以车流量为例，精度90%与99%，是不是就真实的反映了交通流的特性？是否就能够满足交通控制的要求？

交通流检测是信号控制的重要组成部分，随着技术发展，交通检测手段日益丰富。信号控制系统对检测器有什么样的需求？各种检测方式到底有什么区别？不同控制模式应该选择哪一种检测方式？ 

在第十八届COTA国际交通科技年会（CICTP2018）交通信号控制与仿真专场上，北方工业大学交通控制重点实验室研究员张福生从三方面分享了评价交通流检测的关键要素，以及不同控制场景下交通检测与交通信号控制之间的关系：传统交通检测基础、交通检测方式在不同场景下的检测结果、检测误差对不同控制方式的影响。

 交通检测基础 

交通检测，要从以下几方面来研究。

第一是检测手段，有传统的线圈检测、视频检测、地磁、微波、超声波等方式，有现代的互联网轨迹跟踪、电子车牌等。

第二是检测方法，有存在检测、轨迹跟踪和身份识别。

第三是检测区域，有断面检测、区域检测和连续路径轨迹。

第四是检测输出，有开关量输出，流量统计、占有率统计、速度计算、时距计算和排队长度。

第五是控制应用，路口层的感应控制、优先控制、方案优化，区域的协调控制、宏观策略控制、事件判别与响应。

近年来，相关部门先后公布了一系列的标准，用来规范和评测交通流检测技术和产品质量，分析这些检测标准，我们发现主要检测指标包括：车流量、瞬时速度、平均速度、时间占有率、车头时间、车辆间距。

但是这些指标是否能真正反映检测手段的准确性？有了这些指标是否就够满足交通控制的需求？以车流量为例，精度90%与99%，是不是就真实的反映了交通流的特性？是否就能够满足交通控制的要求？

回答这个问题之前，有必要简单回顾一下传统断面交通检测的基本原理。

上图分别从侧视和俯视两个角度观察车辆通过指定的检测区域，即图中黄色区域。我们用0表示未检测到车辆， 1表示检测到车辆，当车辆通过检测域时会产生一个脉冲，用数字表达就是0、1、0、1。

1和0的多少即与车辆大小、速度相关，又与检测区域的大小相关。在原检测区域相同位置设置一个放大的检测区域（蓝色），对比原检测区域（黄色区域），同样的车流通过，会看到两个完全不同的检测输出。

检测区域不同得到的交通数据不同，检测输出的脉冲，每一个脉冲的上升沿和下降沿位置也发生了变化。

以检测到的两组脉冲做计算，我们发现一个问题：同样的车流，只有两辆车，检测区域小的时候测到的流量是2，时间占有率66.6%；检测区域扩大之后，得到流量是1，占有率80%。这个问题对交通控制到底会产生什么样的影响呢？

 交通检测评价 

接下来我们设计一个评测方法，用于分析不同交通流检测方法的区别，目的是对各种的检测手段做一次对比和评价，目标不是为了评价哪一种产品更好，而是看看各种检测手段的特性以及在交通控制上会产生什么样的影响。 

我们设计了基于高精度时钟、高精度激光测距仪的评价检测方法（如下图）。

在公路上设置连续的龙门架，采用的基础检测技术包括：高精度激光检测、高精度时钟和视频识别记录。

基本原理：我们三个龙门架采用实时激光测距，保证实时校准距离，时钟精度大概达到100ns，激光采样频率是15kHz，每秒钟大概能拿到15000条数据，激光测距精度是2毫米，为了保证从上向下激光的垂直度设置了高精度角测量传感器，用于纠正角度偏差带来的测量误差。

与垂直的高精度激光测量相同位置下方设置环形线圈，同时将视频虚拟的检测区域也设置在相同位置，并在该位置中心埋设地磁检测设备，远端设置RFID读取设备用于模拟电子车牌检测，通过对比不同检测器输出的实时脉冲分析各种检测设备的特性。

上图是激光检测设备的数据输出，通过从上向下的激光测距能测出通过车辆的外形轮廓。

以激光检测为参照，以同意的统一高精度时钟源为基准，按250毫秒为时间切片来读取数据，然后将所有的数据记录下来进行对比，相同的车流，相同的检测区域，得到了完全不同的检测输出（如上图）。

需要说明的是采用RFID方式读取电子车牌的时候得到的脉冲差别较大，因为电子车牌的读取受环境因素影响较大，所以不计算占有率情况。

首先看视频检测。常见的视频检测场景是高空架视频检测器，前端路面上设置一个检测区域。在这样检测区域下，视频检测会发生什么事情呢？

大家都知道视频会产生遮挡，但是遮挡会带来什么呢？我们还是以一个侧视、俯视图来看看。

按信号控制需求设计一个理想检测区域，如图中黄色区域，但是车辆还没有驶入到黄色区域的时候已经进入到了视频检测区域，这个时候已经产生了脉冲的上升沿，相应的检测区域扩大了，检测位置也前移了。

