1、1智慧交通云平台项目方案21 项目背景与总体架构 71.1 背景 71.2 总体架构 82 服务器虚拟化 cCloud102.1 cCloud 简介 102.2 cCloud 平台框架 102.3 cCloud 平台规格 122.4 架构说明 132.5 功能说明 152.6 可靠性 172.6.1 警告和日志 172.6.2 HA .182.6.3 负载均衡 182.7 后台管理系统 202.8 商务说明 292.9 最终选择 323 桌面虚拟化技术 cDesktop .323.1 概览 323.2 核心技术 323.2.1 轻盈、快速、高效 323.2.2 易操作、好管理 333.2.3
2、高密度、低成本 333.2.4 数据独立、备份简捷、控管安全 344 云存储系统 cStor .344.1 云存储的概念 344.2 cStor 云存储系统简介 .354.3 C1000 系列产品特性 .374.3.1 高可靠性 374.3.2 高性能 374.3.3 在线伸缩 374.3.4 通用易用 384.3.5 智能管理 384.4 产品技术架构与关键技术 394.4.1 技术架构 39工作原理 41管理机制 4334.4.2 关键技术 43负载自动均衡技术 43高速并发访问技术 44高可靠性保证技术 44高可用技术 454.5 产品应用模式与部署方案 464.5.1 企业典型云存储应
3、用模式 464.5.2 大规模虚拟机映像文件云存储应用模式 .484.5.3 广电媒资系统云存储应用模式 494.5.4 城市视频监控云存储应用模式 504.5.5 公安图像侦查云存储应用模式 524.5.6 数据灾备中心云存储应用模式 544.6 产品技术规格 554.6.1 经济型配置 554.6.2 中等规模配置 564.6.3 高性能配置 565 分布式数据库-数据立方 .575.1 数据立方(DataCube) 575.2 规格说明 585.3 优势 596 任务调度引擎-JobKeeper .607 公安云视频监控系统方案 637.1 方案概述 637.2 方案总体内容 657.2
4、.1 方案总述 657.2.2 方案架构 667.3 方案具体内容 697.3.1 视频数据感知传输系统 697.3.1.1 数据采集 .697.3.1.2 数据传输系统 .857.3.2 云视频监控系统 967.3.2.1cVideo 云视频监控系统简介 9647.3.2.2cVideo 系统架构 987.3.2.3cVideo 运作流程 1017.3.2.4cVideo 设计方案 1027.3.2.5cVideo 技术创新 1177.3.2.6 云视频监控系统融合 .1178 智能交通云方案 1198.1 背景 1198.1.1 交通拥堵带来的技术挑战 1208.1.2 智能交通研究现状
5、1208.1.3 云计算技术及发展现状 1228.2 8.2 构想 1238.2.1 南京智能交通云构思 1238.2.2 南京智能交通云的用途 1258.2.2.1 交通信息实时发布 1258.2.2.2 智能公交 1258.2.2.3 智能信号控制 1258.2.2.4 应对突急事件 1268.2.2.5 车辆运营调度 1268.2.3 智能交通云与智慧南京 1268.2.4 建设智能交通云的意义 1278.3 8.3 总体方案 1298.3.1 总体架构 1298.3.1.1 总体设计 1298.3.1.2 系统联网拓扑结构 .1308.3.1.3 系统层次图 1318.3.2 感知层
6、1328.3.2.1 RFID13258.3.2.2 交通卡口系统 .1348.3.2.3 道路监控视频智能识别 1378.3.2.3.4 车辆跟踪模块 .1408.3.3 存储层 1448.3.3.1 云存储概述 1448.3.3.2 分布式云存储构架 1448.3.3.3 智能交通云存储建议 1458.3.4 处理层 1488.3.4.1 数据量激增带来的处理挑战 1488.3.4.2 cProc 云处理平台架构 .1498.3.4.3 cProc 云处理平台优势 .1508.3.5 认知层 1518.3.5.1 实时视频智能识别 .1518.3.5.2 行为识别 .1558.3.5.3
