基于AI的高清视频交通参数和事件检测系统在陕西天台山隧道使用

　　一、案例场景和配置简介

　　秦岭天台山隧道，是一座双洞公路隧道，全长15.560公里，为双向六车道分离式隧道，设计行车速度为80公里/小时。该项目在隧道管理中心机房部署3台服务器，接入天台山隧道上行隧道内177路相机。

　　二、系统简介

　　系统基于隧道原有摄像机视频，通过人工智能算法，实现对交通流和交通事件、安全态势的快速全息感知，实现风险的高效主动防控，可以减少现场人员的劳动强度，同时提升管理人员对隧道运行的把控能力。

　　系统实时判断道路上的停车，行人闯入，抛落物，非法车辆(摩托车)，烟雾，逆行，拥堵，施工养护等事件;系统可以跟踪车辆行驶轨迹，根据轨迹数据提供多种功能;系统通过视频，可以提供车流量，行车速度，平均车头时距，车型等交通参数。

　　三、功能介绍

　　3.1 产品组成：

　　硬件：高清视频检测服务器和数据管理服务器。

　　软件：web用户界面、服务器数据管理软件、检测器算法软件，接口软件。

　
　图系统架构图

　　3.2 主要功能

　　3.2.1交通参数检测

　　系统可以检测路面车流量、车型、车速、车头时距、道路占用率等，开启功能的相机系统每分钟上报一次统计数据。

　　3.2.1.1 交通参数统计展示

　　3.2.1.2不同道路车流量展示

　　车流量可以按照日、月、年进行展示输出，方便业主对车流量进行统计查询。

　　3.2.2 交通事件检测

　　系统可检测停车、逆行、行人闯入、拥堵、烟雾、抛落物，非法车辆等异常事件。各个事件可单独定制，对现场不关心的事件可以关闭，屏蔽。可以画检测区，对不关心的区域可以不检测。系统可以完成对各种事件进行自动检测，抓拍、存储及传输。

　　3.2.2.1 车辆停驶

　　系统能够准确判断车辆停驶，可以判断车辆停驶的车道。可以设定时间，对停车大于多少秒的车辆进行上报。

　　3.2.2.2 车辆逆行

　　系统可以判断出车辆是否逆行，对逆行车辆可以快速甄别并上报逆行事件，在事件上报图片可以划出车辆逆行轨迹。

　　3.2.2.3 行人闯入

　　系统检测行人进入道路时间大于指定时间，上报行人闯入事件。可以区分穿反光衣的工作人员和不穿反光衣的非工作人员，也可以核查工作人员是否佩戴安全帽。

　　3.2.2.4 道路拥堵

　　系统检测车辆数量和行驶速度，当车辆数量大于指定阈值，并且速度低于指定阈值，上报道路拥堵事件，阈值可调，可以适用不同等级的拥堵情况。

　　3.2.2.5 烟雾火灾

　　在隧道和普通道路上，灯光或者自然光直射折射反射，在摄像机视频中，和火焰或者烟雾的形态非常接近，我们通过大量样本对系统进行训练，结合算法程序，捕获烟雾火焰特有特征，增强系统对烟雾火焰的识别，提高系统的火灾烟雾识别能力。

　　3.2.2.6 抛落物

　　系统基于多特征的多目标跟踪和运动轨迹分析，对高速公路道路异常物体(落石、抛洒物)自动检测与预警。可以定义尺寸，对大于一定尺寸的抛落物进行上报。

　　3.2.2.7 非法车辆

　　非法车辆目前主要是针对摩托车检测，系统基于特征对比分析，可以检测出道路上的摩托车。该功能一般对于连续相机，可以只选择入口相机，路段中间相机打开即可。

　　3.2.2.8 施工维护检测

　　系统基于AI智能分析算法，能够对路面中放置的围栏、三角锥桶警示牌、限速分流牌等施工标识物进行检测识别。

　　3.2.3 轨迹跟踪分析

　　在指定时间内，通过对运动目标车道轨迹跟踪分析，可精确分析判断变道、拥堵情况，对交通安全态势等提供分析依据。结合卡口相机及相关系统信息，系统同时可以记录展示多个车辆或单一车辆在某一路段行驶的轨迹，可为道路规划，导流限流，交通稽查等提供数据依据。

