影响交通检测效能的最重要指标就是检测精度

赛文交通网 智能交通 智慧交管

交通检测对于信号控制、交通运行监测的重要性不言而喻。影响交通检测效能的最重要指标就是检测精度。但一直以来，行业从业者对于交通检测精度的理解与认知存在着严重曲解，相关部门对交通检测产品精度的评价方法也存在不足，这种曲解不仅严重误导了交通检测领域的技术研究、产品研发，也严重破坏了交通控制、交通数据采集、交通数据分析、交通评价等领域对交通检测技术的信任，亟需进行重新的梳理。

1 交通检测到底检测的是什么？

无论哪一种检测技术，最基础的检测内容（一次数据）都只有一个：目标的存在状态。确切地说就是：在指定的区域内是否存在着指定的目标，其他数据都是在此基础上衍生的二次数据。更进一步解释就是通过观测确定地点的目标存在状态、存在时间及其变化过程（从没有到有、再从有到没有），我们就能进行交通数据统计，感知交通需求。

统计每次存在状态的变化可以进行交通流量统计；通过计算区域内存在目标的累计时间，再与总时间相比我们就能计算占有率；通过记录同一检测区域前后两次从无到有状态变化的时间差，我们就能采集车头时距；更进一步，我们还可以设置两个相邻的检测区域，通过对比这两个相邻区域出现目标的时间差，结合两个区域间的距离，就能计算出目标的运行速度。以此类推，还可以分析出很多交通指标。

由此可知，无论哪种检测方法、技术、产品，存在检测都是最底层的检测基础。通过上面的分析我们也会理解，无论哪种检测技术，要想达到更高检测精度，都必须首先提高空间位置、空间范围、检测时间的精度。这就是所有交通数据的“根”和“本”。只有确保一次数据的精准，才能保障二次数据的正确，而要评价一种交通检测产品的精度也必须要对这一最底层状态的精度进行评价。

下图1中说明了两辆车通过两个不同大小的检测区域时获得存在状态的差异。

图1-检测区域与检测存在状态的关系

2 我们需要哪些交通数据？

不同的交通应用对数据的需求也有很大不同。长周期的路网交通运行监测与分析需要关注确定道路断面上长周期的统计数据，比如平均日交通量ADT、年日均交通量AADT等等。

如果要计算路口定周期信号配时，需要路口停止线位置分车道的流量统计数据（通过分车道数据可以计算分流向数据），统计周期通常以15分钟为单位，并以此为基础计算高峰系数，计算周期、绿信比，设计日时间计划表。

如果要进行感应式信号控制，则需要结合控制目标、各流向的交通优先级、道路实际运行车速，参考饱和车头时距、路口导向车道的排队空间等因素，精确设计检测位置（通常以到停止线距离标定）、检测区域大小（通常以纵向长度标定）；并需要实时采集检测区域的存在状态、存在时间信息，以驱动感应控制机制的运行。

如果需要进行公交优先控制，则需要考虑公交车道位置、公交运行速度等因素设计检测点位置与大小。同样的，对于自适应控制系统，需要在工程实施中配合优化算法与优化模型设计检测位置、检测区域；检测设备如果不能满足算法要求的空间与时间精度，系统的优化能力将大打折扣甚至完全失效。

由此可知各种不同的应用目标，对交通数据的精度要求也各不相同。这个精度既包括位置的精准，也包括检测空间范围的精确，更需要检测时间的实时与准确。

下面的图表中列出了在交通信号控制场景下可能会使用到的各种检测位置区域及其功能。不同的位置与区域大小与控制场景对数据的需求紧密相关。其时空精度也一定对数据应用效果产生巨大影响。

图2 信号控制路口可选检测位置

表1-检测位置说明

3 什么是交通检测精度？

我们经常可以在各类交通检测产品的宣传资料上看到“流量准确率”和“占有率准确率”这样的说法，但是这些指标是经不起推敲的指标，甚至可以说是无意义的指标。之所以这样说，是因为流量和占有率仅仅是一个统计值，很多时候统计值并不能真实反映交通流的状态，同样也不能真实反应并评价检测精度。

举一个极端的例子来进一步说明，如果道路某断面实际流率是每小时600，车头时距均匀分布（即每6秒通过一辆），如果检测设备测得这一小时流量是600就能证明其检测准确率是100%吗？如果前半小时就统计了600（平均车头时距3秒），后半小时多统计流量是0，其评价结果也是准确率100%？如果在实际应用中出现这种情况，对于依赖实时状态的感应式信号控制、实时自适应控制、优先控制等控制系统来说，所有的控制方法都将完全失效。

