主要技术参数:
一、智慧照明
1.建设内容
智慧照明方案是通过电力载波通信技术和雷达多目标感知技术构建基于电力线的智能传感网,对全路段对人/车/非机动车多目标、光照条件进行24小时感知,汇聚到边缘部署的智能网关实现全路段照明精准控制,目标是构建更加节能、友好、安全的照明解决方案。
1.1建设方案
1.1.1 系统架构
智能照明方案的系统架构图如下所示,分为中心、边缘、终端三个层次。
中心层
在中心侧部署智慧照明管理平台,可提供可视化界面,是用户进行管理及维护的入口。可通过该系统查看和管理杆站,配置多灯联动策略和控制计划,同时提供电量分析和告警等功能。
*边缘层
边缘侧包含智能边缘网关AR502H和PLC-IoT控制器(头端)。智能网关内置多灯智能联控APP,通过网口联接(PLC头端模块),下发多灯联控策略。
智能网关和PLC头端模块部署于边缘机房或者路段某个智慧杆的杆舱内。
*终端层
终端层包含PLC尾端控制模块和多目标感知雷达。
其中PLC尾端模块通过GPIO口与LED灯的控器联接,接收PLC头端的指令并控制LED灯头。同时通过RS485口将雷达感知的结构化数据通过电力线回传至边缘层的智能网关,在智能灯控APP上实现协议解析和灯控策略制定。
多目标感知雷达支持行人、机动车、非机动车低速0.14m/s 高灵敏感知,有效距离120m,适应夜间、雨、雪、雾霾等多种天气工作。
1.1.2 系统部署方案
每个智慧杆上部署一套PLC尾端模块,每间隔3根智慧杆部署一个多目标感知雷达,用30个雷达形成全路段覆盖。在路段边缘机房的配电箱侧部署总共部署5套智能网关AR502H和5套PLC控制器(头端模块),智能网关的网口接入机房交换机,分别对应20个PLC尾端模块。中心侧部署智能照明管理平台(5G新基建智慧合杆综合管理平台,已建)。
1.2 系统功能介绍
1.2.1 应用平台功能
(1)定时工作模式
正常情况下杆站按照设定的计划,在不同时段定时进行杆站的开光,杆站亮度档位的调节。在某些高纬度地区,夏天和冬天日出日落时间差别大,解决方案支持根据所在地经度、纬度,自动计算该地区日出日落时间,降低客户计划编制的工作量。
1)在城市智慧照明管理平台中选择目标区域的杆站控制器并制定计划,如:日落前30分钟开灯,日出后30分钟关灯。
2)城市智慧照明管理平台中确认制定计划,自动下发计划至边缘网关。
3)边缘网关根据日期和杆站所在地经纬度自动计算出日出和日落时间,按时间向杆站控制器下发打开/关闭杆站的指令。
4)按照按需照明的原则,建议在道路人、车较少的时间如午夜时,适当降低照明亮度,在满足基本照明需求的前提下,实现能耗的降低。
5)在城市智慧照明管理平台中选择目标区域的杆站控制器并制定计划,如:22:30后至次日6:00时,将亮度档位降为50%。
6)城市智慧智慧照明管理平台中确认制定计划,自动下发计划至边缘网关。
7)边缘网关根据控制计划向杆站控制器下发调节档位的指令,PLC-IoT多业务承载控制器通过0~10V直流控制信号控制LED驱动电源,降低LED灯亮度。
(2)离线工作模式
为降低对网络可靠性的依赖程度,智慧照明解决方案设计了离线逃生模式,即在上行PON/无线/以太网络或下行PLC网络出现故障时,网关或者PLC多业务控制器仍能够按照内置的控制计划照常进行工作。
(3)调光策略
该功能是为了帮助用户根据需求,制定系统内各设备的控制策略,包括时间表策略、经纬度策略。
举例1:
某地采用时间表策略的方式进行配置数据规划,获取当地一年的日出日落时间表,然后按照季度划分,分析如下:
*第一季度日期段:1月1日---3月31日
取该季度日出时间最晚的一天(7:36:03)附近的数值07:30做为关灯时间点,取日落时间最早的一天(16:59:40)附近的数值17:00做为开灯时间点。
*第二季度日期段:4月1日---6月30日
取该季度日出时间最晚的一天(5:58:52)附近的数值06:00做为关灯时间点,取日落时间最早的一天(18:37:50)附近的数值18:30做为开灯时间点。
*第三季度日期段:7月1日---9月30日
取该季度日出时间最晚的一天(6:09:13)附近的数值06:00做为关灯时间点,取日落时间最早的一天(17:59:46)附近的数值18:00做为开灯时间点。
*第四季度日期段:10月1日---12月31日
取该季度日出时间最晚的一天(7:35:36)附近的数值07:30做为关灯时间点,取日落时间最早的一天(16:49:18)附近的数值17:00做为开灯时间点。
*调光100%时间点:
考虑到日出前1小时,已有部分工作人员出行和工作,由于按季度来看日出时间变化范围在1个半小时左右,所以我们取关灯时间前2小时做为调光100%的时间点。
