当前，数字化、网络化、智能化的浪潮奔涌迭起，正在给道路交通领域带来革命性的创新应用。通过集成先进的传感器、通信技术、大数据分析和人工智能算法，数智网联技术能够实现人、车、路、环境风险要素的全息感知，势必会帮助职能部门进一步增强风险防范，优化管控措施，提高道路安全水平。智能网联技术如何助推交通安全管理的发展？近日，本刊记者采访了北京工业大学交通科创中心主任、博士生导师陈艳艳教授。
本刊记者：数智网联技术与道路交通安全提升的融合创新路径有哪些？
陈艳艳：道路交通事故的发生一般由人、车、路、环境等因素同时作用导致，消除事故致因，防止事故发生仍是交通管理当前及未来面临的挑战。一般来说，交通参与者的风险行为如分神、超速等容易造成交通冲突，如果风险行为持续，冲突可能会进一步升级为交通事故，尤其在不良车况、不良道路条件、能见度低等环境下事故发生的概率会大大提高，而冲突可以通过有效的交通避险行为如及时减速避免。因此，依托数智网联技术，全面感知风险及冲突，挖掘致因，靶向治理，可有效避免事故发生。
一方面，数智网联时代自动化采集及接入管控平台的数据不断增加，通过视频、卫星定位、车辆传感、街景影像、地图、事故记录等动静态数据，可实现人、车、路、环境风险要素的多手段全息感知，包括人的风险驾驶行为、车辆运行状态、道路交通流及异常事件、路面平整度等基础设施状态及雨雪雾等环境信息，进而可实现风险识别、测度、评价、致因挖掘及综合治理。另一方面，数智网联交通系统可实现车车通信、车路通信以及人车路云一体化，增强驾驶人或智能车辆的感知能力及系统泛在决策与控制能力，实现车辆在途全过程风险实时预警与主动干预。
本刊记者：如何借助数智技术量化评估城市道路交通秩序管理水平，发现问题并针对性治理？
陈艳艳：在城市，交通违法、秩序混乱是导致事故发生的主要原因。各地公安交通管理部门在衡量交通秩序管理水平的过程中主要通过“支队自评、现场抽查、视频巡查、交叉检查”的方式对“六率”（机动车依法礼让率、行人遵守交通信号灯率、非机动车遵守交通信号灯率、电动自行车头盔佩戴率、摩托车头盔佩戴率、汽车安全带使用率）进行测评，或者评测人员利用交通监控视频进行人工排查。但人工排查的成本较大、效率较低，具有主观性，而且忽视了道路及环境因素的致因发现，不利于交通综合治理。在数智化时代，可以利用数智手段进行道路交通秩序与安全量化评估、致因挖掘及对策生成。比如通过视频、定位、遥感影像等多源数据进行道路安全的全要素感知及量化测度，从交通行为、道路设施、周边环境等多个维度进行道路安全的评估及致因发现，进而从规划、设计、管理及信息服务多个方面提出改善策略。
以视频技术为例，通过视频不仅可以得到如车道数量、宽度、隔离设施等静态道路条件，还可以进行交通参与者轨迹识别和多目标跟踪，提取机动车、非机动车和行人的轨迹数据，从而得到闯红灯、不按规定车道行驶、不走斑马线、不戴头盔、不按规定让行等违法行为和交通流参数（流量、速度等）。进而通过冲突识别与冲突时空分析，可形成涵括交通设施、交通流、交通行为、交通冲突等在内的多维度多层次评估指标体系，并实现指标的自动化提取。
再比如基于全景影像，利用AI技术可进行慢行设施及环境要素的提取。通过语义分割或目标检测算法可识别行人、自行车、摩托车、三轮车、小汽车、公交车、货车等交通参与者，红绿灯、护栏、交通标志标线、非机动车道、人行道、路灯等道路设施，井盖、锥桶、雨水箅子、变电站、垃圾桶等市政设施以及街边建筑、店面、树木、地摊、停车占道等环境信息。从而可从通畅、安全、舒适三个方面，选取恰当指标如人行道间断率、人行道宽度、停车占比、底商密度、遮阴率等对道路红线内、外进行慢行环境友好性综合评估，对集中出现的问题进行甄别，指导街道综合治理。
本刊记者：“车路云一体化”背景下，对于在途车辆，如何加强风险感知与预测预警？
陈艳艳：随着车路云信息获得能力、决策能力及交互能力提升，在途车辆安全风险感知、预测与预警也向多主体协同发展，风险因素可通过车端、路端、云端感知。其中车端可通过车载GPS/北斗、视频、OBD及CAN总线获得驾驶人及车辆运行监测数据，如加减速、车距、胎压、脚踏板信号、方向盘转角、车道偏离、车门状态等，同时车端可获知来自路端或云端的道路线形、天气等信息，进而可基于人车路环境风险组合阈值判别车辆安全风险状态并进行车辆级个性化预警。比如在不同天气状态下的纵向行车最小安全距离、不同车速下的侧翻方向盘转角等。
路端可通过视频、雷视一体机等获取车辆轨迹数据，进而实时感知车辆危险行为及车辆间的冲突。同时基于轨迹感知，利用transformer模型可在时间和空间上进行换道意图识别及冲突风险预测，进而对相关车辆进行实时风险预警。另外基于冲突时空分布分析可生成道路风险地图，发布高风险路段及路口的预警。
云端除了掌握道路基本数据、运营车辆驾驶人信息、事故黑点、施工信息等静态信息及气象数据外，还可掌握从车端、路端上传的各路段运行状态数据，如车速、速度方差、加减速分布、车辆间距、大车混入率等。基于这些数据及与事故的关联关系，可在路段及路网层面进行动态安全风险评估，并对途经车辆实时进行风险预警。同时，利用长时间的驾驶人行为数据，还可进行驾驶人风险画像并进行行为矫正。
展望未来，大数据与人车路实时泛在连接与智慧决策能力提升，将从行为规范、设施设计、交通管理、信息服务等多个层面，推进道路交通安全有序及系统整体性能提升。
本文刊发于《道路交通管理》杂志2024年第10期
点击“订阅杂志”，查看更多精彩内容。
