智慧城市：智能交通系统中的激光雷达案例

智慧城市议程的一个方面是部署智能交通系统。旧金山市交通局 (SFMTA) 使用激光雷达传感器的试点项目展示了激光雷达如何为该市的智能交通信号试点提供解决方案，这是旧金山“零愿景”政策的一部分。

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。在这个更大的框架内智能交通信号试点的目标是探索使用多模式智能交通信号系统 (MMITSS)、专用短程通信 (DSRC)、交通信号优先 (TSP) 和紧急车辆抢占 (EVP) ) 技术优先提供紧急和过境车辆。此外，MMITSS 还应该能够检测行人和自行车，为他们提供领先间隔、争夺和/或保护相位。

第一个概念验证于 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%。第二个概念验证希望在信号控制网络中添加数据层，以实现 ITS 中的“智能”；这正在进行中，预计将于 2021 年初完成。

我们采访了两位相关人士，他们对这项技术、其部署和获得的结果有所了解，在这里我们展示了对话的重点。首先，我们采访了激光雷达传感器技术提供商 Quanergy 的首席营销官 Enzo Signore。然后，我们与 SFMTA 项目的独立战略执行顾问 Paul Hoekstra 深入研究了概念项目的实际证明。

激光雷达：匿名跟踪对象的 ID

Quanergy 的 Enzo Signore 解释了激光雷达技术在此类应用中的优势，需要人员和车辆计数和流量管理，尤其是在禁止面部识别的情况下。

激光雷达技术在体育场馆和智慧城市等应用中的关键价值主张是能够匿名跟踪经过各种传感器点的物体。例如，一辆车会经过许多十字路口，或者行人会经过许多区域。 Quanergy 可以做的就是为一个对象分配一个 ID，该 ID 将在整个被监控区域的旅程中与对象保持一致。

这做起来非常复杂，因为当您经过多个交叉路口时，您需要多个传感器和多个服务器来进行边缘计算。大多数技术只会对它们所管理的区域有一个孤立的视图，并且当跨越一个区域和另一个区域之间的边界时，ID 将会丢失，您将获得另一个 ID。使用这种方法，您开始无法跟踪所有的人流。

我们有一种称为自动 ID 移交的技术，可以将人或车辆的 ID 从一个区域传递到另一个区域。所以只要我们有视野，同一个 ID 就会与物体保持一致。这提供了非常好的端到端可见性和跟踪。这对于机场（例如从路边到登机口，您可以优化乘客体验）以及购物中心和城市来说可能很重要。每个人的单一 ID 有助于启用端到端分析。

Quanergy 的 M 系列传感器提供远程检测，例如专为流量管理应用而设计的 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。如果您将传感器平装，那么通常一半的光束会射向天空，而另一半的光束会射向地面。如果将其安装在 3 米高的路灯柱上俯视行人视野，那么在这种配置中，一半的光束都被浪费了。

在我们的设计中，所有光束实际上都指向下方，这使得能够对称覆盖地面。这意味着当一个人穿过视野时没有盲点。这使得能够不间断地跟踪视野中任何地方的人或车辆。我们最多可以看到 70m（即：15,000 平方米）范围内的物体。这是一个非常大的区域，否则将需要许多摄像机才能实现类似的覆盖范围。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

Paul Hoekstra，对于 SMTA ，描述了第三个 ^rd 五个交叉点的实施背后的想法和第一个概念证明（PoC）的结果 街道，并计划扩大覆盖范围。

我们于 2019 年 4 月开始与 SFMTA、Cisco 和 Quanergy 作为该项目的合作伙伴合作。最初作为 Cisco 软件包的一部分，我们拥有 DSRC 传感器。我们发现我们使用它们只是为了听我们覆盖的走廊和高速公路上的所有汽车。我们发现只有不到 1% 的汽车实际广播了 DSRC 信号。从这个用例的角度来看，结论必须是您不能使用 DSRC 进行流量测量。只是不够重要，无法做出决定。