另一方面，时间精度也同样非常重要，所谓时间精度由两部分组成：

1）物理世界真实发生的现象与检测器测量到数据之间的时间差；这个精度可以理解为当一辆车进入检测区域时，检测设备要多长时间才能输出检测结果，这个响应时间的长短直接影响控制系统对交通流变化的响应速度。另一方面，这个响应时间的均匀度也同样重要，忽快忽慢输出的检测结果必然会对控制系统理解交通流产生严重干扰。

2）检测设备感知并获得数据的时间分辨率。以视频检测为例，设备处理视频的帧率就反映了这个时间分辨率，甚至会直接影响检测的空间精度。

一个例子，假设车辆运行速度50km/h（每秒位移14米），车辆长度5米，检测区域长度2米（这是SCOOT、SCATS系统以及感应控制中最常见的检测区域纵向设计长度）；如果每500毫秒处理1帧视频图像，则很有可能漏掉检测区域内车辆的存在状态；当处理帧率提高到每秒4帧基本可以保障不漏车，但车头时距仍可能有正负125毫秒的误差；以此类推处理帧率越高，精度越高。

4 我们需要这种精度吗？

也许很多人会问，我们需要这么“吹毛求疵”的精度吗？一个基本常识是控制精度依赖数据精度，也就是说，如果我们要容忍数据误差30%，我们就必须容忍控制误差大于等于30%。以一个路口为例，如果合理的信号周期是100秒，实际运行了周期70秒或130秒，你能认可吗？

另一方面，在现阶段的道路、车辆、驾驶人特性都没有发生本质变化的前提下，经典的交通流理论、交通控制模型方法都依然有效，绝大多数的交通控制方法都建立在这些理论与模型的基础之上。

以交通感知的实践应用为例，SCOOT系统要求在上游路段相对自由流位置设置检测区域（见图2中 A型）、SCATS系统要求在停止线位置设置检测器（见图2中S型），并同时对检测域的纵向尺寸、检测时间分辨率提出了严格的要求。

如果不能满足这些最基本的精度要求，系统控制模型将无法进行优化计算，无论其被多么绚丽且高大的概念所包装、所加持。同样按照这个基本逻辑，从另一个角度上看，那些没有对检测器提出明确时空精度要求、没有明确的检测器设置工程规范的所谓优化控制系统，无论其宣称采用了多么“神奇”的算法模型，其真实性也都是值得怀疑的。

这就是我们讨论并关注检测精度的最重要原因。

5 应该如何评测交通检测产品精度？

要建立完善的交通检测产品精度评测体系，需要从两个方面入手。

1）设立科学有效的评价指标体系，基于交通检测最底层基本逻辑、基本原理，设计可以评价原始时空准确性的指标体系；

2）实施完善的测试流程，根据评价指标设计评测方法、评测流程、基准设备、评测环境，将基准设备与被测产品至于相同环境下，并行运行，实时获取基准设备与被测产品的数据输出。通过精准对比基准数据与被测设备数据的时空一致性，生成评价结果。

如前文所述，检测精度是由时间精度和空间精度共同构成的，在设计评测指标时必须同时考虑这两种因素。能够综合评价时空精度的唯一办法就是对比基准设备与被测设备所检测到的存在状态变化。通俗的说法就是观测被测设备是否能与基准设备在同一时刻、同一地点、相同空间范围、检测到同一目标的存在与消失。

测试环境设计，可在测试评价道路上设置明确的检测点（由精确的位置、精准的横向与纵向空间尺寸组成）；基准设备与被测设备针对监测点同时输出检测结果（包括毫秒级高精度时间戳、实时目标存在状态）。为保障测试的一致性，基准设备与被测设备应采用相同的高精度时钟源。

评测方法设计，通过分析同一时空条件下基准设备与被测设备检测数据日志，可以实现对交通流中每一个独立目标的精准检测结果对比，包括状态变化时刻、状态保持时长等比较，从最底层、最基本的存在检测精度层面进行评价和对比，形成基础精度偏差评价（包括检测响应时延、存在状态偏差、漏检率、误检率等指标）。只有这样的评价才能真实反应不同交通感知手段、不同厂家产品的真实精度与性能。

