和安全

预警，减少和避免盲区事故的发生，提高大型汽车安全性能。

技术细节：大型车辆视野盲区检测与安全预警系统由图像采集系统、光电检测传感系统、高清

显示系统、预警制动系统和智能控制系统构成，各个系统相互连接，共同保证整个系统稳定运行。

（1）图像采集系统主要由四个带有热成像系统的摄像头模块、信息处理模块和信息输出模块三个模

块组成。摄像头采集车辆周围数据，将采集到的模拟数据进行预处理传递到信息处理模块进行视频

信息处理转化为数字视频信号，将信号传递到信息输出模块，将视频信息传递到智能控制系统与显

示系统进行图像处理与显示。摄像头分别安装在车头上方左中右三个位置和车尾上方中间位置，如

图 3 所示。

图 3 摄像头安装外观建模图

（2）光电检测传感系统由光电探测器和红外线测距传感器组成。光电检测传感系统是系统的核

心技术，探测器是整个系统的核心配件。通过中央数据处理系统，进行云计算，将数据显示在屏幕

上，并将数据与数据库中数据（由实验室的测试数据以及以往大型车辆行车记录仪的数据所组成）

相匹配，当数据匹配成功时，则向驾驶员发出警报，提醒驾驶员改变行车路线。

（3）高清显示系统高清显示模块由两块高清 LED 显示屏组成，一块显示屏又分别分成两个图像

模块，一共四个图像模块分别对应四个摄像头传递的图像信息，进行图像显示，重点是视野盲区的

图像可以突出显示，帮助驾驶员更加全面掌握行车状况，第一时间掌握车辆周围信息，预防交通事

故。两块显示屏分别安装在车头内部左右 A 柱上，显示屏安装位置如图 4 所示。

（4）预警制动系统由预警提醒模块、智能制动模块和信息处理模块组成。该系统能够接收智能

控制系统传递的信号，分别进行预警提醒和智能制动。预警制动系统信息处理模块接收到智能控制

系统传递的信号，将信号进行处理并区分，如果传递的是危险信号，则将信号处理之后传递到预警

提醒模块，预警提醒模块进行处理传递到高清显示模块进行图像闪烁预警提醒，并且能够准确的反

应危险障碍物的位置。如果传递的是极危险信号，则将信号处理之后传递到智能制动模块，进行车

智能交通产品与技术应用汇编

116

辆的智能制动。

图 4 显示屏安装位置建模

（5）智能控制系统是整个系统的核心，既控制图像采集系统的图像信号传递到高清显示系统，

又控制光电检测传感系统的障碍物信号传递到高清显示系统和预警制动系统，还控制各个子系统之

间的连接。智能控制系统是图像处理和数据运算的中心，采用双控制器进行控制，一个由单片机控

制，另一个由 DSP 芯片控制。DSP 芯片采用德州仪器生产的 TDA2xSoC 芯片。智能控制系统的结

构框图及控制芯片如图 5 所示。

图 5 智能控制系统结构框图及控制芯片

智能控制系统采用双控制器结构，控制整个新型大型车辆视野盲区检测与安全预警系统的稳定

运行，连接各个分系统线路，保证行车安全。智能控制子系统进行处理后，将视野盲区位置信息传

递到高清显示子系统进行画面颜色突出显示，并且是所在的那一个模块进行突出，且实时显示两者

之间的距离。同样将危险信息进行处理后传递到预警制动子系统，后者进行处理后传递到高清显示

子系统进行所在模块画面闪烁提醒，第一时间报告危险障碍物位置，起到很好的预警效果。同样将

极其危险信息进行处理后传递到预警制动子系统，后者进行处理后传递到智能制动模块进行紧急制

动，避免交通事故的发生。

创新之处：一是通过光电检测传感系统和图像处理技术，可以将大型车辆视野盲区范围的景象

在显示屏进行画面突出显示，并显示两者距离，可以更好的提醒驾驶员注意观察视野盲区，减轻了

驾驶员的驾驶压力。