晚上10点和半夜12点,按照一般人群的作息规律,选择将这两个点用时间表策略的方式调光为80%和50%。
举例2:
某地将经纬度和时间表两种方式结合起来进行配置数据规划,规划如下:
*经纬度策略:
每个地方的日出日落时间都不同,所以用经纬度策略进行开关灯比较合理。对于当地各区域日常开关灯时间以及对应经纬度的日落日出时间,进行综合统计了解后,当地在日出前15分钟和日落后15分钟范围内,均存在适合视物的自然照明光线;所以最终选这两个时间点进行关灯和开灯的动作。
同时考虑到一般情况下,日出前1小时,已有部分工作人员出行和工作,所以在此时间点需要将光调亮到100%。
*时间表策略:
晚上10点和半夜12点,按照一般人群的作息规律,选择将这两个点用时间表策略的方式调光为80%和50%。
(4)计量与告警
智慧照明解决方案中,杆站控制器本身具备计量工作,可定时执行数据采集任务,精确监测每盏杆站的功耗和工作状态。可采集的参数包括电压、电流、功率、功率因数、电能等。
可将定时采集计划下发至边缘网关中,在网关与上行系统网络中断时,定时计划仍能正常执行,业务稳定性强。
以往杆站状态仅依靠维护人员需定期巡检来发现,时效性差,运维投入成本高。城市智慧共享杆站解决方案可实时监测杆站运行状态,当电流变化时,主动上报变化状态,确认为异常时主动通知维护人员去现场检查。
1)在城市智慧照明管理平台中选择杆站控制器,正确填写功率信息,并设置杆站控制器为主动上报模式。
2)杆站控制器实时检测电流状态,电流变化则经边缘网关上报变化状态至城市智慧共享杆站管理平台。
3)城市智慧照明管理平台系统根据电流变化信息,进行功率判断,若功率波动大于设定值则通知维护人员。
维护人员现场检查并修复故障设备后返回城市智慧照明管理平台系统中解除告警。
二、全息路口与数字道路
2.1 技术架构
本方案技术架构如图1所示。全息路口产品采用云边结合的架构,通过标准化的数据服务来支撑业务的灵活拓展,边端接入感知设备的数据,数据会通过边缘计算进行第一步分析,再到云端进行决策性的处理。
边端接入点数据主要有:感知设备的数据,比如路口的雷视一体机、卡口、电子警察、激光雷达等;控制设备的数据,比如路口的摄像机、引导屏、可变车道等;用户数据,比如车载OBU、地图APP用户数据。
边端接入的数据首先在边端进行处理,将路口的非结构化数据转为结构化数据,再对数据进行初步融合清洗,比如雷达、视频数据不准或重复等问题,组后是对路口进行实时优化,优化的实时性决定了路口优化的效率。云边结合的数据处理方式可实现秒级优化。
数据经边端处理之后进入云端,云端分为两个层次,分别是云端中台层和全息路口,其中中台层主要包含三个部分:运行中心:路口所有设备情况、故障情况、数据链路情况都通过数据中心进行监控;算法引擎:负责路口端的实时优化,多路口、多区域的情况需要通过云端云边一体化进行优化。另外,跨设备的轨迹处理也需要在云端进行。数据指标的分析预测计算:所有计算的数据都会通过标准的数据服务提供给全息路口,实现配置优化、事件报警、分析研判、车路协同等业务。
通过在路口全覆盖部署集摄像头、激光雷达、毫米波雷达于一体的多元异构融合感知设备,实现全天时、多天候、全覆盖的路口道路与交通信息实时动态感知,同时融合车侧上报的交通信息实现智慧路口的交通态势分析预测、交通异常事件检测,形成智慧交通数字孪生系统,提供精准车道级流量数据,支持路口信控自适应配时;通过对交通事故、事件的自动感知,精准数据辅助定责,降低事故发生。
(1)路侧多元异构融合数据感知
采用集摄像头、激光雷达、毫米波雷达的多元异构融合感知设备,实现全天时、多天候、全覆盖的道路实时动态感知需求,解决了单一传感器感知信息有限、适用条件受限,分体式多传感器时空对齐和部署安装困难等一系列问题。
(2)路侧多元异构融合感知算法
基于覆盖全道路的摄像头、激光雷达、毫米波雷达多传感器数据融合感知,实现道路交通目标识别、定位、跟踪、测速、测距等功能,并面向路口场景实现交通目标车道级定位、路口通行行为检测、路口交通异常行为检测等,构建路侧交通全景数据。
(3)车、路多源数据融合
通过路侧感知算法实现的路侧数据具有数据全局性较好、但车辆信息尤其是车辆运行状态存在准确度不高的问题,车辆上报的数据准确度高、但由于智能网联车辆渗透率不足存在数据完整性不够的问题,通过融合车侧、路侧交通数据,可以构建更高质量的交通目标全景数据。
(4)交通态势分析
基于路口交通目标全景数据,统计分析路口车道级通行流量、通行速率、通行时长、拥堵指数等交通态势指标。
(5)交通数字孪生