我曾经采用上述对比测试办法实施了测试实验，实验中对四种不同交通检测产品（A、B、C、D）与基准检测器输出数据进行了对比，可视化分析对比的片段如下图所示。测试中先后通过检测区域的4个车辆分别以C1~C4代表，通过分析可以很容易看出不同检测设备的精度差异。

其中设备A与设备C的精度与基准设备最接近；设备B检测到的存在时间不够精准；设备D检测在检测车辆C3和C4时形成了状态粘连。如果进一步以四种设备输出的存在状态进行流量、占有率、车头时距分析，其检测精度差异将被进一步放大。

图3 不同检测器精度测试结果示例

6 检测工程形态对数据精度有怎样的影响？

在影响交通检测精度的诸多因素中，除了产品设备本身的技术性能外，工程设计与实施也是十分重要的部分。传统的交通检测手段无论是线圈、气泵、压力检测都是采用地面式安装、与路面垂直的方向进行检测，因此可以精确控制检测位置与检测区域范围。

随着检测技术的发展，出现了地磁、视频、微波雷达、激光、超声波、移动终端位置等很多种新兴的检测方法。从技术构成与工程形态上看部分产品仍然采取垂直检测方式（如地磁、超声波、垂直激光检测等），另一部分则采用了倾斜检测甚至是侧向检测方式（如视频、微波雷达、激光雷达等）。受空间物理条件与道路几何构型的影响，不同的检测方式具有不同的特点。

垂直式检测可以精确满足检测位置要求，小范围内精确符合检测区域要求，但在需要进行较大检测区域需求时，垂直检测方式通常无法覆盖，当需要动态调整检测位置时往往需要进行施工调整。

倾斜式检测可以通过软件参数更灵活的设置检测位置，检测范围，但无法避免车辆之间、路侧障碍物的遮挡效应。如前文所述，经典的交通模型都是基于垂直检测数据的基础，其他倾斜的、侧向的检测方式都需要通过空间数据处理，转换为类垂直检测的检测数据。

在安装高度固定的情况下，距离越远，目标投影变形与目标之间的遮挡效应就越严重, 检测位置、检测区域标定方面也面临挑战，当目标完全遮挡后，任何检测手段都将失效。因此，要冷静看待检测设备标称的那些超远检测距离参数，从工程可行性的角度上看，超越物理极限的检测距离是工程上毫无意义的指标。

同时，空中安装的检测设备还要时刻面对低频震动、天气影响、安装件疲劳影响，设备安装角度的些许变化就可能对预设的检测区域带来严重偏移。

也正是因为这个原因，很多检测设备初始安装时运行良好，但经过一个雨雪季之后位置角度发生偏移，检测精度也因此严重衰减。如何保障检测设施全生命周期的可靠性与数据稳定性是非常重要的工程与运行维护问题，否则检测端失之毫厘，数据输出谬之千里。

7 对交通感知该做怎样的反思？

交通感知是智能交通系统的重要基石，对交通检测数据机器准确性的理解与认知直接影响着整个智能交通行业的发展。近年来，交通行业出现的新名词、先进产品大多与检测应用相关，传统的定点检测技术似乎已成昨日黄花，视频、地磁、雷达、超声波、红外、激光以及各种轨迹、融合、全息、孪生检测技术纷纷登场。

面对这些乱花迷人眼的局面，如何认清交通检测的本质，把握交通控制对数据的基本需求，从最基础入手认知、评价各种检测技术的性能及其适用性？这不仅仅是从事交通检测产品研发人员应该考虑的问题，更是交通工程领域所有从业者与行业管理者应该思考的问题。

《交通信号配时手册》中提出的“面向结果的交通信号配时流程”对于整个智能交通行业都非常具有借鉴意义。这个流程包括8个步骤，分别是：确认环境、明确用路人构成、明确用路人和流向优先级、设定交通运行目标、选择评价指标、设计工程方法与控制策略、实施并进行观测、持续迭代优化。

这8个步骤中几乎每一步都与交通检测、交通数据息息相关，也都会影响到选择什么样的交通检测手段，要求什么样的检测精度，使用什么样的检测数据。

如果不能真正理解体会这些底层逻辑和本质需求，任何一厢情愿高大技术与绚丽辞藻描绘的美好愿景，最后都注定都是镜花水月、大梦一场。