智能城市:激光雷达在智能交通系统中的应用
智能城市议程的一个方面是智能交通系统的部署。旧金山市交通局(SFMTA)的一个使用激光雷达传感器的试点项目展示了激光雷达是如何为该市的智能交通信号试点提供解决方案的,这是旧金山的零愿景政策. 该市零愿景政策的目标是改善道路安全,因为据认为,...
智能城市议程的一个方面是智能交通系统的部署。旧金山市交通局(SFMTA)的一个使用激光雷达传感器的试点项目展示了激光雷达是如何为该市的智能交通信号试点提供解决方案的,这是旧金山的零愿景政策.
该市零愿景政策的目标是改善道路安全,因为据认为,每年约有30人在旧金山街头旅行时丧生,200多人受重伤。目标智能交通信号灯飞行员在这个更大的框架内,探索使用多式联运智能交通信号系统(MMITSS)、专用短程通信(DSRC)、公交信号优先权(TSP)和紧急车辆优先权(EVP)技术,为紧急和公交车辆提供优先权。此外,MMITSS还应能够检测行人和自行车,为其提供领先间隔、紧急停车和/或保护相位。
第一次概念验证于2020年1月结束,在五个十字路口部署了激光雷达传感器,并展示了准确和匿名地分析数据的能力,准确率为96%。第二个概念验证希望将数据层添加到信号控制网络中,以实现ITS中的“智能化”;这项工作正在进行中,预计将于2021年初完成。
我们采访了两位相关人员,他们对这项技术、其部署和所获得的结果有了一些了解,在这里我们介绍了对话的要点。首先,我们采访了激光雷达传感器技术提供商Quantergy的首席营销官Enzo Signore。然后,我们与Paul Hoekstra一起深入研究了实际的概念验证项目,他是SFMTA项目的独立战略执行顾问。
激光雷达:匿名跟踪物体的ID
Quantergy的Enzo Signore解释了激光雷达技术在这类应用中的好处,需要人员和车辆计数以及流量管理,尤其是在禁止面部识别的情况下。
激光雷达技术在体育场和智能城市等应用中的关键价值主张是能够匿名跟踪在各种传感器点上移动的物体。例如,一辆汽车会穿过许多十字路口,或者一个行人会穿过许多区域。Quantergy可以做的是为一个对象分配一个ID,该ID将在被监控区域的整个旅程中与该对象保持在一起。

这非常复杂,因为当你经过多个十字路口时,你需要多个传感器和多个服务器来进行边缘计算。大多数技术只对他们管理的区域有一个孤立的视图,当跨越一个区域和另一个区域之间的边界时,ID会丢失,你会得到另一个ID。使用这种方法,你开始失去对所有人员流动的跟踪。
我们有一种名为自动身份证移交的技术,可以将人或车辆的身份证从一个区域传递到另一个区域。因此,只要我们有视野,相同的ID就会与对象保持一致。这提供了非常好的端到端可见性和跟踪。这对机场很重要,例如从路边到登机口,在那里你可以优化乘客体验,对购物中心和城市也很重要。每个人的单个ID有助于实现端到端分析。
Quantergy的M系列传感器提供远程检测,例如专门为流量管理应用设计的MQ-8。以下是这些传感器的不同之处。典型的激光雷达传感器具有对称光束配置。如果你把传感器安装在平面上,那么通常一半的光束将射向天空,一半的光束会射向地面。如果它安装在3米高的路灯杆上,向下看行人的视野,那么在这种配置中,一半的光束被浪费了。
在我们的设计中,所有的光束实际上都指向下方,这使得我们能够对称地覆盖地面。这意味着当一个人穿过视野时没有盲点。这使得能够在不中断的情况下跟踪视野中任何地方的人或车辆。我们可以看到范围高达70米(即15000平方米)的物体。这是一个非常大的区域,否则需要许多相机才能达到类似的覆盖范围。因此,这减少了传感器的数量并且也降低了成本。
克服与面部识别相关的隐私问题
保罗·霍克斯特拉,SMTA,描述了在3的五个交叉点上第一次概念验证(PoC)的实现和结果背后的思想第三方街道,以及扩大覆盖范围的计划。
我们于2019年4月开始与SFMTA、思科和Quantergy合作,作为该项目的合作伙伴。最初,作为思科产品包的一部分,我们有DSRC传感器。我们发现我们用它们只是为了听走廊上和高速公路上所有的车。我们发现,只有不到1%的汽车实际播放DSRC信号。从这个用例的角度来看,结论是您不能使用DSRC来测量交通流量。这还不够重要,无法做出决定。
