面向智能交通的详细交通数据采集系统的研发赵卉菁 沙杰 崔锦实 查红彬北京大学 机器感知与智能教育部重点实验室电子邮箱：zhaohj@AbstractMotivated by the potential applications for detailed traffic data, in this research, two sensing systems are developed from both the infrastructure and a vehicle. In the former one, a network of laser scanners is exploited to cover a large horizontal area, such as an intersection; a software system is developed to automatically detect the moving objects that entered the area, track their motion trajectory, and classify them to find whether they are car, bicycle, people etc. In the later one, an intelligent vehicle is developed by fusing both position and environmental sensors; a software system is developed to simultaneously locate the vehicle, generate a map of the static environment, and detect/track/classify the moving objects in surroundings. Real experimental results are presented to demonstrate the systems.1. 前言随着汽车交通运输的发展，交通拥挤和道路阻塞的现象日趋严重，交通事故频繁发生，随 之带来的交通污染也越来越引起社会的普遍关注。
科学系统地分析 /改造现有的交通管理体 系，成为缓解城市交通难的当务之急而有效地获取详细高精度的交通数据是分析掌握交通 规律，优化交通体系的关键目前在交通工程领域实际道路数据的调查，采集和收集，往往 需要大量的费用和人工干预，其采样率及精度都非常有限缺少足够的真实详细的交通数据 的支持，给大范围/长时段交通行为本质的深入研究带来困难特别是对于像路口，主辅路合 流分流处等人车混在，交通行为混杂的地带，高精度交通数据的获取技术的研究在国际上还 处于刚刚起步的阶段现有传感器技术分析如下/ 利用红外线，超声波，微波雷达，感应圈等传感器，对通过道路某一 “点”的车辆，其 数量，大小，重量，速度等进行统计分析，已成为交通检测中比较成熟的技术但对于 在某一“面”内自由活动的移动目标的自动检测尚有不及之处/利用浮动车系统，可以通过安装有GPS （全球定位系统）的公交车或计程车了解到该车辆 通过某路段的时间速度，从而在一定程度上间接地推测出当前路面的交通状况但是由 于所获取的交通数据，其采样精度及密度均受制于有限的 GPS 设备，且无法获得浮动车 以外其他车辆、行人等的交通数据，该技术对于微观交通行为的分析/管理优化，存在一 定的局限性。
/ 利用可见光摄像机，红外线摄像机等视频传感器，不仅能够对路段上车辆的通行状况， 比如通过数量，大小，速度，颜色，车牌号等进行定量地统计，同时能够对某些特定行 为，比如，闯红灯，倒车，转弯， 交通事故等在一定程度上进行自动检测特别是利用 视频数据可以对这些特定行为的前因后果进行分析但是对于遮挡严重、交通行为混杂的路口，图像中移动目标间遮挡/粘连的现象严重，同时阴影、光照变化等均为精确的自 动化处理带来很大困难在复杂场景中长时段地获取人与车的详细的交通数据上，目前 的计算机处理与实际应用需求尚有一定距离激光扫描仪是一种新兴的传感器（如图1 所示）与视频等技术相比，激光测距扫描仪及 其应用技术还大多处于研发阶段目前三维激光扫描仪主要被应用于面向测绘及考古的 研发，比如获取地形/文物等的三维数字拷贝，二维激光扫描仪主要被应用于面向安全驾 驶等的研发、比如自动检测出车前方的障碍物以防止碰撞等Name: SICK LMS 291Laser Class： 1A (eye-safe laser)Seaming Resalutia^i: 0.25° - 1.0°Scanning Angle: 180 °Frame rate: 17Hz - 70HzMaximum Distance: 80mRange Error: 4cmWave Length： 905nm (Near Infrared)图 1 、二维激光扫描仪举例本课题以二维激光扫描仪为主要传感器，分别研发基于分布式传感器系统及智能车移动平 台的详细交通数据获取技术，从而为微观交通行为的分析，为解决智能交通等工程领域中的 实际问题提供真实详细的数据依据。
