27、基于无人机和交通视频分析仪的多车道环岛车道变换研究

基于无人机和交通视频分析仪的多车道环岛车道变换研究

1. 引言

在交通领域，交织（weaving）是指两个或多个同向交通流在没有交通控制设备辅助的情况下相互交叉的现象。在多车道环岛中，由于车辆具有更大的移动自由度，更容易出现交织情况。这种交织现象会使环岛内的循环交通流速度减慢，导致交织段连续车辆之间的间距增大，进而使得通过交织段间隙的车辆减少，影响环岛的设计通行能力。

以往对于环岛交织数据的收集存在诸多困难。传统的数据收集方法，如使用固定水平记录仪或实地调查员，都有各自的局限性。固定水平视频记录仪受设备覆盖范围的限制，只能提供有限的数据点；而提高记录仪的位置虽然可以改善视野，但需要额外的仪器或研究地点有高楼等条件，否则就需要增加人力和设备来提高地面数据点，这会带来劳动成本和效率的问题。此外，传统方法在收集复杂的交通流（如涉及多次车道变换的交织情况）时也面临挑战，且可能导致长时间的后期分析工作。同时，内部实验如使用仪器化的探测车辆和驾驶模拟器，若不增加实验次数，可能无法提供足够的数据样本量。

相比之下，无人机（UAV）具有机动性、灵活性和鸟瞰视角的优势，有望克服传统方法的局限性。一架无人机可以捕捉到通常至少需要两名调查员才能完成收集的交通信息，如交通流量和速度，还能提供连续的交通交互数据，这是单个视频记录仪难以做到的。交通视频分析仪则利用图像处理技术从无人机录制的视频中识别和跟踪车辆。大多数分析仪支持离线数据编辑，方便用户提取高级交通参数，如交通密度、车辆速度、起终点计数和安全分析等，减少了可能带有人为误差的手动工作。而且，分析仪通常会生成标准视频格式的输出，便于查看分析结果。因此，将无人机和交通视频分析仪结合使用，可能是一种从各种道路基础设施中获取全面交通数据的有效技术。以下是一些使用无人机和交通视频分析仪进行交通研究的案例总结：
| 参考文献 | 硬件 | 软件 | 研究结果 |
| — | — | — | — |
| [部分案例1] | 四螺旋桨微型无人机 | Tracker提取交通量和速度数据 | 与宏观模型的通行能力结果接近（误差 -0.5%） |
| [部分案例2] | 无线电控制四轴飞行器无人机 | Camshift跟踪车辆并绘制轨迹 | 为交通性能分析提供准确的车辆轨迹 |
| [部分案例3] | 无人机 | Kanade–Lucas–Tomasi（KLT）跟踪器提取速度和交通密度 | 估计交通流平均速度和车辆计数的准确率约为96%和87% |
| [部分案例4] | Argus - One无人机 | OpenCV库（C++）提取车辆轨迹 | 提出从视频数据中提取轨迹的简化方法 |
| [部分案例5] | 无人机 | Wintics提取交通计数 | 结果显示相对误差较低（10%） |

2. 研究方法

本研究采用无人机进行数据收集，并使用交通视频分析仪Datafromsky进行数据分析，具体步骤如下：

2.1 无人机实地作业

实地研究于2021年10月12日（周二，晴天）在一个内径为151米的多车道环岛进行。为了收集早高峰（06:30 - 08:30）和晚高峰（16:30 - 18:30）的交通流量数据，安排了两个时段的实地作业。整个实地作业仅需一名调查员操作无人机，该调查员需确保无人机能够捕捉到整个环岛的布局以及进出环岛的交通流情况。由于信号和风速问题，无人机不能直接飞越环岛上方，因此调查员以17.02度的角度飞行无人机，以获取完整的环岛布局画面。

无人机的电池续航时间为30分钟（其中25分钟用于录制，5分钟用于更换电池），为了完成两小时的实地作业，共使用了五块电池。所使用无人机的规格如下：
| 特性 | 规格 |
| — | — |
| 型号 | Mavic Mini |
| 起飞重量 | 249 g |
| 电源 | LiPo 2S |
| 最大飞行时间 | 30 min |
| 风速限制 | 8 m/s |
| GPS | 有 |
| 视频质量 | 2.7 K（2720 × 1530） |