7、语义分析 .1578.3.6 应用层 1608.3.6.1 交通规划 1608.3.6.2 实时监控 1668.3.6.3 车辆跟踪 1688.3.6.4 轨迹分析 1698.3.6.5 智能诱导 1708.3.6.6 数据统计分析 1718.4 8.4 关键技术 1728.4.1 智能传感与物联网技术 17268.4.2 大数据存储与处理云计算技术 1728.4.3 基于语义的信息融合技术 1738.4.4 智能内容识别与认知技术 1738.4.5 城市交通数学模型与综合调度技术 1748.5 8.5 典型应用 1748.5.1 面向公众的实时智能导航信息服务 1748.5.2 城市交通智能
8、调度与诱导系统 1768.5.3 车辆连续跟踪系统 1798.5.4 交通违法智能挖掘与取证系统 18371 项目背景与方案1.1 背景交通问题可以说是全世界各国面临的共同难题，交通拥挤带来了巨大的时间浪费，加剧了环境污染。我国大多数城市的平均行车速度已降至 20km/h 以下，有些路段甚至只有 78km/h。由于车辆速度过慢，尾气排放增加，使得城市的空气质量进一步恶化。这些问题严重影响了人们的出行和生活质量，造成社会经济的巨大损失。因此，为了缓解经济发展所带来的交通运输方面的压力，尽量的利用现有的资源，使其发挥最大的作用，世界各国都加大了对智能交通系统的研究和建设的力度。1.1.1 交通拥堵
9、带来的技术挑战随着经济的高速发展，现在的交通业、物流业等领域正面临着更加苛刻的要求，交通拥挤不堪，交通事故频发以及交通污染这些问题在过去通常采用诸如道路的拓宽以及大力建设立体交通等方式加以解决，但是随着社会的发展，这些传统的手法已经不能够从根本上解决上述问题了。如何对城市每天产生的海量交通数据进行处理、分析、和存储，将是未来交通信息服务的关键问题。就南京市而言，每年仅车辆通过卡口所产生的数据记录条数就将达到惊人的 200 亿条，而Oracle 数据库的上限值为 10 亿条。即使是一个县的卡口数据，查询的响应时间都是分钟级的，更不用说要基于将南京市或全省的数据开展智能交通应用了。8同样的，我市拥
10、有 20 万个摄像头，每个月所产生的数据量将有 120PB，其中有相当一部分与交通相关，如何将这些数据安全、高效地存储起来，也将成为存储技术的挑战。另外，如果要向南京全市约 800 万人提供个性化的智能交通出行信息服务，所面对的海量信息访问请求也是惊人的。1.1.2 智能交通研究现状为了解决“交通难”的问题，世界各国都投入了巨资，或是大力建设基础设施及管理平台，或是吸引大批力学、物理学、非线性科学和系统科学等领域的科学家进行交通科学的基础研究，旨在采用高科技与多学科相结合的办法，研制、构建完善的交通系统，以解决道路交通问题。智能交通技术（ITS） ，是指将先进的信息技术、数据通讯传输技术、电子
11、控制技术、计算机处理技术等应用于交通运输行业形成的一种信息化、智能化、社会化的新型运输系统，它使交通基9础设施能发挥最大效能。该技术于上世纪 80 年代起源于美国，随后各国都积极寻求在这一领域中的发展。 日本是世界上率先展开 ITS 研究的国家之一，在 1973 年日本通产省开始开发汽车等综合控制系统 CASC(Comprehensive Automobile Control System)，目前日本 ITS 研究与应用开发工作主要围绕三个方面进行：提供实时道路交通信息的汽车信息和通讯系统 VICS(Vehicle Information Communication System)、电子不停车
12、收费系统 ETC(Electronic Toll Collection)和先进的公路系统 AHS(Advanced Highway System)。新加坡在 ITS 的发展方面已经走到了世界的前列，聪明的交通信号控制系统，实现了自适应和整体协调。韩国首尔智能公交调度及信息服务系统“TAGO”，让首都首尔的交通井然有序。首尔市的智能交通在交通管理、交通监测和公共交通等领域都得到了充分的应用和发展，交通服务水平属于亚洲高水平。在我国，近年来也增强了对交通问题的研究的投入，但始终存在着“重硬件、轻软件”的倾向。我国经济飞速发展，交通需求日益增大，因此，建设现代化的智能交通运输系统迫在眉睫。1.1.3