二是提前将大型车辆行车过程中可能遇到的危险情况通过距离在检测传感系统上设定出来，通

过与预警制动系统的结合，在触发危险情况时进行预警提醒，在触发极危险情况时，进行智能制动。

驾驶员情绪识别与车辆盲区智能预警技术研究与应用

117

三是设计了创新性图像处理预警方式，车辆周围处于危险位置的人或物会自动被系统特别标记，

在显示屏画面突出显示，以提醒司机及时采取预防措施，大大提高道路行车安全系数。通过智能化

科技保障大型车辆行驶过程中的安全。

四是通过四个带有热成像系统的 CCD 摄像头将车身四周的景象分别显示在车头内部左右 A 柱

安装的两块高清液晶显示屏上的四个模块，用来弥补传统后视镜的视野盲区问题，将包括视野盲区

在内的车身四周一定范围内景象清晰的显示在显示屏，可以使驾驶员清楚的观察路面状况。摄像头

自带夜视功能和热成像系统，可以在夜间或极端天气情况下同样拥有较好的视线，保证驾驶的安全。

而且摄像头可以随着车轮的转动而微调角度，确保大型车辆在整个行驶过程不存在视野盲区。

四、基于权重分配的多源融合半挂车全景避盲装置

技术概述：随着单片机技术的发展，使得利用危险预警的辅助驾驶技术解决盲区问题成为可能。

本文提出为半挂牵引型货车的视线盲区解决问题而设计的一种新生设备——基于权重分配的多源融

合半挂车全景避盲装置，并通过建模进行了模拟验证，初步证明了方案的可行性。

适用对象：大多数的货车交通事故是由于驾驶室的局限以及车辆自身问题带来的视觉盲区而造

成的。本项目旨在解决半挂车行驶过程中的视线盲区问题，将本产品安装在半挂车、重卡等大型车

辆上使用时，可以最大化的减少驾驶员在驾驶过程中的视觉盲区，从而预防该类道路交通事故。

技术细节：鉴于内轮差对驾驶安全的重大影响，综合运用测距技术、图像融合技术、权值分配

技术等，研制出一种新型避盲装置——基于权重分配的多源融合半挂车全景避盲装置。该装置分为

主动辅助系统与第二辅助系统两部分，实现了对盲区的基本消除。（1）主要避盲装置。半挂牵引型

货车主要辅助避盲装置为自动跟踪广角镜。因现阶段实现程序识别代替驾驶员主动识别尚有很大距

离，所以通过优化传统后视镜来实现对驾驶员视野的优化。避盲装置于广角镜后支架处安装舵机，

使副镜能够根据方向盘旋转的角度进行转动，从而在一定程度上更充分地利用空间扩大视野。（2）

第二辅助装置。第二辅助装置由拼接成像系统、测距系统、智能识别系统三个分系统组成。拼接成

像系统可将可将六个摄像头采集的图像进行拼接，从而得到全新的全车显示画面；测距系统可通过

计算机视觉测距及超声波雷达测距两种方式结合进行；智能识别系统可将车辆周围画面范围内的车

辆等静、动障碍物在显示屏上突出显示。三系统共同工作，将最终处理好的全景图像转送至显示屏，

进行图像及距离显示。摄像头具体安装位置见图 6。

图 6 摄像头安装位置

智能交通产品与技术应用汇编

118

技术亮点：（1）拼接成像系统。针对六视角拍摄的不同图像，通过程序图像预处理，采取特征

点匹配策略找出两幅图像之间的变化关系，然后根据坐标变化关系，将两幅图像变换到同一个坐标

系中，最后通过融合技术得到一幅完整的全景图。针对多图像全景图生成技术中，我们提出了基于

图论的思想，很好的解决了多图像的空间位置自动排序，进而实现了多幅图像（图 7）的全景图像

生成（图 8）。同时，全景视图也可以为自动驾驶系统中识别、检测、跟踪等算法提供支持。

图 7 非拼接式六路全景监控

图 8 实际拼接效果图

（2）自动旋转广角镜（如图 9）。装置通过 80C51 单片机系统编程实现自动跟踪。程序运行时使

用到了 T0 中断，实现间隔 1ms 的读取车轮转向信息，并且将信息传递给电动

