28、利用无人机进行大型多车道环形交叉路口的交通流量分析

利用无人机进行大型多车道环形交叉路口的交通流量分析

1. 引言

随着城市化进程的加速，城市和城镇的交通流量与拥堵程度日益加剧。全球各地的交通管理部门在应对车辆增长方面面临着巨大挑战，交通拥堵的根源在于交通网络中供需的不平衡。环形交叉路口作为一种常见的交通解决方案，基于优先规则运行，即环道上的车辆优先于驶入车辆。准确评估环形交叉路口的设计和性能对于确保交通顺畅至关重要，因此需要精确且及时的交通数据。

传统的数据收集方法成本高昂且操作困难，需要大量设备和众多交通调查人员来覆盖调查区域。此外，调查人员管理、设备维护和现场工作后的数据处理等行政任务也十分耗时。对于大型多车道环形交叉路口，收集转向运动计数数据更是难上加难，因为无论是现场的交通调查人员还是后期回放视频记录，都难以跟踪车辆的行驶轨迹。间接方法如车牌匹配可能会产生不准确的结果，而视频记录技术虽然提供了更高的准确性，但仍存在局限性。无人机的出现为解决这一问题提供了新的可能，它能够提供鸟瞰视角，便于跟踪车辆的轨迹。

2. 无人机在交通相关项目中的应用

近年来，无人机在交通相关项目中的应用呈上升趋势，主要分为两类：交通监测和交通分析。交通监测侧重于实时或非实时跟踪交通流中的车辆；交通分析则更深入地研究交通参数，如出行行为、交通拥堵细节或碰撞风险评估。

利用无人机可以轻松获取环形交叉路口的交通参数，如交通流量和临界间隙。其优势在于能够以更自然的方式观察驾驶员的行为，因为驾驶员不会受到交通调查人员或设备的影响。不过，也有研究指出，对于低流量环形交叉路口，无人机和安装在计数杆上的摄像头在计数时可能会因视频角度问题导致某些运动的相对误差较大，建议混合使用设备以优化结果。

3. 研究方法

本研究于2022年3月22日的早晚高峰时段（上午06:30 - 08:30和下午04:30 - 06:30）进行交通调查，同时采用了两种数据收集方法：地面视频摄像头记录和无人机记录。
- 站点选择 ：在马来西亚，传统环形交叉路口的内切圆直径（ICD）大于50米，且无最大ICD限制。而许多国家规定环形交叉路口的ICD小于80米。古晋市的典型环形交叉路口ICD大于80米，这给交通数据收集带来了困难。本研究选择的环形交叉路口ICD为200米，有四个进口道。其中，2、3、4号进口道各有两条进口车道，1号进口道有三条进口车道，环道有三条车道，该环形交叉路口位于一个综合开发区内。
- 视频摄像头交通数据收集与处理 ：在每个进口道的分流岛上设置一个视频摄像头，共使用四个。每个摄像头调整角度，记录所在进口道的进入和环行车道以及下一个进口道的出口车道，以便跟踪每辆车的行驶轨迹。交通流量连续记录2小时。现场工作后的数据处理中，根据四个连续15分钟间隔内最高的一小时交通流量确定高峰时段，即上午06:45 - 07:45和下午04:30 - 05:30。确定高峰时段后，通过车辆追踪确定车辆在环形交叉路口的起点（进入环形交叉路口的进口道）和终点（离开环形交叉路口的进口道），从而进行转向运动计数。
- 无人机交通数据收集与处理 ：本研究使用的无人机为DJI Mavic mini，其规格如下表所示：
|参数|详情|
| ---- | ---- |
|型号|DJI Mavic mini|
|起飞重量|249 g|
|动力|LiPo 2S|
|最大飞行时间|30 min|
|风速|8 m/s|
|GPS|有|
|视频质量|2.7K (2720 × 1530)|