13、 云计算技术及发展现状云计算利用虚拟化等技术，整合服务器、存储、网络等硬件资源，优化系统资源配置比例，实现应用的灵活性，同时提升资源利用率，降低总能耗，降低运维成本。对于如此海量信息的汇聚和处理，云计算将是不二的选择，唯有在云模式下，才能对这庞大的数据量进行实时的分布式处理，以此为基础，才能开发出更多传统概念上难以实现的精彩应用云计算（Cloud Computing）是网格计算（Grid Computing） 、分布式计算（Distributed 10Computing） 、并行计算（ Parallel Computing） 、效用计算（Utility Computing） 、网络存储（Net
14、work Storage Technologies） 、虚拟化（Virtualization） 、负载均衡（Load Balance）等传统计算机和网络技术发展融合的产物，是目前比较流行的名词。云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。这种资源池称为“云” 。 “云”是一些可以自我维护和管理的虚拟化计算资源，通常是一些大型服务器集群，包括计算服务器、存储服务器和带宽资源等。云计算将计算资源集中起来，并通过专门软件实现自动管理，无需人为参与。用户可以动态申请部分资源，支持各种应用程序的运转，无需为烦琐的细节而烦恼，能够更加
15、专注于自己的业务，有利于提高效率、降低成本和技术创新。云计算在国外起步较早，谷歌、亚马逊、IBM、微软、雅虎等大公司都是云计算的先行者，其他云计算领域的众多成功公司还包括：VMware、Salesforce、Facebook 、YouTube、MySpace 等。国内的云计算起步较之国外晚了不少，三年前还仅仅停留在概念阶段，但如今，云计算的热情空前高涨，全国不下 20 个城市纷纷推出云计算，各大硬件和软件公司也不甘人后，纷纷试水云计算；而几乎所有的 IDC 厂商更是抢着推出自己的云产品，中国大地一时间风起云涌。11云计算之所以有如此大的吸引力，其原因是人们认为这是互联网发展的第三个里程碑，云计
16、算的落地将会给我们的生活以及社会运作方式带来巨大的变革。对企业来说，云计算的出现意味着全新的发展方向和商业模式，此领域必将成为必争之地；对于地方政府来讲，借十二五计划扶持的东风，云计算极有可能成为地方经济新的增长点；对于全球，就云计算领域来讲，我国目前与西方发达国家基本处于同一起跑线上，努力发展则非常有可能跻身世界前列，拥有核心竞争力。1.2 8.2 构想1.2.1 我市智能交通云构思我市智能交通云是一个基于云计算建立的综合性交通信息管理与服务平台。它以城市道路交通为主体，实时采集并汇总来自电子警察、卡口、RFID、交通视频等的信息，并集成来自铁路、机场、地铁、码头、长途汽车站等的信息源，利用
17、云计算平台的大数据存储和处理能力，借助并行计算、视频内容智能识别、语义理解等先进技术，建立城市交通综合数学模型，实施城市交通的综合管控和智能诱导，提高城市交通的效率，减少拥堵，最大化方便公众出行。智能交通云是一个整合的、先进的、安全的、自动化的、易扩展的、服务于交通行业的开放性平台。具体体现在： 整合现有资源，并能够针对未来的交通行业发展扩展整合将来所需的各种硬件、软件、数据； 动态满足智能交通系统 （Intelligent Transport System,简称 ITS）中各应用系统，针对交通行业的需求 基础设施建设、交通信息发布、交通企业增值服务、交通指挥提供决策支持及交通仿真模拟等，交通
18、云要能够全面提供开发系统资源平台需求，能够快速满足突发系统需求；12 提供极具弹性的扩展能力需求，以满足将来不断增大的交通应用需求。智能交通云是对交通管理单位、交通运营企业和广大的市民服务的，所以，智慧我市交通云的特色是混合云。对保密性安全要求高，处理速度快，弹性发展力度强的对内应用（交通管理单位） ，可以用私有云的模式实现。而对外的信息发布（大众出行、物流企业、交通信息服务企业等） 、出行指导等对外应用可以用公共云的模式实现。1.2.2 我市智能交通云的用途8.2.2.1 交通信息实时发布交通信息应包括道路交通信息、行车路线导航信息、道路施工信息、停车场信息等综合交通信息。由市交通主枢纽指挥
19、中心通过调频立体声广播电台副频道，市区近二百块 LED 显示屏、无线通信等方式对外发布，我市智能交通系统应把市内近百个停车场（也包括新建的停车场）进行联网，以便采集车外信息对外发布。此外在火车站、码头、长途汽车站补设提供行路信息的显示屏。138.2.2.2 智能公交我市智能交通系统公交工具应建设以地铁为主、公共汽车、出租车为辅建设系统。同时调整公交站台与地铁站台位置，实现无缝连接，避免转车误时。同时建设以火车站、长途汽车站、码头、主要商业务段为主的交通枢纽。为解决行人行车矛盾，各路口或新建路口实现人行地道车走立交，到时，人们将可享受到一个快捷、安全、舒适的交通运输体系带来的便利。8.2.2.3