机的任务，通过 P3_0 端口读取车轮转向信息。通过 CATIA 软件进行建模，分

析数据后确定主/副驾驶侧转角幅度，并将转角幅度之间 77.86°划分为 500 插

值，从而根据车轮转向实现对舵机的精准控制。

（3）基于权重分配的多源融合测距系统（摄像头+雷达）。测距系统拟通过

计算机视觉技术、超声波雷达检测技术两种方式对周围车辆进行测距。当发现

车距达到危险值时，即通过中枢系统联系成像系统，对其进行框选标红。当车

辆驶离危险区域后，装置恢复正常状态。鉴于计算机视觉技术其对光线、雨水、

雾霾、沙尘暴等天气条件敏感，测距精度相比较与超声波雷达要差一些。通过

超声波雷达来感知前方的交通状况、测量与障碍物间的相对距离、相对速度等

图 9 自动旋转广角镜

驾驶员情绪识别与车辆盲区智能预警技术研究与应用

119

精度较高，误差较小。

因此，项目测距方式采用计算机视觉技术与超声波雷达监测技术结合的方式。当遇到如大雨、

雾霾等恶劣天气，即将超声波雷达测距比重调至 90%，计算机视觉调至 10%；当天气晴朗，视觉良

好时，则将两种方式权重均调至 50%。

避盲装置运行效果：根据 CATIA 建模数据分析，安装传统后视镜的半挂车正常直线行驶时会存

在至少 15m2 的视角盲区；在车辆左转弯、右转弯以及直线换道超车时，由于内轮差及车身构造，

将导致 30-63m2 的视角盲区。与传统后视镜观察范围相比，本产品可有效减少 99%的视觉盲区，有

效的避免盲区道路交通事故的发生。

创新与特色：（1）运用主辅结合策略创新设计权重分配检测系统。项目采用主辅结合式避盲体

系，将优化后的广角镜作为主要辅助装置；将全景避盲装置作为第二辅助系统，在有效避盲的前提

下，并不影响驾驶员主观判断。

（2）采用 Open CV 环车图像拼接技术，提升画面易读性。将六路摄像头图像通过重复性去除、

缺失图像弥补等手段进行图像拼接，增大容错率，使驾驶员更加直观的接收信息，减少反应时间。

（3）采用多源融合测距模式，提高测距准确度。装置采取计算机视觉测距+超声波雷达测距双

重测距的方式对周围车辆进行位置测量及双重校正，从而大大提高测距精度，更加精确的实现距离

危险预警。

智能交通产品与技术应用汇编

120

“基于 AI 的高速公路主动安全及数字孪生智慧

管控系统”技术研究与应用

南京理工大学

戚 湧 郝冠亚

一、研究背景

2019 年 9 月 14 日，中共中央国务院关于印发《交通强国建设纲要》的通知，指出：建设交通

强国是以习近平同志为核心的党中央立足国情、着眼全局、面向未来作出的重大战略决策，是建设

现代化经济体系的先行领域，是全面建成社会主义现代化强国的重要支撑，是新时代做好交通工作

的总抓手；明确提出到 2035 年我国基本建成交通强国，到本世纪中叶全面建成“人民满意、保障有

力、世界前列”的交通强国。纲要提出“大力发展智慧交通。推动大数据、互联网、人工智能、区

块链、超级计算等新技术与交通行业深度融合。推进数据资源赋能交通发展，加速交通基础设施网、

运输服务网、能源网与信息网络融合发展，构建泛在先进的交通信息基础设施，构建综合交通大数

据中心体系”。

2021 年 12 月 9 日，国务院关于印发《“十四五”现代综合交通运输体系发展规划》的通知，

指出：为加快建设交通强国，构建现代综合交通运输体系，根据《中华人民共和国国民经济和社会

发展第十四个五年规划和 2035 年远景目标纲要》、《交通强国建设纲要》、《国家综合立体交通网规

划纲要》，制定本规划。规划指出：推进基础设施智能化升级完善设施数字化感知系统。推动既有设