基于交通目标全景数据并结合道路高精度地图,创建道路交通物理实体的虚拟实体,通过交通目标时空大数据分析,实现道路交通态势预测等能力,形成智慧交通数字孪生系统,助力交通建设、管理、服务全面智慧升级。
2.2 技术特点
通过在项目建设区的重点路口部署多元异构融合感知设备,采集交通、道路等信息,实现多元异构数据融合的全息智慧路口场景,落地红绿灯信息推送、行人碰撞预警、车辆碰撞预警、车道占道预警、智慧交通管理等应用场景。本项目具有以下技术特点:
(1)采用多元异构融合感知设备
*摄像头、激光、毫米波雷达等感知设备
*全天时、多天候道路及交通信息感知
(2)多元异构融合感知算法
*基于多元异构传感器数据的汇聚及按需融合
*实现目标精准识别、定位、跟踪、测速
(3)交通运行情况实时数字孪生系统
*基于车道级高精度地图,加入动态交通目标
*提供数字化全息视角展示
*具有预测和调控能力
(4)智慧路口时空大数据平台
*车、路、云多源数据融合分析
*车道线级精准交通态势分析
*数据可视化展示、下发与开放
2.3 技术架构
2.3.1 全息路口系统架构
在项目建设的时候,要在原有路口软硬件系统的基础上,进行硬件设备的升级、数据工程的升级、管理的升级和服务的升级。全息路口系统架构如图6所示,包括全息路口数据底座和平台应用层。数据底座主要包括全息路口感知的基础数据、大数据支撑层和实景数字孪生系统;应用层主要包括各种实际应用场景的业务系统。
2.3.2 全息路口数据底座
全息路口需要部署的各种信息化设备。例如在交通路口,通过建设激光雷达、毫米波雷达、AI 摄像机、边缘计算单元、信号控制机、RSU 通信设备实现路口基础信息采集、数据融合计算及道路信息发布。通过非机动车识别一体机等设备实现非机动车信息采集。通过 AR 全景云眼,实现实景地图信息采集。
全息路口的交通信息全息采集系统利用边缘计算技术将路口基础设施横向连通,利用大算力边缘计算单元,对接入的雷达、视频等设备进行数据结构化解析,通过轨迹拟合等算法对机动车运行轨迹进行实时刻画描绘,同时生成多种实时基础元数据,借助边缘计算单元实现路口与中心侧纵向“端边云”协同,支撑交通大脑对路口的实时精确管控,并具备全域监测、路口监测、实时轨迹、路口评价、信号评价等交通业务管理功能。
大数据平台包括计算、存储和网络资源,以及服务中台、数据中台和 AI 中台、算法仓库等。
三维数字孪生世界和 AR 增强现实世界。一方面结合数字孪生技术,构建三维数字孪生世界,实现真实世界的数字化;另一方面通过与 AR 技术结合,构建AR 增强现实世界;最终,实景和孪生融合,实现真实世界数字化,虚拟世界可视化,构建全息路口数据底座。三维数字孪生世界是基于激光雷达、毫米波雷达、AI摄像机等路侧感知设备,实现对道路信息、基础设施、交的精准感知,对交通要素实时位置、方位、经纬度、速度、加速度、尺寸等信息全面感知。激光雷达、毫米波雷达、AI 摄像机感知数据三者融合,通过三维建模,提供最全面、最准确的交通路口信息,实现交通路口全息感知数字孪生应用。AR 增强现实世界是基于数字孪生世界及 AR 增强现实技术,通过 AR 全景云眼融合地面视频资源、地图资源,快速构建数字孪生世界与 AR 增强现实世界的融合,实现虚拟数据及现实数据融合,为城市大数据、智慧城市建设提供实时、完整、全面、准确的交通路口信息。
2.3.3 平台应用层
平台的应用层是由一些实际应用场景的业务应用系统构成,例如信号控制系统、交通诱导系统、机动车指挥调度系统、非机动车管理平台、V2X云控平台等。信号控制系统基于路口车道级交通运行态势分析,对信控配时等进行评估、优化或动态化,从而提升路口通行效率。交通诱导系统通过诱导道路使用者的出行行为来改善路面交通系统,防止交通阻塞的发生,减少车辆在道路上的逗留时间,并且最终实现交通流在路网中各个路段上的合理分配。全息路口数据可以支持各种解决方案优化,比如路口交通事件检测、路口优化、信号配时调整等。当数据积累到一定时间后,还可以进行交通隐患、交通黑点的识别,交通热力图刻画,提供黑点优化方案,交通组织优化方案。通过赋能智慧交通指挥调度系统,解决全息路口只能看,但是不能帮助交警解决实际工作的尴尬局面;为全息路口交警业务提供业务抓手,形成业务闭环。赋能非机动车管理业务。基于全息感知数据底座,感知非机动车在交通路口数据,建设 RFID 射频技术的新型电子警察监控系统,发挥射频视频双基结合优势,利用射频数据对视频数据进行补充和校正,系统自动识别、抓拍电动自行车超载、闯红灯、逆行、占用机动车道及不佩戴头盔等违法行为,对电动自行车进行 24 小时全天候的非现场违法查处,提升违法行为精准查缉效率。