20、 智能信号控制交通信号控制系统是维护城市交通秩序的重要系统，大多安装在路口和指定位置。我市现有丁字路口、十字路口、五星路口等约一千个。已按装红绿灯的路口有八百多个。但由于目前信号灯切换时间固定不变。使道路利用率和运输效率降低。如模范马路与中山北路交叉路口红绿灯启亮时间为 50 秒，于是出现了非高峰时间南北向绿灯启亮后 2830 秒无车流，而东西向已停泊 60多辆，长度约 80 米。有时则相反。但在车行高峰时，100 多辆车的正常流通在 42 至 46 秒。还有部分车辆在 50 秒后到路口被滞留。建设以区域或路段联网的智能信号灯控制系统根据道路车流量变化调节红绿灯切换时间。形成区域，路段的绿波带
21、，加快市内车辆的流速、减缓车堵现象 。8.2.2.4 应对突急事件城市突急事件调度包括医卫急救、火灾、地震、泥石流、山体滑坡、爆炸、有害气体、液体泄漏、罪犯逃跑等。一旦突急事件发生，就要借助交通系统的支持控制事态发展、维护社会稳定。因此，通过对实时数据采集、处理，智能交通云对于建设应急交通系统也是不可缺少的。通过把 110、119、120 合在一起，一旦有群众报警，联合台就可根据报警内容协调各相关部门统一指挥出警处理，在智能交通平台可提供应急联动，快速反应的服务效率，市智能交通平台14根据事发地点提供 绿波带，使报警、出警更加迅速、准确、 高效，减少突发事件带来的损失，更好 地为政府和社会服务
22、8.2.2.5 车辆运 营调度通过对各个区域监控的运处理，智能分析该区域的交通情况。汽车司机通过 GPS 或其他移动终端可以对各条线路的交通情况进行预先了解，节省不必要的时间，舒缓交通压力、提高交通质量。解决机场、火车站等客流量密集区域的交通混乱现象。降低出租车司机的运营成本，同时市民可以通过移动终端查询线路和联系出租车司机。从而解决出租车招客难，路人打车难的尴尬情形。1.2.3 智能交通云与智慧我市未来的城市如何发展？如何加快经济结构转型，提升城市环境？如何在后危机时代顺利实现转型发展、创新发展、跨越发展？假如在某个路段，一辆车故障造成堵车，能否在几分钟内，就将这辆故障车拖走？假如在另一个地
23、方，一个病人突发疾病，能否在很短时间内，就有救护车来将病人及时送往医院？我市提出了建设“智慧我市”的构想。“智慧我市”是创新型城市的建设，是城市现代化的高级阶段，说到底就是集中各方面智慧发展城市现代化。其中最重要的一条，就是要为城市管理和应急提供“智慧系统” ，对公共卫生、交通故障、环境污染等事件能够迅速作出反应。我市打造智慧城市，可以先从智能交通入手，然后以此平台为基础，打造城市级现代化综合管理平台，让整个城市逐步“智慧”起来。151.2.4 建设智能交通云的意义智能交通系统通过通过云的处理，对传统交通系统进行变革。通过提升交通系统的信息化、智能化、集成化和网络化，智能采集交通信息、流量、噪
24、声、路面、交通事故、天气、温度等，从而保障人、车、路与环境之间的相互交流，进而提高交通系统的效率、机动性、安全性、可达性、经济性，达到保护环境、降低能耗的作用。 提高道路本身和地区路网的使用效率 城市快速发展智能交通系统可以改善道路交通环境，增加道路交通系统容量。同时，还可以有效提高 车辆的行车速度，减少车辆行车延误，提高受控区域的道路服务水平，进而提高地区路网的通行能力。 改善交通环境，减少交通事故和环境污染 主要体现在以下几个方面： 1、减少交通事故造成的车辆和人身的损失和伤害； 2、减少交通对能源的需求；3、减少尾气污染，提高空气质量； 4、降低车辆行驶的噪声，减轻噪声污染； 5、节省土
25、地资源。16 提高管理部门的服务水平和工作效率发展智能交通系统的目的是要使交通管理从被动转变为主动，由适应型向智能型转变，从而形成“高效、 舒适、环保”的交通环境。 带动相关产业的发展 智能交通系统作为一个新兴的产业，需要汽车制造、通信、信息技术、计算机等相关产业的依托，其发展也 离不开相关产业的参与，因此可以为这些行业或企业带来直接的经济效益。 进一步促进城市经济，尤其是区域经济的发展交通运输业的发展对经济的发展具有重要的制约和推动作用。1.3 8.3 总体方案1.3.1 总体架构8.3.1.1 总体设计 我市智能交通云方案主要包含了前端的设备采集，统一的汇聚接入，海量的信息存储与处理，基于
