客货混行是高等级公路拥堵与安全事故的重要诱因之一。针对客货分离管控问题，本文提出了一种基于优化后雷视融合技术的全流程闭环管控工作体系，即基于雷达与视频数据，通过轨迹融合与预测算法准确跟踪目标车辆，根据车辆外形特征识别车辆类型，实现对快车道闯入事件的监测，通过监测、提醒、评分到处置的全流程闭环管控体系，提升客货分离管控的智能化和有效性。通过实际场景验证表明，将主动监测与即时反馈手段结合能够及时发现闯入事件并规范货车行驶行为，有效降低全息道路系统建设成本，显著提升高等级公路通行效率与安全水平，供参考。
1.存在管控盲区。鉴于高等级公路交通流高速度、高流量、高风险特性，根据上级相关工作规范要求，公安交管、交通等道路执法部门对于高等级公路上的道路交通违法行为一般不采取现场执法管理手段，更多是依托设置于高速公路部分断面的视频卡口抓拍取证设备，对违反客货分离规定的交通违法行为进行非现场取证事后追处执法，受限于高等级公路视频抓拍取证设备数量，目前存在大量管理盲区。2.管控手段单一。受限于高等级公路交通流特性，执法管理部门除了提升交通设施设置规范引导、加强巡逻威慑劝离和加大宣传引导外，更多依赖点位有限的路段视频抓拍非现场处罚手段，管控手段单一有限。3.管控效能滞后。现有的客货分离管控措施由于无法实时对道路上的车辆进行全程跟踪监测，更多的需要通过长期宣教提升中重型货车驾驶人文明驾驶意识和守法自觉性，非现场执法存在较大的违法惩戒滞后性和偶然性，管控效能较为低下。1.全息道路相关技术日渐成熟。随着高清视频抓拍识别、毫米波广域雷达、边缘计算等软硬件基础设施及技术的不断成熟和普及，基于雷视融合技术与高精地图的数字孪生（全息）交通试点项目逐渐在一些新改建高等级公路落地，通过大量测试及优化完善，大幅提升了全息道路技术的稳定性、准确性和有效性，已基本可以实现对目标区域内包括中重型货车在内各类交通参与对象的精准识别和追踪，基于雷视融合的全息道路技术日渐成熟。2.全息道路应用场景较为有限。由于全息道路系统集成、研发企业目前将大量的研发精力用于技术能力提升和产品研发，对全息道路管理应用场景拓展仍较为有限，国内落地的全息道路试点应用更偏重于雷视融合技术能力和车路协同技术能力的可视化展示，以及一些重点路口基于全息感应的信号配时优化和桥梁隧道等重点路段的事件监测预警等应用，相较于其强大的全时段全区域数据采集和感知追踪能力，其应用场景尤其是对追踪轨迹连续性要求较高的客货分离等管控场景仍有待大力拓展。3.全息道路系统降本提效仍有较大空间。受制于广域雷达、高清视频采集设备的交通数据采集物理技术特性，现阶段要构建全息道路需要在目标区域大量布设广域雷达和高清视频采集监控，目前较为理想的雷达视频设备数量比为1:1，即每个雷达和视频抓拍设备为一组，布设密度通常要求为每两组设备之间不大于250米。同时，为尽可能提高过车车牌识别率，以提升追踪目标准确性，系统对抓拍相机安装位置也有较高要求，增加了全息道路建设成本和实施难度。因此，如何运用更新的技术手段实现降本提效，将很大程度决定全息道路推广普及程度。受制于体制、经费等多种原因，交管部门很难自行实施智慧公路类智慧交通试点项目，更多是将有限的资金投到建设非现场交通违法抓拍类执法监控系统，与智慧公路系统关联度不高，数据信息共享利用及管理场景融合度不足。同时，智慧公路系统与智慧交通警务系统之间多重壁垒尚未打通，导致大量高价值道路动态交通违法信息被搁置浪费，无法有效赋能服务于交通管理工作。因此，有必要综合利用雷达探测、视频识别和全息感应技术，通过多源数据融合，实现对高等级公路上客货车全程、全路段的实时监测，打破智慧公路和智慧交通警务壁垒，建立一套不依赖传统交警非现场执法体系、可独立高效运行的闭环管控体系，涵盖监测预警、识别提醒、评分赋码、重点处置全流程，在“以罚代管”和“无效宣传”之间建立一套轻违规提醒制度，从而实现快速高效地治理快车道货车闯入场景，提高管控工作效率。车辆目标轨迹的准确跟踪是客货分离管控的前提，在目标监测与轨迹跟踪方法中，利用视频数据通过YOLO等神经网络模型能够稳定地获取目标的轨迹与外观特征信息，但容易受到车辆遮挡或天气环境等影响，而雷达检测具有良好的距离与速度测量精度，环境适应性强。针对全息感知、数字孪生等新型需求，相关研究与实践开始探索通过多传感器数据融合提升目标估计跟踪的准确性和鲁棒性。为充分利用多源感知设备优势，本文以实时的视频轨迹和雷达轨迹数据作为输入，车辆轨迹融合算法流程如图1所示。![]()
