0 引言

    隨著北斗導航系統(tǒng)及國家北斗地基增強系統(tǒng)的日益完善，其在交通工程及管理方面的應用越來越多,。尤其高精度定位技術在高級駕駛輔助系統(tǒng)（Advanced Driver Assistant System,，ADAS）、車聯(lián)網(wǎng),、交警執(zhí)法取證等領域發(fā)揮重要作用,，為交通管理部門對車道級交通違法行為執(zhí)法取證提供了有效手段。

    利用高精度GNSS定位技術,，解決公安交管領域車道級違法行為的執(zhí)法困難,、實現(xiàn)有法可依是本文的主要工作動機。車道級違法行為的執(zhí)法取證存在一定困難,，主要體現(xiàn)在以下兩個方面：(1)數(shù)據(jù)采集困難,。由于傳統(tǒng)GNSS定位技術精度在5～10 m左右，無法判斷車輛的車道級行為,。(2)現(xiàn)場還原困難,。交通事故發(fā)生前后的時空位置難以還原，需要有經(jīng)驗的人員進行人工識別,、人員疏散及現(xiàn)場取證,，難以在遠程云端完成工作,。因此，精確監(jiān)督識別車道級別的車輛行為是處理交通管理中此方面執(zhí)法取證困難的關鍵,。

    本文的主要貢獻包括以下幾點：(1)設計了具有高精度定位的執(zhí)法取證終端,，結合廣域實時精密定位服務，獲取并處理車道級車輛信息,，實現(xiàn)執(zhí)法可取證,。(2)針對車道級違法現(xiàn)象，開展多次試驗進行驗證,，并分析處理試驗結果,。

1 相關工作

    違法變換車道等交通違法行為行為擾亂了正常通行秩序，容易引發(fā)交通事故,，實現(xiàn)車道級違法行為識別對交通管理領域具有重大意義,。許多學者針對車道級違法駕駛模型進行了研究。文獻[1]對現(xiàn)有微觀車道變化模型進行了詳細的審查和系統(tǒng)的比較,。文獻[2]運用大數(shù)據(jù)分析,，提取車輛在特定區(qū)域特征，進行了車輛軌跡研究,。文獻[3]基于北斗/GPS高精度定位感知技術,，提出了一種車道級衛(wèi)星定位系統(tǒng)。文獻[4]提出了一種基于車載網(wǎng)絡的網(wǎng)絡BDS/RTK系統(tǒng),，用于城市復雜交通環(huán)境中的高精度定位,。

    當前，將高精度北斗定位技術應用到車道級違法行為識別已經(jīng)成為學術領域研究熱點之一,。文獻[5]結合GNSS與慣性導航系統(tǒng)(INS),，使用具有精確的車輛運動模型和車道信息的過濾器實現(xiàn)不同類型的車道級別違法駕駛行為。文獻[6]通過GPS,、北斗和慣性測量單元(IMU)與先進的算法相結合,，提出了一種新的檢測車道級違法行為的綜合框架。文獻[7]使用無顆粒過濾器(UPF)將GPS,、北斗以及IMU融合,，實現(xiàn)了車道級高精度車輛定位。然而,，這些研究大部分停留在模擬或實驗條件下,，沒有進行現(xiàn)場實驗以及終端開發(fā)。因此,，本文重點研制了基于高精度GNSS定位感知的車載終端,，解決高精度定位問題，為車道級車輛軌跡行為監(jiān)管提供實際可行的方法,。

2 技術架構

2.1 車道級違法行為

    車道級違法行為指移動目標相對于車道或其他移動目標（機動車,、非機動車,、行人等）而言，目標相對位置的位移在一個車道級別內(nèi)（2.5～3.5 m）,、違反交通法規(guī)的行為,。相比于酒駕、超速等常見交通違法行為,，車道級違法行為具有受監(jiān)管技術水平限制,，具有不易取證的特點。