施数字化改造升级，加强新建设施与感知网络同步规划建设。构建设施运行状态感知系统，加强重

要通道和枢纽数字化感知监测覆盖，增强关键路段和重要节点全天候、全周期运行状态监测和主动

预警能力。

近年来，高速公路智能感知和大数据技术的发展，有力地提高了高速公路交通信息感知、认知

决策和管控的能力。此外，深度学习、计算机视觉、数字孪生等人工智能方法的新发展，使得高速

公路场景下交通数据的学习和理解能力获得巨大进步，增强了交通大数据的研究分析和应用能力，

成为智能交通系统研究的有力工具。

但目前国内外的高速公路依然存在着一些安全、通行效率等关键核心技术瓶颈亟待解决，主要

表现为：（1）缺少多源融合的交通数据感知能力以及安全可信的数据传输。（2）缺少有效的高速公

路对驾驶员驾驶状态的主动预警、交通流状态的主动预测、异常事件、违法行为的主动认知、交通

“基于 AI 的高速公路主动安全及数字孪生智慧管控系统”技术研究与应用

121

事故的主动决策技术；（3）缺少针对高速公路进行三维动态交通仿真、基于数字孪生管控平台对目

标智慧管控、分析和预测。针对这三个瓶颈问题，该项目经过近十年的研究，形成了从多源异构交

通信息智能感知、运行趋势预测、异常事件主动认知、高速公路数字孪生智慧管控平台的理论方法、

核心模型、关键技术与系统平台到产业化的原创性重大突破。

二、技术思路

通过构建“基于 AI 的高速公路数字孪生智慧管控系统”，在实现高速公路高精度、全过程、

全天候、全维度、全要素信息感知的基础上，进行高速公路异常事件、违法行为的主动认知、主动

预警和主动决策，最终实现基于高精度地图的高速公路三维动态交通仿真和基于数字孪生的主动安

全智慧管控系统。该系统技术路线如图 1 所示。

图 1 技术路线图

三、关键技术

3.1. 基于高速公路主动安全技术的高速公路异常事件预警技术研究

（1）利用高速公路路侧设备、车辆搜集搜集高速公路交通数据；

（2）结合高速公路主动安全具体任务场景要求，通过视频图像处理技术、机器学习等技术对交

通数据建模分析；

智能交通产品与技术应用汇编

122

（3）根据不同高速公路主动安全需求优化模型，构建多模态多任务的视频结构化体系

（4）对相关事故、违法行为、报警事件进行记录，审核。

3.2. 基于高速公路主动安全技术的高速公路违法行为捕捉技术研究

（1）利用高速公路路侧设备人工搜集高速公路交通数据；

（2）结合高速公路主动安全具体任务场景要求，通过视频图像处理技术、机器学习等技术对交

通数据进行建模分析；

（3）对已建立的模型进行实际任务场景的测试及相关改进；

（4）根据不同的高速公路主动安全任务模型构建多模态多任务的视频结构化体系。

（5）利用视频结构化技术对前端实时视频图像资源进行解析，并对违法行为进行捕捉；

（6）对相关违法行为记录进行存储、查询以及审核操作。

3.3. 基于高速公路主动安全技术的高速公路主动防范、事件决策及快处技

术研究

系统在分析判断已经发生交通事故结果的基础上，结合该场景下的天气，路段、事故发生时间、

车距、车速等信息，通过人工智能（AI）和数据挖掘分析这些因素与事故发生之间的关联性，建立

事故分析模型，同时基于历史数据得到的数据决策模型，系统在判断发生事故的同时，对事故现场

进行处理，包括拍照记录、警情通知、疏通道路、联系相关其它部分等，快速对事故现场进行处理。

为降低交通安全事故发生的次数，系统基于事故防范模型，全天候保护道路安全，当某一路段具有

发生交通事故的安全隐患，系统会主动进行提前防范，包括进行限速、限距播报进而控制当前路段

