面向人车冲突的智慧灯杆
雷蕾 吴佳路 刘旭 江威
【摘要】 ? ?智慧灯杆是集智慧照明、视频监控、交通管理、无线通信等多功能于一体的公共基础设施。无信号控制路段行人与车辆的冲突给城市交通安全带来巨大隐患。减少无信号控制路段的交通事故，对提高城市道路安全性，构建智慧城市具有重要意义。对此，本文提出一種面向人车冲突的智慧灯杆，以无信号控制路段的过街行人和冲突车辆为研究对象，结合车辆和行人的位置识别、速度测算以及道路状况等信息，构建了减少过街行人和车辆冲突的模型。将摄像头、LED显示屏、微处理器、控制器等挂载于灯杆，构成智慧灯杆系统。结果表明：此智慧灯杆可有效减少过街行人和车辆的冲突，提高行人和车辆的安全性。
【关键字】 ? ?人车冲突 ? ?智慧灯杆 ? ?位置识别 ? ?车辆测速 ? ?行人测速 ? ?交通安全
引言
5G网络和智慧城市建设认为“智慧灯杆”是新基建设时代尚待发掘的金矿。随着“5G+智慧城市”的逐步推进，智慧灯杆在城市建设中开始逐步使用。与此同时，在城市道路中，无信号控制路段作为重要的交通组成部分，对城市交通系统的安全运营有着重要的作用，而无信号控制路段一直都是交通事故高发地点。
在无信号控制路段，行人过街显著受到机动车行驶的干扰。为保证行人的安全通过，同时减少车辆的延误，相关学者对无信号控制路段人车冲突的模型、行人安全过街装置等做出了研究。秦筱然[1]研究交叉口行人到达与通行规律，以及行人在人行横道上的分布规律。结合机动车运行规律，给出人行横道上任意位置的行人与机动车的冲突概率，建立了一种考虑行人过街行为与行人运行规律的无信号交叉口行人与机动车冲突概率预测模型。杨晓东[2]等研究基于信号检测的行人过街安全装置，在现有行人过街语音提示柱基础上改进设计出一款可以检测是否有行人通过的行人过街安全装置。该装置以单片机为控制核心，采用红外感应技术，语音提示系统，物理闸门等，通过语音提示、物理闸门来保障行人过街的安全，降低交通事故发生的概率。李亚军[3]对基于热成像技术的行人过街文明礼让预警系统进行系统研究，建立了全新的行人过街文明礼让预警运行流程和具体适用模式，从而降低行人过街交通安全事故发生概率，提升机动车礼让行人文明程度。
以上学者主要从人车冲突模型的建立、行人过街安全装置等方面进行了研究，但从车辆安全速度、降低延误等方面来解决人车冲突问题的研究则较少。笔者结合无信号控制交叉口过街行人和车辆的运动情况，同时考虑人车的安全距离，建立了人车冲突模型，得到车辆安全通行速度，并结合智慧灯杆的普及和智慧城市的建设，在解决人车冲突问题的同时，推动智慧城市的发展。
一、行人及车辆测速
1.1 ?行人检测
目前，HOG特征结合SVM分类器被广泛应用于图像识别领域中。方向梯度直方图（Histogram of Oriented Gradient， HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，通过计算和统计图像局部区域的梯度直方图来构成特征。HOG对图像几何和光学的形变都能保持很好的不变性，只要行人大体上能够保持直立姿势，可以忽略一些细微的肢体动作，检测效果理想。支持向量机（Support Vector Machine， SVM）在机器学习中用于进行模型识别、分类以及回归分析，在行人检测中用来区分行人和非行人。将HOG和SVM相结合，借助OpenCV平台，进行过街行人的检测。
1.2 ?车辆检测
YOLO系列算法将目标检测转换成回归问题，用单一卷积神经网络结构预测边界框和类别概率，由于速度较快，所以可实现实时监测。YOLOv5能够达到较高的准确度，同时拥有较快的处理速度，在车辆检测的视频测速领域能够被较好应用。
1.3 ?运动目标的追踪
本文对检测到的过街行人和车辆采用卡尔曼滤波法进行追踪。卡尔曼滤波法是对数据最优状态的一种估计方法，它包括两个阶段：第一阶段为预测阶段，通过上一状态的估计，对当前状态进行估计。第二阶段为更新阶段，通过当前状态的观测数据，考虑环境因素的影响，来优化预测阶段的预测值，从而使预测值准确性更高。
卡尔曼滤波器的最大的优点就是它不需要大量的历史数据进行递归运算，只需要当前的测量值和上一个时刻的预测值就能够进行状态估计，因此计算量小，非常适合计算机处理。
除此之外，在实际工作中还需要考虑目标车辆的关联问题，即卡尔曼滤波预测值如何与当前帧的车辆相互匹配。因此，本文采用匈牙利算法进行目标车辆的关联。
1.4 ?运动目标的速度