无人机交通数据收集遵循以下步骤：
1. 范围定义 ：明确研究问题和范围，选择需要评估的参数以及所使用无人机的特性。
2. 飞行规划 ：考虑安全、环境影响和路线规划等方面，以避免飞行事故。在马来西亚，民航局（CAAM）负责监管无人机系统（UAS）的使用，UAS分为三类，同时规定了禁飞区。本研究在晴朗的天气进行，以提高视频质量，并遵循CAAM的安全规定。
3. 飞行实施 ：确保拍摄的视频稳定。无人机配备3轴稳定云台，在离地80米高度悬停时可提供稳定的视频。为了清晰查看环形交叉路口的所有进口道，无人机需位于距离1号进口道环行车道约150米处。由于交通调查持续2小时，单架无人机每25分钟需降落更换电池，导致交通数据丢失，此时使用视频摄像头继续记录。
4. 数据采集 ：从无人机获取高质量的视频记录。可能需要使用传感器数据（红外、热、超声波等）和飞行遥测数据（高度、水平速度、垂直速度以及位置和方向数据）对记录的视频进行校准。为确保无人机记录数据的准确性，使用地面连续视频记录进行校准。无人机视频可以是实时或离线的，本研究采用离线方法。
5. 数据处理与分析 ：近年来，随着无人机交通数据收集技术的发展，出现了许多数据处理技术，大致可分为半自动视频处理和自动视频分析。本研究采用手动数据处理方法确定转向运动计数和车辆分类。

以下是无人机数据收集流程的mermaid流程图：

graph LR
    A[范围定义] --> B[飞行规划]
    B --> C[飞行实施]
    C --> D[数据采集]
    D --> E[数据处理与分析]

4. 结果与讨论

• 视频摄像头与无人机数据对比 ：通常将混合交通（异质交通）转换为等效的同质交通，本研究使用以下等效乘客车单位（PCU）值将车辆计数转换为PCU：
  |车辆类型|等效PCU值|
  | ---- | ---- |
  |乘用车|1.00|
  |摩托车|0.33|
  |货车|1.75|
  |中型卡车|1.75|
  |重型卡车|2.25|
  |公交车|2.25|

由于电池限制，每次飞行大约只有21 - 25分钟的数据可用于早晚高峰时段的分析。在数据提取过程中，提取视频摄像头的数据以匹配无人机的有效数据时长。每个高峰时段进行两次飞行，一小时调查的有效数据总时长约为50分钟，因此使用“pcu/50 min”作为单位呈现数据。该交叉路口的交通流量很高，早晚高峰时段的交叉路口总流量分别约为6000和5500 pcu/50 min。2号和4号进口道的交通流量最高，与古晋 - 三马拉汉高速公路的高道路等级一致。2、3、4号进口道设有单独的左转滑行道，其交通流量也包含在数据中。

视频摄像头和无人机记录的50分钟转向运动计数结果如下表所示：
|方法|From/To|Volume: AM (PM) (pcu/50 min)|
| ---- | ---- | ---- |
| |Leg 1|Leg 2|Leg 3|Leg 4|Leg total|Intersection total|
|视频摄像头|Leg 1|14 (5)|414 (168)|268 (397)|175 (269)|871 (839)|6053 (5550)|
| |Leg 2|869 (381)|41 (6)|720 (663)|1376 (1108)|3006 (215)|
| |Leg 3|293 (143)|423 (766)|3 (5)|24 (34)|743 (948)|
| |Leg 4|275 (36)|1079 (1376)|40 (119)|39 (74)|1433 (366)|
|无人机|Leg 1|14 (5)|416 (165)|270 (391)|178 (271)|878 (832)|5944 (5462)|
| |Leg 2|876 (373)|40 (6)|706 (654)|1334 (1090)|2956 (212)|
| |Leg 3|287 (140)|411 (757)|3 (5)|25 (35)|726 (937)|
| |Leg 4|271 (36)|1033 (1345)|41 (117)|39 (72)|1384 (359)|

两种方法的数据差异以PCU和百分比表示如下表所示：
|From/To|Leg 1|Leg 2|Leg 3|Leg 4|
| ---- | ---- | ---- | ---- | ---- |
|Difference in PCU: AM (PM)|Leg 1|0(0)|2(−3)|2(−6)|3(2)|
| |Leg 2|7(−8)|−1(0)|−14(−9)|−42(−18)|
| |Leg 3|−6(−3)|−12(−9)|0(0)|1(1)|
| |Leg 4|−4(0)|−46(−31)|1(−2)|0(−2)|
|Difference in percentage: AM (PM)|Leg 1|0(0)|0(2)|1(2)|2(1)|
| |Leg 2|1(2)|3(0)|2(1)|3(2)|
| |Leg 3|2(2)|3(1)|0(0)|4(3)|
| |Leg 4|1(0)|4(2)|2(2)|0(3)|
|Overall difference:|−1.83 (−1.61)|