的行车流量，并对该路段的车辆通过警示牌、语音等方式进行播报提醒，最大限度降低发生交通事

故的概率。交通事故场景系统处理流程如图 2 所示。

图 2 交通事故场景系统处理流程

“基于 AI 的高速公路主动安全及数字孪生智慧管控系统”技术研究与应用

123

3.3.1. 道路拥堵模型

1）拥堵判断

首先根据国家交通拥堵状态分类标准确定判断是否拥堵的界限，再根据常见交通流参数确定交

通拥堵状态的方法，包括车速识别、饱和度识别以及占有率识别，同时参考多参数的交通识别加以

辅助。

2）拥堵预测

首先针对不同的交通流指标从应用场景、相关性、信息含量、可得性四个方面进行分析，并对

比多指标与少指标在交通拥堵状态判别中的表现，选出交通流指标，再通过伪近质心近邻分类算法

构建交通拥堵状态判别模型，将 SVM、RS-KNN、KNN 等常用交通拥堵状态分类模型作为对比模

型验证伪近质心近邻分类算法在判别交通拥堵状态时的稳定性和准确性。最后，通过搭建基于

LSTM 网络的短时单交通流指标预测模型以区间平均速度为例，优化模型参数，预测下个时态的

交通流指标。

3）拥堵防范

针对通读交通场景结果提出拥堵防范措施，包括车流引导以及动态限速等方式，最终实现以面

向全息感知的数据融合技术框架为重点，以人工智能赋能交通拥堵预判技术框架为核心，以人工智

能赋能主动管控技术框架为抓手，统筹协调、交互验证、同步推进。具体拥堵分析流程如图 3 所示：

图 3 交通拥堵分析

3.3.2. 影响因素

影响道路交通事故发生的因素众多，总体来说主要为人、车、路以及环境四个方面。对道路交

通影响因素进行深入分析有助于了解事故的内在规律，是构建交通安全风险预测模型的关键。

1. 人的因素

人作为道路交通系统四种因素之一，是导致交通事故发生的主要因素。据研究表明，在人的因

智能交通产品与技术应用汇编

124

素所导致的道路交通事故总数中，有 87.5%的事故是由于机动车驾驶员的过失行为所引发的，而非

机动车驾驶人、行人、乘客以及其它因素仅占事故总数的 12.5%。由此可见，机动车驾驶员是造成

道路交通事故发生中人的因素的主要因素。

驾驶人的驾驶行为是一个连续循环的过程，主要可以分为信息感知、信息判断以及反馈执行三

个阶段，其中任一阶段的失误都有可能导致道路交通事故的发生。根据驾驶人的特征，可将影响

驾驶人行为的因素分为生理因素和心理因素，或者按照对驾驶员驾驶行为影响的时间长短，又

可分为短期因素以及长期因素。图 4 中列出了大部分对驾驶员驾驶反应以及采取措施的行为造成

影响的因素。

图 4 驾驶行为造成影响的因素

2. 车的因素

车辆作为人们日常生活不可或缺的交通工具，也是道路交通系统中重要的一个因素。本节主要

针对机动车的特性方面进行说明。现实情况中，仅仅由于车辆的因素造成的交通事故数量并不多，

但是车辆的安全状况直接影响着事故的严重程度。一旦事故发生，良好的车辆状况会降低驾驶员和

乘客所受到的伤害。这些因素包括：（1）制动安全性；（2）轮胎状况；（3）安全带、安全气囊的使

用等

3. 路的因素

道路交通系统中的路的因素主要包括道路的几何特征、道路结构和路面以上的全部设施。

4. 环境的因素

如图 6 所示，影响道路交通安全的环境因素可分为自然环境和人工环境两方面。

自然环境是在人类出现之前就已经存在的、人类赖以生存的自然条件和自然资源的总称。道路

交通系统中的自然条件主要包括地理位置、地理条件、气候条件、生态植被以及日期和时间等。地

理位置主要包含冰雪、潮湿、沙漠地区等；地理条件指山丘、平原、丘陵等地形；气候条件指的是

晴天、雨天、雾天、雪天等不同的天气环境。