基于双激光雷达的信号控制交叉口交通流计数估计：部署、数据收集和初步分析-计算机科学-机器学习-交通控制.pdfVIP

基于双激光雷达的信号控制交叉口交通流计数估计：部署、数据

收集和初步分析

SaswatPriyadarshiNayak,GuoyuanWu,KanokBoriboonsomsin,MatthewBarth

Abstract—交叉路口的交通流计数（TMC）对于优化信些传感器经过校准，提供可靠的车辆检测。然而，它

号定时、评估现有交通控制措施的表现以及提出有效的车道配们随着时间的推移会受到磨损，并且对于需要不同配

置以减少延误、缓解拥堵和促进安全至关重要。传统上，用于

置的临时交通研究提供的灵活性有限。

估算TMC的方法包括人工计数、环形检测器、气压道路管和

基于摄像头的识别等。虽然通常可靠，但基于摄像头的TMC另一方面，非侵入性技术涉及使用摄像机、雷达、

估算在恶劣天气和夜间光线不足的情况下容易出现不准确的情声学传感器、红外线、无人机，以及最近的光探测和测

况。相比之下，由于成本降低以及在3D物体检测、跟踪及相距（LiDAR）传感器[6]。其中，基于摄像头的对象检

本关应用中的使用范围扩大，光探测与测距（LiDAR）技术近年

测、跟踪和计数（DTC）方法在过去的二十年中非常

译来越来越受欢迎。本文介绍了作者开发、部署并评估了位于加

州赖尔托市的一个交叉路口的双LiDAR系统用于TMC估算流行，因为其成本低且易于实现[7]。Adl等人提出了

中的努力。来自两个LiDAR的3D边界框检测被用来根据交通一种使用鱼眼摄像机的区域基础和路径基础车辆计数

1方向、车辆移动和车辆类别分类车辆数量。本研究讨论了估计算法在[8]中。尽管上述基于摄像头的技术在TMC估

v的TMC结果，并对观察到的趋势和异常提供了见解。还讨论

3了可能改进之处，这些改进不仅能够提升TMC估算的效果，计中的平均准确率达到了85-90%，但在恶劣天气和照

7

0还能增强交叉路口的轨迹预测和意图预测。明条件不佳的情况下表现较差。LiDAR可以解决这些

3问题，因为它们不仅能够抵抗恶劣天气和不良照明条

1

7.I.介绍件，而且在其测距能力方面非常精确。在过去几年里，

0在过去几十年里，由此产生的旅行需求激增导致LiDAR已被广泛用于基于智能基础设施的感知，以执

5

2了交通拥堵加剧、安全风险增加以及环境问题的出行从3D检测、跟踪到预测的各种任务。基于LiDAR

:

v现[1]。开发智能交通监控系统并设计更高效的道路的定位技术[9],[10]提供了精准的位置精度，使其成

i

x和交通控制基础设施对于更好地应对这些挑战至关重为TMC估计的理想选择。

r

a要。交叉口的交通流计数（TMC）涉及对执行直行、左本文描述了一个项目，该项目利用安装在信号控

转、右转和掉头操作的不同类型车辆进行计数。TMC制交叉路口对角线上交通杆上的两个激光雷达来估计

估计有助于基于不同的行驶方向了解交通模式。此外，TMC。来自激光雷达的原始点云数据被输入到基于

它还有助于识别高峰时段和非高峰时段延误和拥堵的PointPillars的3D检测管道[11]。该管道输出检测到

根本原因[2]。的道路代理的3D边界框，然后将这些信息输入到区

TMC估计技术可以分为两类-侵入式和非侵入域基础的TMC估算模块中以输出车辆移动数量。本

式。侵入式技术需要在道路表面或下方进行物理安装。文的结构如下。第II节讨论了相关前期工作。第III节

这些包括广为人知并经过测试的方法，如感应线圈检介绍了交叉路口的双激光雷达设置。第IV