    車道級違法行為主要包括以下兩類：

    (1)車輛車道行為,。如不按規(guī)定車道行駛,、在禁止變道等路段違法變道、連續(xù)變道等,。

    (2)車輛移動目標行為,。如從前車右側超車、變道撞直行造成事故等,。

2.2 北斗地基增強系統(tǒng)與高精度定位

    “北斗地基增強系統(tǒng)”是由國家統(tǒng)一規(guī)劃建設的以北斗衛(wèi)星導航系統(tǒng)為主，兼容其他GNSS系統(tǒng)的地基增強系統(tǒng),。該系統(tǒng)通過地面通信系統(tǒng)播發(fā)導航信號修正量和輔助定位信號,，向用戶提供厘米級至亞米級精密導航定位和大眾終端輔助增強服務。

    北斗地基增強系統(tǒng)的核心是“廣域實時精密定位技術”,，形成覆蓋中國區(qū)域的高精度導航和綜合信息服務系統(tǒng),。能夠實現(xiàn)優(yōu)于1 m定位精度的衛(wèi)星導航增強服務。

    我們目前已經(jīng)建立了具有廣域實時精密定位數(shù)據(jù)服務的系統(tǒng),。從功能上可以分為解算模塊,、數(shù)據(jù)發(fā)布模塊、終端模塊三個部分,，在數(shù)據(jù)通信上建立一套“發(fā)布中心—租戶—用戶”的海量用戶播發(fā)體制,，可根據(jù)服務范圍和用量靈活地調整租戶的數(shù)量和等級，實現(xiàn)“云”服務,。車載高精度定位數(shù)據(jù)流圖如圖1所示,。

2.3 車道級定位執(zhí)法取證終端

    本文研制的終端的主要形態(tài)為智能車載后視鏡式，如圖2所示,。在北斗/GPS系統(tǒng)的廣域實時精密定位技術的基礎上,，該終端綜合車載OBD、慣性傳感器,、車在視覺以及網(wǎng)絡通信的其他設備于一體,。該終端目前已經(jīng)接入了全國北斗地基增強實驗站的信號，使用了帶有原始觀測值輸出的定位模塊,，在驅動模塊實現(xiàn)了數(shù)據(jù)解算,，并且同時支持廣域實時精密定位及傳統(tǒng)的局域差分定位手段,。達到該終端可以實時、精準,、可靠獲取時空數(shù)據(jù)的目的,。

3 系統(tǒng)實現(xiàn)與實驗

3.1 實驗環(huán)境

    為使得公安交管部門能夠從車輛衛(wèi)星定位數(shù)據(jù)中提取車輛違法行為證據(jù)，為公安部門道路交通執(zhí)法提供基礎,，我們在無錫分別建設3個用于北斗交通應用的北斗/GPS連續(xù)定位參考站(同國家北斗地基增強系統(tǒng)規(guī)范),，站間距15～30 km，基本覆蓋整個無錫市,。同時,，在無錫錢榮路—梁清路—快速內(nèi)環(huán)—高浪路建立實驗區(qū)，加工車道級地圖,，以備實驗使用,。

3.2 車道級車輛行為識別

    本文研制的具有北斗/GPS高精度定位感知終端由前端攝像頭記錄車輛行駛路面情況，通過廣域實時精密定位技術在廣域差分和精密單點定位技術的應用實時,、精準,、可靠獲取時空數(shù)據(jù)，將車輛的高精度軌跡與車道級地圖進行匹配,，識別車輛是否具有變更車道等行為,。2015年10月13日在無錫錢榮路—梁清路—快速內(nèi)環(huán)—高浪路實驗區(qū)多路段駕車進行高精度定位取證實驗，分別記錄了正常行駛,、壓線行駛,、變道超車、轉彎掉頭,、進出主輔路等多種狀態(tài),。圖3是在錢榮路進行的變更車道、超車行為實驗,。由左側高精度車道級地圖上顯示車輛動態(tài)位置可見車輛逐漸變道,，結合行駛記錄儀記錄視頻確定車輛在精確時間地點的變道超車過程。