26、语义的分析和智能识别等，并以此大平台为基础，为用户提供丰富多彩的传统意义上难以实现的应用。178.3.1.2 系统联网拓扑结构上图为智能交通云大致的拓扑图，所谓智能交通云，其根本是对大量前端数据的采集、汇总与智能分析，最后得出实时交通状况及用户感兴趣的交通相关问题分析。前端设备多种多样，所采集的数据各类都有，基本可以分为结构化数据（能写入表的数据）和非结构化数据（如视频等以文件形式存放的数据） ，对于各类前端信息需要做统一的汇聚和接入。之后则需要对如此海量的信息进行数据存储与处理，取其精华，去其糟粕，从中提取出用户可能18感兴趣的数据，并基于此提供丰富的应用。8.3.1.3 系统层次图 资源层
27、包括了所有前端采集设备，如摄像机、卡口数据、RFID 信号、线圈等。 接入层整合海量的异构前端数据，并将其接入云中。 存储层19基于分布式文件系统（HDFS） ，存储接入的各种数据，数据大致可以分为用表形式存储的结构化数据和无法用表存储的非结构化数据（如：视频数据等） 。 处理层用分布式的处理架构实时地处理海量数据。 融合层将下层不同类型的资源进行融合，为上层认知提供响应的数据资源。 认知层对数据进行智能分析，提供诸如云端转码、语义分析、内容识别、行为检测等功能。 调度控制层处于核心地位的调度控制，对上层的需求任务进行统一的分配，充分调度接入、存储、处理等各模块的协作处理。 应用层提供各种丰富
28、的智能交通云模式下的应用，如：实时的智能诱导，基于语义的道路状况分析，城市交通虚拟现实等。1.3.2 感知层感知层是利用各种技术手段获取车辆等交通信息并转换为数字信息的数据获取层，根据数据获取手段的不同分为 RFID、交通卡口系统、道路监控视频智能识别、浮动平台数据等方面。8.3.2.1 RFID射频识别(RFID , 即 Radio Frequency Identification) 利用无线射频信号, 通过读写器(Reder) 、天线和安装在载体(车辆或设备或人员) 上的 RFID 卡, 构成 RFID 系统, 实现对载体的非接触的识20别和数据信息交换,如图 1 所示。RFID 卡也称应
29、答器或电子标签。RFID 卡分为无源卡和有源卡。无源卡无电池供电, 体积、重量较小,寿命可达 10 年以上;有源卡需电池供电,体积、重量较大, 其寿命由电池决定。有源卡的读卡距离交通卡口系统远于无源卡。无源 RFID 卡由芯片、天线和基片组成。有源 RFID 卡的组成中增加了电池,由电池供电。此外,RFID 卡可按工作频率分为低频、高频和微波 RFID 卡。车辆自动识别 AVI 系统(1) 固定基站(AVI) 系统固定基站 AVI 系统一般用于海关或检查站,检查、识别和记录通过的车辆,它的设备(如读写器、智能控制器、数据传输单元、电源等) 安装在车道旁的机房内 ,天线安装在车道旁(侧装) 或顶
30、蓬上(顶装) ,车道须经渠化,道宽 3. 23. 5 m。为了对通过车辆自动放行或拦截,在车道旁装有电动栏杆、红绿灯、报警器、摄像机、显示牌,在车道上埋设有检测线圈。这些设备向智能控制器传递车辆通过信息,接受它的指令控制。为了启动和终止 AVI 系统的读卡, 在车道上安装 2 个检测线圈, 一个安装在车道入口,另一个安装在车道出口的电动栏杆旁,它们与智能控制器中的线圈检测器配合,感知车辆通过信息,第一个线圈启动系统读卡和车辆计数，第二个线圈用于终止系统读卡和防止栏杆砸车。21当载有 RFID 卡的车辆通过车道时,系统读到卡中的识别地址( ID) 号和车牌号, 叠加上通过时间和车道号,存入智能控
31、制器的存储器里。数据传输单元将系统采集到的车辆数据信息, 通过通信网络(如 DDN 网) 传到管理中心(或计算中心) ,同时将管理中心的控制指令下达到 AVI 系统,决定对车辆的自动放行或进行拦截。固定基站 AVI 系统可以识别双卡。固定基站 AVI 系统的设备配置如图 3 所示。对一般车辆,采用无源微波 RFID 卡,系统的读卡距离大于 6 m;采用有源微波 RFID 卡,读卡距离可达到 10 20 m。(2) 移动式 AVI 系统在一些应用中,如公安刑侦、路政稽查、重要会议安全保卫, 需要配备移动式的 AVI 系统, 随时开动并停靠在指定的路旁(或会场入口) ,对过往车辆进行突击检查和识别