追踪到运动目标之后就可以对运动目标进行测速。
对于过街行人的速度检测采用划定检测区域的方法，即在路侧人行道上画出两条距离为d0距检测线，每次经过检测线时记录视频帧数M1、M2，通过帧周期ΔT，计算出时间间隔Δt0，即过街行人的速度。对于车辆的速度检测类似于上述方法。在车道上画出两条距离为d1的检测线，摄像机安装在车辆行驶的反方向，即车辆的速度。
1.5 ?测速结果
车辆测速结果如图3所示，行人测速结果如图4所示。
通过计算，使用上述视频测速方法的平均相对误差为6.89%，精度为93.11%，可以看出此视频测速方法精度较高，满足使用要求。
二、安全车速模型
2.1 ?车辆减速过程
基于无信号交叉口单一行人通过单车道的场景，交通参与者分别为过街行人和车辆，建立此模型。车辆在通过测速线时，如果此时人行道上刚好有行人通过，则二者的冲突可以简化为“相遇问题”。如果车辆需要减速通过人行道，即需要让行行人，车辆运动过程需要依次经过驾驶员反应、制动器起作用、持续制动以及匀速通过四个阶段，每个阶段车辆行驶距离分别为S1、S2、S3、S4，车辆行驶时间分别为t1、t2、t3、t4。
反应阶段：车辆以速度v1通过检测器，反应时间为，反应阶段为匀速直线运动，则有：
S1=v1t1
制动器起作用阶段：在时间段，由于此时车辆处于各零部件调动阶段，此时仍为匀速直线运动;在时间段，车辆开始产生制动加速度，速度下降至v2，此阶段通过对加速度函数的积分，可以得到：
2.2 ?行人匀速通行
对于每个交通参与者来说，其周围都存在一个“交通敏感区”，即当其他参与进入到该敏感区时，双方都会产生压力，从而发生交通冲突。因此车辆和过街行人之间需要一定的安全距离，使车辆能够沿着行人的“交通敏感区”边缘通过。
在行人与车辆的“相遇问题”中，行人和车辆通行的时间均为t=t1+t2+t3+t4，由于行人速度变化相对于车辆而言并不显著，可以将行人的运动认为是匀速。行人步行速度为v0，同时考虑过街行人的交通敏感区，则有：
l+r=v0t
其中，l指车道边缘到车道中心线之间的垂直距离，由实际道路测量得出。r为行人和车辆之间的安全距离。
2.3 ?车辆安全车速
2.4 ?聚群行人通行
除考虑上述单一行人过街情况之外，由于行人的从众心理，过街行人通常会形成聚群。当行人聚群过街时，由于行人间距较小，同时，过街行人速度存在一定差异，此时对不同行人的识别和测速的难度会加大，且准确性会下降。从技术层面上考虑，为了保证聚群行人安全过街，此时显示屏显示“停车”字样，车辆减速停车，待行人过街后通行。
三、 智慧灯杆设计
STC89C52单片机作为核心控制器件控制LED显示屏。控制系统由微处理器与单片机协同工作共同完成。当有行人通过时，显示屏显示黄色的安全速度和“慢行”字样;当没有行人通过时，显示屏不显示。当有聚群行人通过时，显示屏显示“停车”。显示屏示意图6如下。
除此之外，当车辆与行人发生碰撞时，摄像头抓拍图片，并保留车辆特征信息。
最后，将摄像头、LED显示屏、微处理器、控制器等挂载于灯杆，完成智慧灯杆的设计。如图7所示。
四、结束语
本文分别利用HOG+SVM和YOLOv5两种目标检测算法，对车辆和过街行人进行视频测速，同时对于无信号控制交叉口的人车冲突提出了一种车辆安全速度模型，有效降低车辆由于冲突造成的延误。最后将算法和模型与摄像头、灯杆、显示屏、控制器、微处理器等相互结合，设计了一种面向人车冲突的智慧灯杆。此智慧灯杆具有广阔的发展前景，除了可以保证无信号控制路段行人过街的安全，减少车辆延误，更有利于推进智慧城市的建设。
参 ?考 ?文 ?献
[1]秦筱然.基于区域冲突概率的无信号交叉口混合交通安全评价方法研究[D].华南理工大学，2017.
[2]杨晓东，刘秀，谢思源，李国华，高志翔，雷国庆，李洪涛.基于信号检测的行人过街安全装置[J].山西建筑，2019，45（13）：92-93.
[3]李亚军.行人过街文明礼让预警系统研究与运用[J].辽宁警察学院学报，2020，22（01）：75-80.
[4]詹文杰，邱梓逸，蔡振雄.基于YOLOv4與光流法的行人检测和计数方法研究[J].网络安全技术与应用，2021（03）：40-41.
[5]任小康，陈鸿享.基于HOG+SVM实现行人检测[J].科学技术创新，2021（06）：73-74.
[6]郁佳靓，王伟，陆俊鑫.浅析行人交通违法的心理因素[J].交通与运输，2017，33（01）：73-74.