总体而言，视频摄像头数据通常高于无人机数据，差异主要由误计数和错误的车辆分类造成。从无人机视频中难以区分车辆类型，因为平面视图只能看到车辆的车顶，而视频摄像头的立面视图更易于识别车辆类型。此外，由于摩托车体积小、加速快，两种方法都难以检测其轨迹。在视频摄像头的画面中，摩托车可能被较大车辆遮挡，导致数据缺失；在无人机数据处理中，距离无人机最远的3号进口道的车辆难以清晰分类，尤其是在小屏幕上处理数据时，但使用大屏幕可以解决这个问题。虽然有两棵树遮挡了环行和出口车道的视线，但不影响车辆轨迹的追踪。
- 电池更换导致的数据丢失影响 ：由于单架无人机需要降落更换电池，会造成一定的数据丢失。视频摄像头提供了连续的交通流量记录，且两种方法的数据差异较小。分析视频摄像头50分钟和60分钟的记录数据发现，10分钟的数据丢失约占总流量的10 - 20%，PCU范围为1 - 195。在实际应用中，如果仅使用单架无人机且没有视频摄像头辅助，可以将无人机获取的数据增加10 - 20%以弥补电池更换期间的数据损失。为避免数据丢失问题，建议使用额外的无人机交替飞行以连续捕捉交通流。

以下是视频摄像头不同时长数据对比表：
|Time (minutes)|From/To|Volume: AM (PM)|
| ---- | ---- | ---- |
| |Leg 1|Leg 2|Leg 3|Leg 4|Leg total|Intersection total|
|50|Leg 1|14 (5)|414 (168)|268 (397)|175 (269)|871 (839)|6053 (5550)|
| |Leg 2|869 (381)|41 (6)|720 (663)|1376 (1108)|3006 (2158)|
| |Leg 3|293 (143)|423 (766)|3 (5)|24 (34)|743 (948)|
| |Leg 4|275 (36)|1079 (1376)|40 (119)|39 (74)|1433 (1605)|
|60|Leg 1|16 (5)|472 (192)|302 (467)|206 (308)|996 (972)|6832 (6378)|
| |Leg 2|963 (426)|43 (6)|821 (779)|1571 (1279)|3398 (2490)|
| |Leg 3|331 (161)|479 (893)|3 (6)|28 (38)|841 (1098)|
| |Leg 4|305 (41)|1203 (1566)|44 (132)|45 (79)|1597 (1818)|

综上所述，无人机在大型多车道环形交叉路口的交通流量分析中具有一定的应用潜力，但也存在电池续航和数据处理等方面的挑战。未来随着无人机技术的不断发展，其在交通领域的应用有望进一步拓展。

利用无人机进行大型多车道环形交叉路口的交通流量分析

5. 无人机应用的挑战与应对策略

虽然无人机在交通流量分析中展现出了一定的优势，但也面临着诸多挑战，以下是详细分析及相应的应对策略：
- 电池续航问题 ：单架无人机的电池续航时间有限，在本次研究中，每25分钟就需要降落更换电池，导致约10分钟的交通数据丢失。这不仅影响了数据的完整性，也给连续监测带来了困难。
- 应对策略 ：可以采用多架无人机交替飞行的方式，确保在任何时刻都有无人机在空中进行数据采集，从而实现连续的交通流量监测。此外，也可以研发续航能力更强的电池，或者优化无人机的飞行模式以降低能耗，延长单次飞行时间。
- 数据处理难度 ：从无人机视频中进行车辆分类和转向运动计数存在一定难度，尤其是对于摩托车等小型车辆以及距离无人机较远的进口道上的车辆。同时，误计数和错误的车辆分类也会影响数据的准确性。
- 应对策略 ：一方面，可以使用更大的屏幕进行数据处理，以提高对车辆细节的识别能力。另一方面，利用先进的图像识别和机器学习技术，开发自动化的数据处理算法，减少人工干预，提高数据处理的效率和准确性。
- 环境影响 ：无人机的飞行受天气和环境因素的影响较大，如强风、降雨等恶劣天气会影响飞行安全和视频质量。此外，周围的建筑物、树木等障碍物也可能遮挡视线，影响数据采集。
- 应对策略 ：在飞行前，需要密切关注天气预报，选择合适的天气条件进行飞行。同时，在飞行规划阶段，充分考虑周围环境的影响，合理选择飞行路线和拍摄位置，尽量避免障碍物的干扰。如果遇到障碍物遮挡视线的情况，可以通过调整无人机的高度或位置来获取更好的视角。