当一辆大型车紧追着一辆小型车驶过的时候可能会把检测的位置进一步前移，检测区域会进一步放大，最终的结果是连续的两辆车，只输出一个脉冲，一个上升沿，然后一个下降沿，导致占有率和流量可能都会产生误差。

这个问题不仅仅出现在视频检测，包括微波雷达检测都会有同样的问题。要解决这个问题其实也很简单，可以将检测区域尽量向后移，尽量减少遮挡。

再看地磁检测检测。

上图是标准的地磁检测的设置方式。传感器、中继器、接收器、接口板卡组成，传感器埋设到路面以下，以无线方式进行通信。

所有的地磁检测区域都成圆形状态，图中的深绿色到浅绿色圆形检测区域。受环境影响、车辆类型影响，地磁检测绿色区域是精确检测域，褐色部分是模糊区域，灰色区域就是非检测区域。

这样的检测区域特性在实际应用中会发现什么呢？在一个车道上，地磁检测是埋设到道路的正中心，但是车辆永远不可能保证一定沿中心驶过。

如图，当有两辆车C1和C2通过的时候会得到两个完全不同的脉冲，正中间通过的车辆脉冲相对较宽，以它为计算，那么计算的占有率可能会偏大。侧面通过的可能脉冲比较窄，以它为计算占有率，可能会偏低，同样它也会影响车头时距、车间时距等计算。

再看电子车牌。

电子车牌读取通常用的是高频无线系统，比如2.4G或者5.8G频段的读取技术。这种高频无线通信有一个最基本的要求叫直线可视，如果前面有遮挡就读不到，所以在道路上用RFID或者电子车牌来读车牌的时候它的检测点就是不精确的。

如图，第一个很远就可以读到，第二个由于遮挡就无法读取，第三个到很近的地方又可以读到这辆车。所以，由于建筑物、前后车的遮挡会造成检测位置的偏差。

 控制应用影响 

我们反复对比研究检测脉冲、占有率、流量以及检测位置的变化，就是因为各种交通控制方法对这些数据都由不同的要求？

首先看经典的SCOOT模型。

SCOOT是基于排队的优化模型，检测器到停止线的精确行程时间都是模型优化的基本参数之一，排队需求的基本的计算单位是以脉冲的宽度计算的LPU当量。

因此检测位置、脉冲特性对于控制优化由非常大的影响，不同的检测设备对脉冲特性的影响，最终会影响优化模型的运行效果。

检测位置偏移会造成模型中从检测器到停止线的旅行时间失真，影响模型的排队分析，造成系统无法精确的计算排队，无法精确使用排队模型做相应配时的优化。

再看SCATS系统。

SCATS系统进行方案选择的核心依据是车间时距，以此计算路权情况下饱和度，同样车流不同的脉冲特性会影响它的饱和度计算结果，饱和度计算的差异最终会影响做方案选择、周期优化的计算的结果。

再来看看公交优先。

很多城市的公交优先系统采用RFID作为公交车辆的检出方式。公交优先控制最重要的就是依据检出公交车，预测到达停止线时刻，进而选择一种优先方法。

因此，检测器精确的位置，以及从检测器位置到达停止线的旅行时间，是预测公交车辆到达的核心依据，一旦公交车检出的脉冲上升沿位置发生了偏移，所有的计算全部都失效。

最后看看感应控制。

感应控制里面核心的几个参数：最小绿、最大绿、相位请求、相位时间延伸等，感应控制里面最基本的原则是在精确位置检测到车辆。

当某一个相位没有路权的时候检测到车辆的需求，并且对立相位没有需求、或对立相位已经达到最大绿时，可以进行相位的切换，应该在什么样的时刻来切换，什么位置来检测到这个相位的需求？获得路权后，车辆连续到达，会触发相位延伸，延伸的时间是否足够保障车辆驶过停止线进入路口？所有这些都与检测位置紧密相关。

简单描述一下在感应控制里面怎样设置检测器。我们通常会把相位需求的检测器放置到上游，到达停止线的距离CD。

在这个位置检出车辆的相位需求，检测器到达停止线的旅行时间应该要大于等于从冲突相位切换到本相位的绿间隔时间，保证车辆到达停止线时相位切换完成。相位时间延伸检测器位置在哪呢？

当我们设置了延伸扩展时间（如1.5秒、2秒、3秒等），扩展的时间应该保证它能够到达下一个延伸扩展检测器，或者能保证车辆能够通过停止线进入路口。

还有其他很多控制模式都对检测脉冲特性有不同的要求，所以信号控制对于交通检测的需求不仅仅是流量准确。 

 总结 

第一，流量、占有率、车头时距数据不能完全满足所有信号控制场景需求。

第二，简单用统计误差无法全面评价交通检测适用性与质量。

第三，我们应该根据不同的交通控制场景需求来选择、设计检测方式、检测位置，适用最好。