32、。它的设备配置与 AVI 系统固定基站类似,但是更简化,如不配红绿灯、电动栏杆、检测线圈。移动式 AVI 系统可安装在一辆改装的中巴车上。其中,采用便携式八木天线和小型乐声报警器。用手机通过移动通信网( GSM) ,以发短消息的方式,与指挥中心保持通信联系或进行数据信息交换。车上电源可以采用逆变电源, 由蓄电池供电。如果需要报告移动式 AVI 系统的位置,车上也可配置 GPS 接收机,通过手机发短消息的方法, 向指挥中心传输移动站的地理位置。8.3.2.2 交通卡口系统交通卡口系统实现车辆信息的采集，包括车辆图片、经过的时间、车型、车辆牌照、车型、速度、行驶方向、是否超速违章等信息采集并发送中
33、心服务器同时也能够接受中心的控制信号。8.3.2.2.1 系统构成前端卡口系统由检测线圈、车辆检测器、高清智能工业摄像机、智能工业摄像机终端服务器22等主要设备组成。【图】系统结构图8.3.2.2.2 现场布局示意图以双向 8 车道带非机动车道为例，监测点的现场布局示意图如下：23【图】现场布局俯视图 抓 拍 摄 像 机 1行车道 1行车道 23 . 8 m 3 . 8 m0 . 6 m抓 拍 摄 像 机 2【图】抓拍摄像机视野覆盖图 抓 拍 位 置前 线 圈后 线 圈智 能 闪 光 灯抓 拍 摄 像 机5 m 2 5 m6m【图】现场布局侧视图硬件设备配置每个车道配置一个智能高清摄像机作为抓
34、拍摄像机、一台照明设备，一台辅助照明设备。每个方向车道配置一台 360 度全方位全景摄像机供抓拍路段面情况。图像捕获、自动识别等功能都在摄像机内完成，摄像机通过交换机与终端服务器相连，将捕获的图片和识别结果发到终端服务24器。每个卡点配置一台终端服务器， 负责从摄像机处接收数据，并将数据通过网络传送到指挥中心，同时可保存数据在本地。需测速的卡点配置一台车辆检测处理器，接收线圈信号，并将触发信号发给抓拍摄像机。无测速要求的卡点，用虚拟线圈的方式进行触发，高清摄像机里面集成视频触发软件，对经过卡点每个车辆进行抓拍。每个卡点配置一个机柜，放置上述的终端服务器、车辆检测处理器，以及交换机、光纤收发器、
35、光端机等网络通讯设备。以及其它根据要求配备的防雷等设备。按照各厂家在投标中的产品配备。8.3.2.3 道路监控视频智能识别传统车辆检测器如磁感应线圈有着诸多缺点和局限, 鉴于这种情况, 人们不断提出新的替代方案, 如采用雷达、超声波、红外线、微波、声频及视频图像等技术的悬挂式传感器。近年来随着计算机和图像处理技术的不断发展, 利用机器视觉检测器来进行车辆检测成为一种特别有潜力的替代方法, 有望取代传统检测器成为现代智能交通系统的一个重要组成部分。8.3.2.3.1 交通视频智能识别流程基于视频图像技术的方法具有直观、可监视范围广、可获取更多种类的交通参数以及费用较低等优点,现在已经在交通卡口系
36、统中有所应用。车辆检测与跟踪系统通常包括感兴趣区域( Region Of Interesting,ROI) 提取、车辆检测、车辆跟踪等三个模块：25首先由摄像头拍摄得到实时交通场景的视频序列图像, 然后对序列图像进行 ROI 提取, 并将提取到的 ROI 送到车辆检测模块以根据一定的图像处理方法和准则判断某 ROI 区域是否为车辆。检测出车辆后, 可在跟踪模块对车辆进行跟踪。由检测和跟踪的结果可以分析提取出交通流量参数, 如车速、车流密度、转向信息等。这类实时道路交通信息及各种服务信息汇总到交通管理中心并经集中处理后, 将传送至公路交通系统的各个用户 , 使公众能够高效地使用公路交通设施 ,
37、从而到达提高道路负载能力和行驶效率以及节约能源等目的。8.3.2.3.2 ROI 提取模块ROI 提取的目的是对交通场景视频图像中的车辆进行粗分割, 将有可能是车辆的区域从复杂的交通场景中分割出来以便进行后续的检测与跟踪操作。其方法包括对视频图像序列的时域、空域及时- 空域分析, 但其中利用时域分析重于利用空域分析; 换言之, 对一个像素, 检测主要是利用了在视频图像序列帧中处于同一位置的像素信息, 而不是仅仅利用一帧中该像素的周围像素信息 7 , 这主要是由视频图像的特点决定的。对 ROI 的提取主要有帧差法、背景差法和非监督分割法等几类方法。帧差法将两帧(或多帧) 连续图像逐像素相减 ,