6. 无人机在交通流量分析中的优势总结

尽管无人机在应用过程中存在一些挑战，但它在大型多车道环形交叉路口的交通流量分析中仍具有显著的优势：
- 提供鸟瞰视角 ：无人机能够从空中俯瞰整个环形交叉路口，提供全面的交通信息，便于跟踪车辆的轨迹和分析交通流的分布情况。相比之下，传统的地面视频摄像头只能提供有限的视角，难以全面掌握交通状况。
- 自然观察驾驶员行为 ：无人机的存在不会对驾驶员的行为产生干扰，能够以更自然的方式观察驾驶员的决策和操作，从而获取更真实的交通数据。这对于研究驾驶员行为和交通流特性具有重要意义。
- 灵活性和适应性 ：无人机可以根据需要灵活调整飞行高度、位置和角度，适应不同的交通场景和研究需求。在不同的环形交叉路口或交通状况下，都可以快速部署并进行数据采集。

7. 未来展望

随着无人机技术的不断发展和完善，其在交通流量分析领域的应用前景十分广阔。以下是一些可能的发展方向：
- 智能化监测系统 ：结合人工智能和机器学习技术，开发智能化的无人机交通监测系统。该系统可以自动识别车辆类型、统计交通流量、分析交通拥堵情况，并实时反馈给交通管理部门，为交通决策提供更及时、准确的信息。
- 多传感器融合 ：将无人机与其他交通传感器（如地面摄像头、雷达、地磁传感器等）进行融合，实现多源数据的互补和整合。这样可以提高交通数据的准确性和可靠性，更全面地了解交通状况。
- 城市交通管理 ：无人机可以应用于城市交通的宏观管理，如监测城市道路网络的整体交通流量、评估交通拥堵的扩散情况等。通过对大量交通数据的分析和挖掘，为城市交通规划和管理提供科学依据，优化交通资源的配置。

8. 结论

本研究通过对比地面视频摄像头记录和无人机记录两种方法，对大型多车道环形交叉路口的交通流量进行了分析。结果表明，无人机在交通流量分析中具有一定的可行性和优势，但也存在电池续航、数据处理和环境影响等方面的挑战。通过采取相应的应对策略，如多架无人机交替飞行、开发自动化数据处理算法和优化飞行规划等，可以有效克服这些挑战，提高无人机在交通流量分析中的应用效果。

未来，随着无人机技术的不断进步和应用场景的不断拓展，它有望在交通领域发挥更加重要的作用，为解决城市交通拥堵问题提供新的思路和方法。以下是本研究的主要结论总结：
|结论类型|详情|
| ---- | ---- |
|数据准确性|两种方法的数据差异较小，总体差异约为 -1.83%（上午）和 -1.61%（下午），说明无人机在交通流量分析中具有较高的准确性。|
|数据完整性|单架无人机因电池更换导致的数据丢失约占总流量的10 - 20%，通过多架无人机交替飞行可以解决数据丢失问题，确保数据的完整性。|
|应用优势|无人机提供鸟瞰视角，能够自然观察驾驶员行为，具有灵活性和适应性，在交通流量分析中具有显著优势。|
|发展方向|未来无人机在交通领域的应用将朝着智能化监测系统、多传感器融合和城市交通管理等方向发展。|

通过以上分析，我们可以看出无人机在大型多车道环形交叉路口的交通流量分析中具有巨大的潜力。随着技术的不断发展和应用的不断深入，相信无人机将为交通领域带来更多的创新和变革。

以下是无人机在交通流量分析中的应用流程mermaid流程图：

graph LR
    A[确定研究问题和范围] --> B[选择无人机及规划飞行]
    B --> C[进行飞行并采集数据]
    C --> D[对数据进行校准和处理]
    D --> E[分析交通流量和相关参数]
    E --> F[根据分析结果进行决策和管理]