　　3.2.4 安全态势

　　通过视频联动技术、高精度同步技术等，获得对道路交通运行过程的宏观趋势、中观表述及微观重构。结合车辆属性、道路环境动态信息等，实时开展道路交通运行安全态势、风险识别、预警及主动防控等，将交通安全管控由“事后”转为“事前”，实现交通安全态势的感知，为路段管理提供风险预警、实时管控策略、事件检测报警。为各级管理部门提供监督检查、大件及危货运输的路线组织、路网规划、改扩建决策支持等。

　　3.2.5 相机状态智能感知

　　系统可以检测相机状态，可判断相机正常、相机断流、相机检测异常、相机模糊。

　　3.2.6 大屏联动及语音播报

　　系统可以和原有监控系统对接，当系统上报事件时，将事件发生的相机视频展现在大屏，实现视频事件系统和大屏的联动，结合语音提示相应事件名称，现场可以方便快捷的发现问题。

　　四、技术方案

　　4.1 基于监控视频智能分析的高精度低误报交通事件检测技术

　　项目通过数据标注构建高速公路专用视频图像数据集，利用深度网络实现对交通目标静、动态属性的感知，如图4.1所示。通过生成单监控场景下交通目标运行轨迹，利用车辆轨迹，设计停驶、逆行、行人闯入、拥堵、烟雾、抛落物、非法车辆等交通事件，形成高精度、低误报的交通事件检测结果。对交通事件生成发生事件、上报时间、发生位置、视频图像证据等结构化信息。该技术能够改变交通事件检测单纯依赖传统的视频分析方法造成的误报率高、检测率低的问题。

　　4.2 基于视频联动分析的交通目标运动时空重构与异常判别技术

　　针对全天候、全天时、全过程的监测及交通目标类型与运动形态的多样性，采用端到端车辆检测跟踪一体化机器学习模型，结合多目标关联匹配优化算法，建立监控视角下的多车辆目标动态信息提取方法。利用车辆轨迹及车辆多目标位置空间关联关系，对交通目标运行全过程的微观信息有效感知，利用多系统、多节点、多目标的特征级融合实现车辆多目标的检测跟踪与轨迹高精度时空重构，如图4.2所示，形成基于监控系统多节点联动的交通时空图，完成基于视频联动分析的交通目标运动时空重构。交通时空图面向整个监控路段，反映目标在公路全路段的轨迹位置关系，进而重点分析异常车辆轨迹特征，辨析目标突然消失、偏离道路范围的运动轨迹，实现道路灾害隐患的预警。

　　五、主要创新点

　　5.1 检测精准，虚报漏报可忽略

　　经现场测试验证，系统检测准确率达到99.30%，避免以往虚报漏报太多造成的视频事件检测系统不实用的问题。

　　5.2 系统响应及时

　　系统识别各类事件均为毫秒级，结合逻辑判断规则，系统响应各类事件可小于10s，系统和隧道预警系统连接，可以对行车道停车，行车道抛洒物进行及时预警，可有效减少车辆追尾等事故。

　　5.3 增加了交通事件自动发现环节，完善了发现、派单、处理的管理流程

　　精准的视频事件检测系统投入使用后，通过和现场1+2+N机电管理平台对接，实时将检测的事件信息通过手机APP下发到道路现场值班人员手机，现场可最快时间介入处理，减少了因事件造成的次生事故。

　　六、使用效果

　　6.1 发生在隧道内的事故率大幅下降

　　系统从2022年2月27部署到现场，经过测试和完善，于2023年6月20日正式投入试运行，

　　截止到2024年09月12日，设备运行状况稳定。如下是天台山隧道管理中心统计的2022年-2024年8月31日的事故及车流量情况：

　　在车流量变化不大的情况下，事故数量逐年递减。2023年1-8月事故是同期2022年的47.8%，2024年1-8月事故是同期2022年的21.7%，同期比较，事故次数降低了79.3%。隧道内事故率降低，得益于视频事件检测系统应用。

　　视频事件检测系统可以及时发现行车道的停车和慢行，维护人员及时介入，可以有效减少发生追尾的事故。

　　视频事件系统能够及时发现行车道内的抛落物，维护人员及时将抛落物移走，使车辆不至于躲避抛落物发生碰撞和剐蹭。

　　6.2 监控人员从轮询视频解放的工作解放，专注处理各类具体问题，提升了服务质量

　　视频事件检测系统使用后，监控人员无需再轮询176路相机，两名监控人员可以腾出大量时间，分析处理一些具体问题，提升了服务质量，同时对监控人员职业发展也有一定的益处。