38、以去除静止或移动缓慢的物体及背景, 它是消除两帧连续图像中的静止物体以及提供运动物体( 车辆) 运动轨迹最直接的方法。除了最简单的逐像素相减, 帧差图像还可以由两组属于相邻图像帧的像素( 如相邻的四个元素) 的均值相减得到。帧差法的优点是计算简单且不易受环境光线变化的影响,但它不能检测静止车辆, 且处理效果与图像采样频率以及被检测车辆的车速有关。背景差法的基本思想是先形成交通场景的背景图像, 然后将待检测图像与背景图像逐像素相减( 理想情况下的差值图像中非零像素点就表示了运动物体) , 进而就可运用阈值方法将运动物体从背景中分离出来。精确可靠的背景图像是背景差法能否成功提取 ROI 的关键。背
39、景图像可由人工拍摄一幅没有车辆的图像来得到, 也可以通过序列图像的平均来得到。显然, 建筑物阴影、浮云或光照的变化都会造成背景环境明显的变化; 由于这些环境变化因素, 作为参照物的背景需要定时更新。26目前有多种背景更新方法, 最常用的方法是多帧平均( Frame Averaging) 法和选择更新( Selective Updating) 法。非监督视频分割法就是在不需要人为操作的情况下自动将视频序列图像分割为代表不同物体的连通区域的技术, 因而也可以运用到基于视频的车辆检测中。其有 k-均值聚类法、SPCPE( 同步分割与类别参数估计) 法等。8.3.2.3.3 车辆检测模块阈值法：车辆是
40、致密的运动物体和周围静止背景的灰度值存在差异。这样通过设定阈值就可以将车辆从背景中提取出来。最简单的车辆检测方法就是对提取的 ROI 区域进行阈值处理, 高于阈值的像素属于运动物体( 车辆) , 反之就是背景。然而不恰当的阈值选取会造成车辆的误检测 , 阈值过高会造成漏检, 阈值过低又会把背景检测为车辆或将相邻车辆检测为同一辆车, 所以在判断 ROI 是否为车辆时阈值的选取至关重要。阈值选取分为全局阈值和局部阈值选取。检测线法：在待检测图像上的合适位置设置检测线, 检测线的作用类似于埋于地下的感应线圈传感器, 它的方向与车辆行驶方向垂直。当车辆经过检测线时, 检测线位置上的图像就会由于车辆的覆
41、盖而发生改变, 当运动物体覆盖检测线的宽度大于某个阈值时, 就认为检测到一辆车。边缘检测法：通常效率较高, 甚至可以检测出静止车辆。当图像亮度发生变化时表现也较为稳健, 因为边缘信息即使是在各种昏暗的光照环境下仍较为明显。用于检测车辆边缘的方法有多种, 如梯度算子、Laplacian 算子、Kirsch 算子等。另外由于形态边缘检测法的优良性能, 所以也常常被采用。时域运动估计法：这种车辆检测方法的核心思想是通过时域的运动估计跟踪图像序列中的运动物体来提高分割的准确性, 将车辆跟踪过程和图像分割过程结合起来 , 进而减少计算复杂度, 提高系统的实时处理能力。它综合考虑了空域和时域信息。在匹配不
42、同图像帧中表示同一车辆的运动块的过程中, 可以得到被跟踪车辆在 n 帧序列图像中的形态演变, 因而也就有可能预测其在 n +1 帧中的形状, 从而能纠正车辆图像的误分割情况, 如运动块突然出现、消失以及形状突变等。这种27方法和其他车辆检测跟踪方法主要的不同在于分割过程和跟踪过程是同步进行的,而不是在跟踪过程前就有了明确的分割结果。基于模型的车辆检测方法：与前述的车辆检测方法相比其优点在于能获得对图像内容的理解, 而前述方法实质上都是对待检测图像中的一组像素进行检测和跟踪, 属于非模型方法。换句话说, 非模型方法只是将处理得到的待检测图像中的运动块看作一组像素的集合, 其缺点在于有可能把误分割
43、形成的像素集合也检测为一个车辆对象; 而基于模型的方法将这些像素看作是三维世界中的车辆在二维图像平面上的投影, 经过与预先建立的模型在图像块同一位置的投影相匹配, 可以直接得到车辆的长、宽、高及车辆类型等信息, 它是一个二维到三维的匹配过程。8.3.2.3.4 车辆跟踪模块检测出车辆后, 车辆跟踪就比较容易了。大多数车辆跟踪方法都遵循一个基本原则, 即用空间距离判断两相邻帧中的车辆是否为同一辆车, 进而完成时域上车辆的跟踪。空间距离可以是最简单的欧几里德距离, 也可以是其他距离标准如 Hausdoff 距离。跟踪方法大致有以下四类：基于模型的方法，这种跟踪方法为模型法检测车辆的后续操作。如前文
