智慧城市:智能交通系统中的激光雷达传感

文章作者:Nitin Dahad

智慧城市议程的一个方面是智能交通系统的部署。旧金山市政交通局(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城市智能交通信号试点提供解决方案的旧金山零愿景政策．

该城市的零愿景政策的目标是改善道路安全，因为据认为，每年大约有30人在旧金山的街道上旅行时失去生命，超过200人严重受伤。目的智能交通信号驾驶员在这个更大的框架内，探索使用多模式智能交通信号系统(MMITSS)、专用短程通信(DSRC)、公交信号优先级(TSP)和应急车辆抢占(EVP)技术，为应急和公交车辆提供优先级。此外，MMITSS还应该能够检测行人和自行车，为他们提供领先的间隔，scramble，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、匿名地分析数据的能力，准确率为96%。第二个概念验证期望将数据层添加到信号控制网络中，以实现ITS中的“智能”；这项工作正在进行中，预计将于2021年初完成。

我们采访了两名相关人士，他们透露了一些关于这项技术、其部署和获得的结果，在这里我们展示了对话的亮点。首先，我们采访了激光雷达传感器技术供应商Quanergy的首席营销官Enzo Signore。然后我们与Paul Hoekstra深入探讨了概念项目的实际证明，Paul Hoekstra是SFMTA项目的独立战略执行顾问。

激光雷达:对物体进行匿名追踪

Enzo Quanergy的签名人解释了激光雷达技术在这类应用中的好处，需要对人和车辆进行计数和流量管理，特别是在禁止面部识别的情况下。

激光雷达技术在体育场和智慧城市等应用中的关键价值主张是能够匿名跟踪在不同传感器点上移动的物体。例如，一辆汽车将通过许多十字路口，或一个行人将通过许多地区。Quanergy能够做的是为对象分配一个ID，并且该ID将在整个过程中与对象在被监控的区域内保持一致。

这是非常复杂的，因为当您通过多个路口时，您需要多个传感器和多个服务器来进行边缘计算。大多数技术只对它们所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将丢失，而您将获得另一个ID。使用这种方法，您开始失去对所有人员流动的跟踪。

我们有一项叫做自动身份切换的技术，它将人或车辆的身份从一个区域传递到另一个区域。只要有视场，物体的ID就会保持不变。这提供了非常好的端到端可见性和跟踪。这对机场、购物中心和城市都很重要，比如从路边到登机口，在那里你可以优化乘客体验。每个个体的单一ID有助于启用端到端分析。

Quanergy的M系列传感器可提供远程检测，如MQ-8，专为流量管理应用而设计。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波束配置。如果你把传感器安装在平面上，那么通常一半的光束会飞向天空，另一半光束会飞向地面。如果它被安装在3米高的街道灯柱上俯瞰行人的视野，那么在这种配置下，一半的光束被浪费了。

在我们的设计中，所有的横梁都是向下的，这样就能对称地覆盖地面。这意味着当一个人走过视场时没有盲点。这样就可以不受干扰地跟踪视野内任何地方的人或车辆。我们能看到70米范围内(即15000平方公里)的物体。米)。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和成本。

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3号公路五个交叉口实施第一个概念验证（PoC）的思路和结果^{理查德·道金斯}以及扩大覆盖面的计划。

我们于2019年4月开始与SFMTA、Cisco和Quanergy合作，作为该项目的合作伙伴。最初，作为Cisco软件包的一部分，我们有DSRC传感器。我们发现我们用它们只是为了听走廊里和高速公路上所有的汽车的声音。我们发现，实际上只有不到1%的汽车播放DSRC信号。从这个用例的角度来看，结论是不能使用DSRC进行交通流测量。这还不够重要，不足以做出决定。

在这一点上，我们现在已经完成了第一个（PoC）与QuANGYY传感器，现在我们在第二个PoC的中间。

在第一次PoC中，我们将20个激光雷达传感器安装在3号公路的5个十字路口^{理查德·道金斯}街道，靠近去年开放的新篮球场。我们让edge compute与Cisco TRX一起运行Quanergy QORTEX软件。激光雷达的数据通过TRX盒传输，Qortex软件将数据发布到网络，网络将传输到数据中心，这是一个运行Cisco Kinetic平台的小型虚拟机集群，它存储了所有信息——每周3000万条。

每个星期天发表的报告,一个用于车辆、激光雷达识别车辆的ID在十字路口,有一大堆的属性,就像时间,星期,它是从哪里来的,它去了哪里,多久有停止,停止了多长时间,速度,是一个事件(从事件日历)。通过这种方式，我们可以连接所有的十字路口，跟随车辆通过走廊。然后我们可以说，这是在走廊的南边进入北行的数量，然后有多少关闭了，等等。

使用Quanergy的QORTEX，我们对其进行了校准，并达到了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，我们可以跟着车穿过十字路口。我们有定义停止的逻辑。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，您可以看到此人是否在路边。你可以看到一个人是在人行横道的边界之内还是之外。你可以看到一辆车离那个人有多近。有了这些数据，我们可以创建未遂事件报告。我们已经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，以及是否在某个范围内，然后称之为未遂事件。

这只可能是因为来自QORTEX的数据非常精确，我们可以看到，而无需识别任何人。我们不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，你不知道它是什么样的车。我们根据大小进行分类。

第一个PoC是关于分析的。在第二个项目中，我们正在扩大交叉口的数量。现在我们有五个，我们将要到10个。换句话说，一条更大的走廊。

然后，我们将层入当前锁定在文件柜内的所有数据。机柜中有一个信号控制器，控制器上有许多执行器。这些可能是环路检测车辆、行人按钮或轻轨轨道上的传感器。有交通信号优先权。所有这些都位于嵌入式信号控制器中。

因此，我们现在所做的是使信号控制器能够进行双向信息交换，从十字路口获取所有数据，比如站台和公交车站的激光雷达数据和对象分类(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)，将告诉我们人数，以及他们的分类——例如，有人坐轮椅吗，有人推着婴儿车吗，或者他们有一辆自行车。其中许多因素将决定过境车辆的停留时间。我们想要知道预测的停留时间基于有多少人在那里。

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秒的停留时间。我们可以推断出所有10个路口，

把整个交通走廊作为一个网络来处理
为了优化整个走廊，如果不知道人们和车辆的确切位置和持续时间，我们就无法做到这一点。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。这意味着我们用高频率运行算法，现在我们正在讨论是否需要超过1赫兹，我们每秒钟重新计算一次。

然后我们告诉信号控制器，向北行驶时应该是绿灯。这样循环就结束了。从思科的供应链工作中学习，你知道这是你通过交叉点移动东西的唯一方法。所有的技术都是可行的，但它只是优化了所有的筒仓。通过这种方式，我们在综合交通管理的新范式上迈出了一大步。

旧金山已经有7000架摄像机了。但是照相机只能给你一张2D照片。定位精度不如激光雷达精确。激光雷达总是在雨中、夜间工作。它远离隐私问题。一旦人们知道他们被跟踪，或者他们可以被识别，就会出现人们不信任政府保护他们的问题。

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，优化交通时间和停靠点，甚至在没有公共交通的情况下将车辆排成一排，以便更有效地通过走廊。