此时,我们已经用Quanergy传感器完成了第一个(PoC),现在我们正在进行第二个PoC。
在第一个PoC中,我们使用了20个激光雷达传感器,将它们安装在3号公路的五个十字路口第三方街道,靠近去年开业的新篮球场。我们使用运行Quantergy QORTEX软件的Cisco TRX进行边缘计算。激光雷达的数据通过TRX盒子,Qortex软件将数据发布到网络,网络将进入数据中心,这是一个运行Cisco Kinetic平台的小型虚拟机集群,存储所有消息——每周3000万条。
每个星期天都会发布关于它的报告,其中一份是关于车辆的报告,通过十字路口的激光雷达ID识别车辆,有一大堆属性,比如时间、一周中的哪一天、它从哪里来、去了哪里、多久停一次、停多长时间、速度是多少、有没有活动(来自活动日历)。通过这种方式,我们可以连接所有的十字路口,并跟随车辆穿过走廊。然后我们可以说,“这是在走廊南侧进入北行的数量,然后有多少关闭了,等等”。
通过Quantergy的QORTEX,我们对其进行了校准,并实现了96%的准确率。你不能仅仅用激光雷达计算身份证;您必须构建逻辑,以确保出口中的ID与入口中的ID相同。有了这个逻辑,我们就可以跟随汽车穿过十字路口。我们有逻辑来定义什么是停止。因此,96%的准确率是我们最终的结果,这是非常精确的。对于行人,通过我们定义的区域,你可以看到此人是在路边还是在路边。你可以看到一个人是在人行横道的内侧还是外侧。你可以看到一辆车离那个人有多近。有了这种数据,我们可以创建未遂事件的报告。我们定义了什么是未遂事件——矢量、速度,然后计算它们碰撞的时间,以及是否在一定范围内,然后称之为未遂事件。
这之所以可能,是因为来自QORTEX的数据非常精确,我们可以在不需要识别任何人的情况下看到。我们不会存储任何可识别的个人信息。一个人只是一个点。汽车只是一个街区,你不知道它是什么类型的汽车。我们根据尺寸进行分类。

第一个PoC是关于分析的。在第二个方案中,我们正在扩大交叉口的数量。所以现在我们有五个,我们将进入十个。换句话说,一条更大的走廊。
然后,我们将把当前锁定在文件柜中的所有数据分层。机柜中有一个信号控制器,控制器上有许多执行机构。这些可以是检测车辆的环路、行人按钮或轻轨轨道上的传感器。有交通信号优先顺序。所有这些都位于嵌入式信号控制器中。
因此,我们现在所做的是实现与信号控制器的双向信息交换,从十字路口获取所有数据,如站台和公交车站的激光雷达数据和物体分类(再次完全匿名)。这些传感器的物体分类(都是在传感器上处理的)将为我们提供人数以及他们的分类——例如,有人坐在轮椅上吗,有人推着婴儿车吗,或者他们有自行车吗。其中许多因素将决定过境车辆的停留时间。我们想知道基于有多少人的预测停留时间。
我们将从后端系统获取车辆数量。然后通过分析,我们可以确定是需要20秒的停留时间还是32秒的停留速度。然后我们可以推断出所有的10个交叉点,
将整个运输走廊视为一个网络
要优化整个走廊,我们必须准确地知道人员和车辆的位置以及时间。这意味着我们将整个走廊视为一个网络,而不是一个单独的节点。这意味着我们以高频率运行算法,现在我们正在讨论是否需要超过1赫兹的速度,我们每一秒重新计算一次。
然后我们实际上告诉信号控制器,你应该在北行时变绿。这就结束了循环。从思科的供应链工作中学习,你知道这是你通过交叉点运送货物的唯一方法。所有的技术都是可用的,但它只优化了所有的siloes。通过这种方式,我们正在以一种新的模式,即综合交通管理,向前迈出一大步。
旧金山已经有7000台摄像机。但相机只能给你一张2D的照片。定位的精度不如激光雷达所能达到的精度。激光雷达总是在雨天和晚上工作。而且它远离隐私问题。当人们知道他们被跟踪,或者他们可以被识别的那一刻,就会出现人们不信任政府来保护他们的问题。
该项目的成果是使应急车辆在处理紧急情况时具有优先权,优化公交时间和停靠,甚至在没有公共交通可用的情况下将车辆排成一排,以便更有效地通过走廊。