44、所述, 这种方法的核心是建立的已知车辆对象的精细三维模型与待检测图像之间的匹配操作。其缺点是对车辆模型的过分依赖, 而很明显的是不可能为公路上行驶的每种车辆都建立精细的模型。此外这种方法的计算量较大, 不利于实时处理。基于区域的跟踪方法就是在时域上跟踪车辆检测模块检测出的一个个像素连通块, 这些块区域表示检测出的车辆。这种方法在车辆稀少时效果很好, 且块区域可以提供丰富的信息如大小、形状、密度等。动态轮廓模型跟踪方法的主要思想是先初始勾勒出车辆的轮廓并且不断地在后续帧更新轮廓进而达到跟踪的目的。然而基于区域的方法在阴影和道路拥挤的情况下其效果会变得很差, 因为阴影和车辆之间的遮挡都会将本来相邻
45、的多个连通块变为一个, 造成漏检和误检。这种方法其实是基于区域方法的一个变形, 与区域方法相比优点在于计算量低, 而缺点是存在初始化困难的问题。它存28在和区域法一样的问题, 即在阴影和拥塞情况下效果欠佳。上述方法都是将车辆作为最小单元进行跟踪, 而基于特征的方法则是将车辆的特征作为最小跟踪单元。这些特征可以是点、线或者曲线等, 这些点、线条可能代表了车辆的保险杆、车窗、车顶棚等。此方法的优点在于即使是在车辆间相互遮挡的情况下, 车辆的很大一部分特征还是可见的, 可以为跟踪过程提供依据。但它存在需要特征聚类的问题, 即众多的特征中分析哪些是属于同一辆车的。如下是采用背景自动建模、时域的运动估计
46、和区域跟踪方法进行实时流量统计的展示：图 交通道口车流检测统计8.3.2.4 浮动交通信息采集系统浮动车通常是指具有定位和无线通信装置的车辆（主要包括出租汽车、公共汽车、私人小汽车、火车、轮船、飞机等日常交通运输工具） 。浮动车系统一般由 3 部分组成：车载设备、无线通信网络和数据处理中心。浮动车将采集所得的位置和时间数据上传给书数据处理中心，有数据处理中心对数据进行存储、预处理，然后利用相关模型算法将数据匹配到地图上，计算或预测车辆行驶速度、路段行程时间等道路运行参数。浮动车系统的基本数据是车辆实时地地理坐标，校准时间和行驶速度。这些数据反映了车辆在城市中的相对位置已经运行状态。由于装载了
47、GPS 系统的车辆在城市上的运行状态取决于其所行驶路段的道路情况、拥挤程度、交通流量的交通状况。可以认为，当系统拥有一定数量规模的浮动车情况下，将有效、实时的采集包括点车速、路段平局车速、路段交通流量等在内的道路交通信息。过线后流量增值 29浮动车交通数据平台是基于全球定位技术（GPS ） ，地理信息技术 GIS，无线通信技术（如GSM， CDMA 或专网） ，计算机网络通信与数据处理技术，利用安装在运行车辆上配备 GPS 定位模块和内置无线通信装置的浮动车终端，实时回传所经过的路网纵断面的交通流数据，所采集的信息可以作为传统交通监测数据的重要补充，并且为车载导航提供动态的路网交通信息。另一方
48、面，由于我国诱导系统尚未完善。由火车、轮渡、飞机航班的误点，造成出站口车辆的安排不能够达最优状态。因此目前百姓出行的最大需求为，通过浮动物的实时数据整合，出租车公司及接站人员可以及时的了解到出站口点人员到站信息，最大限度的减少人们不必要等待时间，节省不必要的开支。浮动交通信息采集系统可为乘客提供电召服务。根据乘客的需求，对满足需求的出租车发送电召信息，并建立指定出租车司机与乘客直接交流的语音通道，既方便了市民出行，同时也降低了车辆空驶率，增加了出租车司机收入和公司的运营收入。据初步应用该系统的区域统计，目前每周约 4000 单电召业务，电召成功率达 65%，出租车实载率为 60%-70%，空载
49、率降低 20%。30该系统可为司机提供防劫报警保障。遇到紧急情况，司机可踩下报警开关，车载终端将实时上传被劫出租车的行驶轨迹及车内声音等其他相关信息，为警情追踪、事后追查提供可靠资料。据统计，系统初步投入使用后，每年丢车数量由 170 辆左右下降到 10 辆左右，并帮助警方破获盗抢出租车案件数十起，找回被盗抢 70 多辆出租车。该系统可为城市交通出行者、运营企业和管理部门提供信息服务。通过手机、广播、互联网、呼叫中心等方式，为公众提供路况信息服务，通过车辆监控、车辆分布、轨迹回放、绕道投诉仲裁、空/重车状态、司机管理、车辆调度、乘客 OD 调查等信息统计分析，为出租车企业提供了科学的管理和经营手段；通过违章超速、肇事逃逸、越界行驶等车辆轨迹回放，分析车辆安全事故分布与司机违章情况，为行业管理部门提供有效的执法办案依据，约束和规范司机驾驶行为。8.3.2.5 城市道路交通相关信息采集铁路、地铁、公路、码头、机场等