3.3 車道級事故現(xiàn)場還原

    此終端可在車道級事故的現(xiàn)場還原中精準,、快速整合出事故原因,，恢復現(xiàn)場，解決交警因車輛碰撞等造成的難以定責問題,，目前已經(jīng)在武漢,、無錫等城市開展了規(guī)模化驗證,。

    下面結合一次雙車事故實例介紹該流程,。這是在湖北省武漢市武昌區(qū)中南路發(fā)生的一次事故，事故發(fā)生后，終端根據(jù)傳感器的異常變化,，自動迅速地將事故位置信息,、事故發(fā)生前后20 s左右的車輛軌跡信息以及行車記錄視頻傳至遠程大數(shù)據(jù)管理平臺。交警在遠程平臺通過以下幾個步驟,，還原案發(fā)現(xiàn)場,，實現(xiàn)快速定責定損：

    (1)查看事故報警信息及行車記錄視頻

    事故發(fā)生后，交警在遠程平臺上查看終端發(fā)送的信息進行核對,，初步了解事故真實情況,。然后，通過查看行車記錄視頻,，詳細了解事故發(fā)生的現(xiàn)場情況及碰撞方位,、程度等信息。如圖4,。

    (2)還原事故過程

    通過收集到的車輛高精度位置信息以及速度,、方向信息等數(shù)據(jù)，通過動畫模擬,，在高精度車道級地圖上進行運動軌跡回放實現(xiàn)事故過程還原,。

    (3)遠程定責定損

    最后根據(jù)整個事故的數(shù)據(jù)分析情況以及交警和事故當事人的交流分析情況對事故的責任分配進行判定，并且對事故的真實性做出判斷,，確保事故現(xiàn)場可還原,、可取證、可執(zhí)法,。

4 結論

    本文研制了一種車道級的定位執(zhí)法取證終端,，通過廣域實時精密定位技術實時精準地獲取時空數(shù)據(jù),，將車輛的高精度軌跡與車道級地圖進行匹配,。

    實驗證明，該終端可以識別諸如不按規(guī)定車道行駛,、變道超車等車輛的車道級行為,，并通過收集記錄車輛行車數(shù)據(jù)，可還原車道級事故現(xiàn)場,，幫助交警解決因車輛碰撞等造成的現(xiàn)場混亂,、難以定責問題，提高事故處理效率,，為警方執(zhí)法取證帶來便利,。

參考文獻

[1] RAHMAN M，CHOWDHURY M,，XIE Y C,，et al.Review of microscopic lane-changing models and future research opportunities[J].IEEE Transactions on Intelligent Transportation Systems.2013，14(4)：1942-1956.

[2] 何源浩，魏海平,，等.車輛GPS軌跡興趣區(qū)域提取算法研究[J].測繪工程,，2016，25(5)：47-51.

[3] GUO C,，GUO W F,，CAO G Y，et al.A lane-level LBS system for vehicle network with high-precision BDS/GPS positioning[J].Computational Intelligence and Neuroscience,，2015,，531321.

[4] LIU J，ZHENG H J,，CHEN W,，et al.A distribution method of high precise differential corrections for a network Beidou/RTK system based on vehicular networks[J].Cybernetics and Information Technologies，2015,，15(5)：140-150.

[5] SUN R,，OCHIENG W，F(xiàn)ANG C,，et al.A new algorithm for lane level irregular driving identification[J].Journal of Navigation,，2015，68(6)：1173-1194.

[6] SUN R,，HAN K,，HU J，et al.Integrated solution for anomalous driving detection based on BeiDou/GPS/IMU measurements[J].Transportation Research Part C-Emerging Technologies.2016,，69：193-207.

[7] SUN R,，HAN K，HU J,，et al.An integrated algorithm based on BeiDou/GPS/IMU and its application for anomalous driving detection[C]//Proceedings of the 29th International Technical Meeting of the Satellite Division of the Institute of Navigation(ION GNSS+ 2016).2016：1885-1890.

作者信息:

彭  璇1,，王夢媛2，曾潔茹2,，郭  遲2

(1.公安部交通管理科學研究所,，江蘇 無錫214151；2.武漢大學,，湖北 武漢430072）