图1 车辆轨迹融合算法流程图为对快速路客货分离进行全流程管控，准确分辨客货车类型与其所处的车道是关键。如图2所示，车辆外形数据是不同类型车辆识别的关键参数，根据雷达检测车辆的速度、长度、宽度等数据，将以上参数经过标准化等预处理组成目标特征向量，利用分类算法识别车辆的客货类型。![]()
图2 客货分离识别流程图对于每个路段，读取当前时间点前1分钟范围内雷达融合轨迹数据，筛选其中所识别的车辆类型为货车、车道编号为快车道的数据段，并进行时间排序得到潜在的大货车异常行为序列。根据时间间隔阈值，例如小于2秒，将异常行为序列中的相邻轨迹数据进行拼接得到大货车的连续异常行为，以连续异常行为的开始时间作为快车道货车闯入时间，以连续异常行为的首尾时间差作为快车道货车闯入持续时间。基于上述雷视拟合和轨迹还原技术，已实现对客货车辆的精准识别和追踪能力，结合交通管理的实战业务闭环需求，建立一套从监测、提醒、评分到处置的全流程闭环管控体系，整体建设思路如图3所示。![]()
图3 整体建设思路全流程闭环管控流程如图4所示，通过识别货车闯入快车道的行为实现自动预警和事件存档，基于占用时间采取门架或路侧可变信息LED屏、车路协同信息推送、个人智能终端信息推送等多种措施进行轻微交通违法即时提醒，通过即违即知提升智慧公路自主管控能力。同时，结合货车通行证数据，构建货车进入快车道频次、时间等标签，并叠加货车违法、事故等安全相关数据，构建货车的评分赋码模型，引入扣分时间衰减算法机制，打造货车实时评分管控体系。最后，针对车辆赋码和车辆类型，实现对货车包括重点跟踪、源头宣教等处置手段的闭环管理。![]()
图4 全流程闭环管控流程图（一）货车闯入实时预警。对货车闯入快车道行为进行全面监控，形成无死角快车道占用发现和预警，支撑大数据下占用时长阈值的研判，同时帮助了解全路段客货分离态势，并进一步支撑客货分离相关管控手段和措施的决策工作。（二）长期占用提醒干预。结合货车闯入历史数据设置路段快车道货车占用时长阈值，以研判货车长期占用快车道行为。针对占用行为打造路段精准干预模型，实现基于事发点位、车速、诱导屏距离等要素下，精准推送下游诱导信息、提醒喊话内容。（三）过路货车评分赋码。通过过路货车快车道占用和重点车辆基础数据库的碰撞，构建管辖路段过路货车底库，汇聚货车长期占道数据，打通货车违法事故、货车通行证等数据，丰富车辆数据标签。打造评分赋码模型，综合过路车辆违法、事故、占道等异常行为实现自动化评分计算和红、黄、绿赋码。（四）关注车辆重点跟踪。对所有黄码车辆进行定期的短信提醒，提示驾驶人注意遵守客货分离的交通规则，并对红码车辆进入客货分离路段时进行重点跟踪和告警，帮助管理者有效掌握该类重点关注货车，以应对相关的突发状况。（五）责任企业源头宣教。结合货车通行证相关企业数据搭建过路货车关联企业数据库，结合货车的评分赋码情况打造企业评分赋码规则，计算货车相关责任企业的评分和色码，定期生成源头宣教企业名单，辅助对企业驾驶人进行集中交通安全知识宣教工作。完成线下宣教后，相应驾驶人、企业进行录入和自动加分，实现动态的评分赋码管理。为验证算法与技术方案的可行性，将其集成于客货分离分析平台中，并在金华市某国道路段上进行现场应用验证。该路段为双向十车道，单向包含2个快车道、2个慢车道、1个应急车道，全路段覆盖雷达及视频检测设备。采集雷达、视频原始轨迹数据，利用雷视拟合和轨迹还原技术生成雷视融合轨迹数据，并识别车辆类型。将雷视融合轨迹与高精地图匹配，识别出轨迹所在的车道信息，根据车辆类型、车道属性识别出货车从慢车道闯入快车道的异常行为，融合轨迹与车道匹配可视化效果如图5所示。监测异常行为的连续性，生成快车道货车闯入事件，记录事件开始时间、持续时间，并在客货分离分析平台上进行事件报警。根据事件持续时间，结合事件发生点位、车速、诱导屏位置等信息，采用短信、诱导屏提醒等方式进行精准提醒，实现管控闭环。客货分离分析平台上货车闯入事件的报警效果如图6所示。![]()
图6 客货分离分析平台报警效果高等级公路的客货分离措施是提升交通安全和运行效率的有效手段，但目前的事件发现存在不及时、不全面等问题，事后处理机制也有一定的滞后性，尚未实现全链路实时监测及闭环管控。本文针对城市快速路客货管控的难题，通过技术、应用、机制创新等提出了一套基于雷视数据融合技术的全流程闭环管控工作体系，利用高等级公路全路段实时客货分离识别方法，结合多种即时反馈手段促进货车驾驶人行为的规范化，最终实现无感高效的客货分离管理目标。下一步，基于雷视融合技术得到和积累的各类交通流数据与其他如天气、事故、照明条件数据碰撞融合后还可拓展用于非完全可观测高等级公路交通流运行态势辨识与评估、自适应动态速度管控、车辆及驾驶行为及道路运行特性画像等诸多交管应用领域。（作者单位：浙江省金华市公安局交警支队）