2.2 交通视频分析仪的后期分析

首先，将原始录制的视频上传到基于云的平台，以获取车辆轨迹。通过虚拟门功能，车辆轨迹可以提供环岛内车辆的转弯运动和循环车道的车道变换数据。在本项目中，虚拟门设置在以下位置：
1. 进出口车道 ：用于检测导致环岛内交织的车辆转弯运动。
2. 循环车道 ：用于检测车道变换。

环岛进出口设置了基于车道的虚拟门，循环车道虚拟门的设置步骤如下：
1. 确定中央岛的参考点。
2. 将环岛区域划分为交织段和非交织段。
3. 测量从参考点到路缘外边缘的半径。
4. 采用10米的弧长来表示10米的间隔。
5. 使用弧长公式，计算出弧长为10米对应的弧度角。
6. 绘制第二条线，形成计算出的弧度角。

以下是车辆检测和车道变换检测的具体情况：
- 进出口车辆检测（转弯运动） ：当车辆通过入口车道的虚拟门时，可检测到车辆进入；当车辆通过出口车道的虚拟门时，可检测到车辆离开。例如，一辆编号为39的汽车通过入口的145号门和出口的156号门，表明该车进行了左转运动。
- 循环车道车道变换检测 ：在三车道环岛中，车道变换检测较为复杂，车辆可能在内车道、中间车道和外车道之间进行变换。本研究采用10米间隔的虚拟门来收集车道变换及其位置信息。当车辆跨越两个相邻循环车道上的连续虚拟门（如从8号门到12号门）时，即可检测到车道变换。车道变换的收集是基于间隔的，而非循环车道上的特定点。可能的车道变换场景如下表所示：
| 编号 | 场景 | 检测结果 |
| — | — | — |
| 1 | 车辆跨越间隔小于10米的门 | 车道变换发生在0 - 10米之间 |
| 2 | 车辆跨越间隔大于10米的门 | 车道变换发生在10 - 20米之间 |
| 3 | 车辆通过4号门和7号门 | 10米间隔内无车道变换 |
| 4 | 车辆通过4号门和8号门 | 10米间隔内车辆从内车道变换到中间车道 |
| 5 | 车辆通过4号门和9号门（不太可能的情况） | 10米间隔内车辆从内车道变换到外车道 |
| 6 | 车辆通过5号门和7号门 | 10米间隔内车辆从中间车道变换到内车道 |
| 7 | 车辆通过5号门和8号门 | 10米间隔内无车道变换 |
| 8 | 车辆通过5号门和9号门 | 10米间隔内车辆从中间车道变换到外车道 |
| 9 | 车辆通过6号门和7号门 | 10米间隔内车辆从外车道变换到内车道 |
| 10 | 车辆通过6号门和8号门 | 10米间隔内车辆从外车道变换到中间车道 |
| 11 | 车辆通过6号门和9号门 | 10米间隔内无车道变换 |

从内车道到外车道或外车道到内车道的车道变换在10米间隔内可能不太容易发生，因为驾驶员可能难以在10米内利用合适的间隙跨越两条车道。更可能的情况是，驾驶员先在最初的10米内寻找间隙进行一次车道变换，然后再寻找间隙变换到目标车道。

下面用mermaid流程图展示整个数据收集与分析的流程：

graph LR
    A[实地作业（无人机）] --> B[上传原始录制视频到云平台]
    B --> C[获取车辆轨迹]
    C --> D[设置虚拟门]
    D --> E1[检测进出口车辆转弯运动]
    D --> E2[检测循环车道车道变换]
    E1 --> F[分析交织情况]
    E2 --> F
    F --> G[得出结果和结论]

基于无人机和交通视频分析仪的多车道环岛车道变换研究

3. 结果与讨论

本部分将探讨环岛内的交织情况以及循环车道上车道变换的位置。

3.1 环岛内的交织情况

当两个交通流在交织段交换路径并相互交叉时，就会发生交织现象。对于入口车流（如图8中的红线所示），假设从不同路段进入交织段的直行（T）、右转（R）和掉头（U）车辆使用中间或内车道，那么它们至少需要进行一次车道变换。同样，对于循环车流（如图8中的蓝线所示），假设它们通过内出口车道离开环岛，也至少需要变换一次车道。