此时，我们已经完成了第一个 (PoC) 与 Quanergy 传感器，现在我们正处于第二个 PoC。

在第一个 PoC 中，我们使用了 20 个激光雷达传感器，并于 3 ^rd 将它们安装在五个十字路口 街道，靠近去年开放的新篮球场。我们使用运行 Quanergy QORTEX 软件的 Cisco TRX 进行边缘计算。来自激光雷达的数据通过 TRX 盒，然后 Qortex 软件将数据发布到网络，该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，用于存储所有消息 - 每周 3000 万条。

每个星期天都会在上面发布一个报告，一个是车辆，通过路口的激光雷达ID识别车辆，有一大堆属性，比如时间，星期几，从哪里来，去哪里，停止的频率，停止的时间，速度是多少，是否有事件（来自事件日历）。通过这种方式，我们可以连接所有的交叉路口并跟随车辆通过走廊。然后我们可以这样说，“这是在走廊南侧进入北行的数量，然后关闭了多少，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。你不能只用激光雷达计算 ID；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。我们有定义什么是止损的逻辑。因此，我们最终达到了 96% 的准确率，这是非常精确的。对于行人，通过我们定义的区域，您可以看到该人是在路边还是在路边。您可以看到一个人是在人行横道的边界之内还是之外。你可以看到汽车离人有多近。有了这种数据，我们就可以创建未遂事件的报告。我们已经定义了什么是未命中——向量，速度，然后计算它们碰撞的时间，以及是否在一定范围内，那么你称之为未命中。

这是唯一可能的，因为来自 QORTEX 的数据非常精确，我们无需识别任何人就可以看到。我们不会存储任何可识别的个人信息。一个人只是一个点。而汽车只是一个街区，你不知道它是一种什么样的汽车。我们按大小分类。

第一个 PoC 是关于分析的。在第二个中，我们正在扩大交叉点的数量。所以现在我们有 5 个，我们要去 10 个。换句话说，一个更大的走廊。

然后，我们将对当前锁定在机柜内的所有数据进行分层。机柜内有一个信号控制器，控制器上有许多执行器。这些可能是循环检测车辆、行人按钮或轻轨中的传感器。有交通信号优先。所有这些都位于嵌入式信号控制器中。

所以我们现在正在做的是与信号控制器进行双向信息交换，从交叉路口获取所有数据，例如激光雷达数据和对象分类（再次完全匿名），在站台和公交车站。这些传感器的对象分类（都在传感器上进行处理）将给我们提供人数以及他们的分类——例如，是否有人坐在轮椅上，是否有人在推婴儿车，或者他们是否有一辆自行车。许多这些因素将决定运输工具的停留时间。我们想根据有多少人知道预测的停留时间。

从后端系统中，我们将获取车辆的数量。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。然后我们可以推断所有 10 个交叉点，

将整个交通走廊视为一个网络
为了优化整个走廊，我们不能准确地知道人和车辆的位置和时间。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，现在我们正在争论是否需要超过 1 赫兹，我们每一秒都重新计算所有内容。

然后我们实际上告诉信号控制器，你应该在北行上绿色。这关闭了循环。从 Cisco 的供应链工作中学习，您知道这是您可以通过交叉路口移动东西的唯一方法。所有的技术都可用，但它只优化了所有的孤岛。通过这种方式，我们正在通过集成交通管理的新范式实现巨大的飞跃。

旧金山已经有 7,000 个摄像头。但是相机只能为您提供 2D 图片。位置的精度不如您使用激光雷达所能达到的精度。激光雷达总是在雨中和夜间工作。它离隐私问题很远。一旦人们知道他们正在被跟踪，或者他们可以被认出来，就会出现人们不信任政府来保护他们的问题。

该项目的成果是使紧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列，以更有效地通过走廊。