一、技术原理

雷视融合技术：该技术将雷达探测的广泛性和视频监控的细节性相结合，实现了优势互补。雷达能够全天候、全天时地探测远距离目标，不受恶劣天气和低光照条件的影响；而视频监控则能够捕捉车辆的细节特征，如车牌、颜色、车型等。通过高集成、自动标校、数据多层级融合等一系列关键技术，将雷视数据通过综合处理，实现了对车流量、车间距、车流密度等交通信息的实时检测。

二、系统架构

前端感知层：包括全息路口、标清和高精度地图数据，交警已建信号机、诱导屏、电警、卡口、视频监控等数据，互联网实时路况数据。

设备层：增加硬件服务器、网络设备、存储设备等，提供物理硬件支撑环境。

三、前端感知系统

1、系统布置

雷达视频一体机在电警杆上或者红绿灯杆上安装，安装高度在6-6.5米，架设下倾角度1°-3°，视频下边沿在15-20米范围内，视频画面需要覆盖道路全景。

1、系统功能

场景浏览功能：以海量的卫星影像、数字高程模型数据、矢量地图数据、精细三维模型等数据为基础建立一个三维可视化的数字地球模型，并实现基于三维地球的放大、缩小、平移、旋转、倾斜、复位等地图基本浏览功能。

三维模型展示功能：支持三维模型展示功能，根据需要进行展示或隐藏。

2、地图数据服务

(1) 高精度地图数据采集

采集内容包括交通标志、交通标线、标杆、隔离设施、其他设施道路两侧绿植、灯杆、建筑物等信息。

(2) 三维模型渲染

基于采集到的点云、街景照片及高精地图矢量数据，高度还原现实场景，对设施设备实体坐标进行建模。

建模时要求具备准确性、高清建模、精细化贴图、真实性等。全方位精细化展现路口状态。

四、数字化路网底座

数字化路网底座是以基础地图、高精度地图为基础，以路口为节点进行分割，通过设定规则进行自动编码和人工校验，生产出具备与路口、路段、车道以及link段一一对应的关系以数字化路网，以互联网路况数据、全息路网数据、高精度数据、雷视拟合轨迹数据等为数据元，是多源数据融合挂接，形成可计算路网。

1、路网数据化

(1) 基础路网管理

基础路网中心主要为对接道路编码、地图数据源，可提供数据编辑更新、地图数据编辑等功能，实现标清快速生产融合，形成可计算路网数据集。

主要功能包括路网展示、路网编辑、渠化编辑等功能。

(1) 交通数据整合

静态交通资源指的是交通设备设施、基础道路资源以及历史累积的交通特征数据等更新变化频率相对较低的数据。这部分数据依然会存在同类数据多种管理渠道的情况，因此静态资源数据也需要进行归并整合。

静态资源数据整合方法相对简洁明了，需根据每类数据的特征定义数据格式规范，形成静态资源目录，各来源导入的静态数据按照规定好的数据格式转换入库，再经过逻辑排重、空间排重处理后，即完成数据整合处理。

需要融合的交通流信息包括实时过车数据、交通流数据，其中每一类数据可能也会有多个数据系统来源，因此在构建数据融合算法模型的前提条件下，需要根据元数据管理模块的动态交通数据管理模型中选取各类交通流数据的元数据，遵循数据定义规范对不同来源的交通流数据设计转换规则，并建立交通流数据转换模块，实现对各类适配来源的交通流数据进行自动转换。

(2) 多源数据融合

利用交通流数据预处理建立的空间索引库中的数据，设计交通流融合算法，针对信息源的类型、时间、地点等不同参数分别建立不同的模型。

需融合的交通信息包括：

2、交通认知分析

(1) 路口运行状态分析

路口态势主要是针对当前路口的态势进行分析，以高精度道路区划为支撑，结合融合的交管数据、互联网数据及全息路口车道级数据，对路口内的各个方向态势进行分析，分析内容包括当前路口的实时运行状态、历史阶段性成果数据输出，以支撑其它业务应用实现。

计算指标包括：进口道车道级路况、出口道车道级路况、进口道方向级路况、进口道方向级路况、路口实时流量、路口历史流量、通行能力、实时交通流、饱和度、历史交通流量、路口转向交通流量、历史路口转向流量、路口车道交通流量、历史路口车道流量。

(2) 数据指标输出

基于路口交通运行状态分析提供结果性数据指标可输出至交通态势监测、信控配时优化，输出指标包括：路口交通流量、路口通行能力、路口方向级流量、路口各方向排队长度、路口各方向停车次数。

五、全息监测平台

全息监测平台主要包含总体交通态势、实时监测、实时研判分析、交通信息发布模块，通过应用平台的建设，结合全息路网车辆运行轨迹，实现对交通事故、逆行、异常停车、异常拥堵等交通事件的及时预警；并以更加精准的交通数据，实现对交通运行状态的实时监测与掌握，对交通态势研判分析；通过交通信息发布将实时路况对市民进行发布，引导其合理规划出行线路，均衡路网资源，缓解道路拥堵，提升政府的便民服务水平。

1、交通态势感知

交通态势包含交通指数展示功能、交通路况显示功能、事件预警等功能。

(1) 交通指数

在全息感知的基础上，融合静态路网数据和互联网交通数据，可以计算得出城市实时路网运行描述。通过颜色展示城市整体交通全局状况。

(2) 交通路况

根据交通状态实时按照红黄绿的方式精细化展示每条路段的交通状况。

利用雷视拟合实时轨迹数据和路网拓扑数据，可以实时分析路口、进口和出口的路况信息，并在车道上进行精细化展示。

(3) 事件预警

(1) 路口失衡监测

路口失衡，是指在某一时间段由于交通需求分布不均衡引起的路口各进口道饱和度差异较大的情况，甚至出现某个进口方向交通过饱和而其他方向进口交通未饱和的情况，路口失衡大大降低通行效率。根据全息路口数据，可实时计算路口的失衡指数，识别路口失衡异常现象，按照失衡指数提供失衡路口排行，在地图上定位显示。

(2) 溢出路口监测

路口溢出是指在某一时间段内，路口由于交通需求过大，某进口方向绿灯时间不足，车辆不能完全放行，因而导致到达车辆二次停车或多次停车发生排队，进过几个周期，该进口方向的排队车辆溢出到上游路口的情况。根据全息路口数据，可实时计算路口的溢出指数，识别路口溢出异常现象，按照溢出指数提供溢出路口排行，在地图上定位显示。

2、交通分析研判

(1) 路口研判

对不同路口进行多时间空间的对比，路口的失衡指数、溢出指数、综合拥堵指数，以及各进口路段的拥堵指数、评价速度、旅行时间、排队长度等。分别以路口整体、路口进口、路口出口作为分析对象，指定分析数据的时间段来输出指标数据，提供全天分时段交通指数折线图对比。

参考文献：

[1]朱华君.深圳市智能交通系统的发展和展望[J].深圳土木与建筑,2011(1).

[2]陈宗娟,孙二鑫,李丹丹,张聪聪,藏丹丹,程旭.高精地图现状分析与实现方案研究[J].电脑知识与技术:学术版,2018(1).