这个四岔环岛由四个相互连接的交织段组成。如果车辆进行直行、右转或掉头运动，可能会经过多个交织段。每个交织段可容纳来自所有路段的三种运动。以下是环岛内交织流量的总结：
| 交织段 | 通过该段的流量 | 该段内的交织流量 |
| — | — | — |
| 路段1和2之间 | 1L, 1T, 1R, 1U, 2U, 3R, 3U, 4T, 4R, 4U | 1T, 1R, 1U, 2U, 3R, 4T |
| 路段2和3之间 | 1T, 1R, 1U, 2L, 2T, 2R, 2U, 3U, 4R, 4U | 1T, 2T, 2R, 2U, 3U, 4R |
| 路段3和4之间 | 1R, 1U, 2T, 2R, 2U, 3L, 3T, 3R, 3U, 4U | 1R, 2T, 3T, 3R, 3U, 4U |
| 路段4和1之间 | 1U, 2R, 2U, 3T, 3R, 3U, 4L, 4T, 4R, 4U | 1U, 2R, 3T, 4T, 4R, 4U |

注：L表示左转；T表示直行；R表示右转；U表示掉头。运动符号前的数字表示路段编号，例如1L表示从路段1左转的车辆。

各交织段的流量情况如下表所示：
| 交织段 | 通过该段的流量（pcu/hr） | 该段内的交织流量（pcu/hr） |
| — | — | — |
| 路段1和2之间 | 2431 | 1560 |
| 路段2和3之间 | 2155 | 1889 |
| 路段3和4之间 | 1849 | 1157 |
| 路段4和1之间 | 2530 | 2350 |

注：pcu/hr表示每小时的当量小汽车数。

3.2 环岛内车道变换及其位置

如前所述，当两辆车交换路径以到达目标车道时，就会发生交织和车道变换。本部分报告了环岛内车道变换及其位置的情况。

大约86%的车道变换发生在交织段，而只有14%发生在非交织段。这一现象与环岛内交织段和非交织段的位置有关。作为与进出口相邻的路段，大多数车辆在进入交织段后开始变换车道，以便在目的地出口离开。相反，在非交织段，由于车辆已经选择了要行驶的车道，因此进行车道变换的车辆较少。

对于交织段，路段1和3的车道变换在出口附近最为频繁（分别在60 - 70米和30 - 40米之间），这表明驾驶员在即将出口时进行车道变换。相反，路段2和4的大多数驾驶员更喜欢在进入环岛后立即变换车道，因此车道变换在入口附近更为频繁（分别在10 - 20米和0 - 10米之间）。

对于非交织段，路段1和2的车道变换在入口附近最为频繁（分别在30 - 0米和30 - 40米之间），路段3的车道变换主要发生在20 - 30米之间，路段4的车道变换在出口附近最为频繁（在0 - 10米之间）。值得注意的是，非交织段的所有车道变换都发生在内车道和中间车道之间。这一观察结果表明，中间和外车道的驾驶员倾向于在经过入口前（路段1和2）或经过出口后（路段3和4）进行车道变换。

以下用表格总结各路段不同区域车道变换的情况：
| 路段 | 交织段车道变换频繁区域 | 非交织段车道变换频繁区域 |
| — | — | — |
| 1 | 60 - 70米（出口附近） | 30 - 0米（入口附近） |
| 2 | 10 - 20米（入口附近） | 30 - 40米（入口附近） |
| 3 | 30 - 40米（出口附近） | 20 - 30米 |
| 4 | 0 - 10米（入口附近） | 0 - 10米（出口附近） |

4. 结论

本文证明了使用无人机和交通视频分析仪来研究内径超过100米的多车道环岛内的车道变换是可行的。无人机能够在一次交通调查中捕捉到连续的车道变换数据。通过交通视频分析仪的虚拟门功能，对无人机录制数据的提取可以提供车辆的转弯运动和车道变换数据。

研究结果表明，86%的车道变换发生在交织段。大多数驾驶员在进入交织段、从最近的出口离开或在环岛内行驶时做出车道变换的决策。因此，车道变换主要发生在交织段，而非非交织段。

这些行为数据可以整合到现有的环岛通行能力模型中。通常，所有模型中的循环流量参数都将多车道循环流量视为一个总流量，忽略了入口和循环流量之间的相互作用（即交织）。引入该技术后，由于可以使用无人机和交通视频分析仪获取行为数据，循环流量参数现在可以考虑交织因素。因此，可以进一步研究考虑交织因素的环岛通行能力。

下面用mermaid流程图展示整个研究的结论应用流程：

graph LR
    A[获取车道变换数据（无人机和分析仪）] --> B[分析车道变换行为（交织段和非交织段）]
    B --> C[整合行为数据到通行能力模型]
    C --> D[考虑交织因素研究环岛通行能力]