2. 基于分布式传感器系统的详细交通数据获取技术的研发#2Hl徼光扫描仪网络徼光扫描仪融合数据示意QJI服务器rc行人• ••汽车••V自行车汽车图 2 基于分布式激光扫描仪的交通数据获取系统的示意图以交叉口为例，图 2 为本课题研发系统的示意图将激光扫描仪设置于交叉口的路边，在 距路面高度约 40cm 的水平面扫描，可以得到在该水平覆盖面内汽车、行人、自行车等的被观 测面的平面轮廓数据将多台激光扫描仪分别设置于不同位置，从不同角度监测该交叉口， 并通过连网将传感器数据实时地传给服务器PC服务器将不同传感器测量的数据，通过时钟 同步及坐标系转换，进行数据融合也就是，将同一时刻测量到的数据抽取出来，并统合到 全局坐标系中这样的融合数据可以测量到移动目标的平面轮廓同时扫描帧率约30Hz，可 以捕捉快速的运动目标这样的分布式传感器系统不仅可以覆盖较大范围的空间，如整个交 叉口，同时可以减少由于自遮挡及他遮挡所带来的部分测量等问题实地照片北 四 环传感器分布平面图1套激光扫描仪系统\O激光扫描仪位置，40cm绿化带资源宾馆硅谷工商银行停车场图3 2008年 7月 16日、17日交叉口实验传感器设置图 4 一组激光扫描数据2008年7 月16日及22日于北京四环路海淀桥北交叉口进行了两次交叉口数据采集实验。
每 次实验分别从早晨6 点30到晚上9点进行连续的数据采集图 3给出传感器分布示意图及实 地照片实验中共使用 6 套激光扫描仪数据采集系统，从路边 6 个不同地点方向来共同观测 该交叉路口图 4 给出一组传感器数据中图为一帧融合后的数据，不同的颜色表示不同传 感器所采集的信号数据比如正中为一辆公交车，同时被不同激光扫描仪所观测到，但是不 同传感器仅能观测到该车辆的某个侧面比如从激光数据2 或 3，无法判断该物体为一辆公交 车；从激光数据3，该物体可能被误认为三个通过分布式激光扫描数据的融合，该数据勾画 出了一个较为完整的公交车的轮廓，为正确的判断提供了丰富的信息，从而可以有效地提高 目标物识别及运动状态分析的精度第氐帧LD1 LD2 LD3轨迹状态组合聚类图 5 移动目标的检测、跟踪与分类人 trf«!Count： Pedes⑹ Bicyde(9) Card) Bus(2) Other$(4)I速度（m/s）I编号IFrwmi| f)TH* X|b$il 55160□行人□自行车□汽车公交□其他口目标图 6 移动目标的检测、跟踪与分类结果举例本课题的主要目标是通过分布式激光扫描数据，检测出进入观测区域（如交叉口）的移动 目标（移动目标的检测），获得该移动目标通过观测区域的速度，时间，移动轨迹等信息（移 动目标的跟踪），并区分该移动目标的种类，如人、自行车、小汽车、公交车等（移动目标 的分类）。
图5 给出在本课题中从传感器数据的采集到移动目标的检测，跟踪及分类的主要 处理模块及流程，以及主要数据结构图6 举例给出了上述数据处理程序画面的拷贝这样 的数据处理结果输出到一个轨迹文件中，该文件包含检测到的每一个移动目标在通过该区域 的每 50 毫秒间隔的时序列轨迹及种类判别在每一时刻的轨迹数据中包含时间，该移动目标 的位置，速度，方向，大小等信息通过这样的移动目标轨迹数据，可以对该观测区域的详 细交通特性进行统计分析比如，图 7给出了一个统计实例将10 分钟的轨迹数据积累起来， 抽取出其中被分类为小汽车及公交车的数据，将其通行轨迹投影于一个栅格图像中，该删格 图像的每个像素值记录了通过该空间位置的移动目标数目在图7 中，像素点越亮表明该点 的通行量越大从图7 可以清晰的看到车辆的主要通行区域，及一天中随着时间的变化，汽 车通行量的变化另外为了北京奥运会的顺利进行，于2008年7月 20日-9月20日期间，北 京市实施单双号限行政策7 月 16 日及 22 日分别为交通限行政策实施的前后，其交通特性的 变化也被反映了出来比如在每一时段，7月 22日图像的像素点普遍比7月 16日的像素点暗， 表明通行量的普遍下降。
但是下降的量在一天中的不同时段有所不同比如6：50-7：00时 段的通行量有着明显的下降，但8：20-30 时段的数据非常接近图 7 数据解析举例：通行量对比评价3. 基于智能车平台的详细交通数据获取技术的研发智能车及移动机器人平台的研发不仅对以军事为目的的无人自动驾驶，以民用为目的的安 全辅助驾驶，以信息采集为目的的智能测绘、智能交通管理等均具有重大意义在安全驾驶 等领域，实时地认知复杂的路况，监测周边的行人及车辆，正确地判断当前及将来的状态并 作出相应的决策，是辅助驾驶，自动驾驶的前提条件智能车平台作为信息采集工具，可以从接近用户视点的焦点及位置，获取道路周边逼真详细的图像及三维数据信息，同时可以采 集到人、车等移动目标的交通数据，为了解交通状况提供有力的基础依据GPSIMUI摄像机LIL3L2激光扫描仪I 〔LI)激光扫描仪环境传感器：测距仪Elm昭刖AL2, L-3, L4 :前方道路LI, L5 :路侧，道路边缘 摄像头C1:前方道路，交通标识定位定向传感器：GPS：全球定位系统IMU：惯性测量单元激光扫描仪|g哉，⑷图 8 北京大学智能车研发平台及传感器配置举例图8 为本课题研发的智能车平台。
该课题的主要目标是基于真实的实验平台，面对真实的 交通场景，面向智能交通，智能测绘，智能监控等方面的应用需求，研究智能车定位定向及 环境感知中的基础要素图8 中举例示意了智能车平台的传感器配置，大致可分为定位定向 传感器及环境传感器两部分本课题算法研发的焦点在于通过多传感器的融合，同时实现高 精度的(1)定位定向，(2)地图生成及(3)移动目标的检测跟踪与分类・•"*I北京大学Ing:.交通数据采集I圆明园I安全检测静态目标移动目标及轨迹绿色：智能丰轨迹 黒色：静态目标 颜色：沿路移动目标% ‘起点瞥J 齢:哄点、j(a)./:; , -:" 〔全程：4. 5km、。