盧振禮， 安源， 宗晨臨， 朱海兵， 李長(zhǎng)明， 鄭宗杰

(1.山東省氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室， 濟(jì)南 250031; 2.日照市氣象局， 日照 276826； 3.凱邁(洛陽(yáng))環(huán)測(cè)， 洛陽(yáng) 471003； 4.交通運(yùn)輸部路網(wǎng)中心， 北京 100736)

截至2019年末，中國(guó)高速公路總里程14.96萬(wàn)km[1]。隨著高速公路發(fā)展，團(tuán)霧天氣給高速公路行車安全帶來(lái)很大威脅，團(tuán)霧具有突發(fā)性強(qiáng)、能見度低、出現(xiàn)范圍小、流動(dòng)性強(qiáng)等特點(diǎn)[2-3]。目前氣象交通部門還難以實(shí)時(shí)、精確地監(jiān)測(cè)預(yù)報(bào)團(tuán)霧天氣[4]。在高速公路上，車輛駛?cè)雸F(tuán)霧區(qū)域后不能及時(shí)減速，就極有可能引發(fā)重特大交通事故[5]，事故致死率往往高于一般交通事故[6-7]。

自20世紀(jì)中期，公路霧天氣就引起中外專家注意并著手研究低能見度監(jiān)測(cè)預(yù)警工作[8]。21世紀(jì)隨著數(shù)字圖像技術(shù)發(fā)展，視頻監(jiān)測(cè)方法在能見度分析應(yīng)用上迅猛發(fā)展并取得較大成績(jī)[9-10]，部分能見度視頻監(jiān)測(cè)設(shè)備已處于試驗(yàn)發(fā)展階段[11-12]。

國(guó)外公路能見度研究起步較早[13-14]，Kwon[15]基于固定目標(biāo)物的視頻圖像對(duì)能見度檢測(cè)，觀測(cè)條件要求較高，實(shí)現(xiàn)難度增加，隨后在場(chǎng)景中設(shè)立人工目標(biāo)物，分析目標(biāo)物亮度與距離的關(guān)系，分析目標(biāo)物的輪廓清晰程度測(cè)算能見度[15-16]。Hallowell 等[17]基于標(biāo)志圖像求解能見度的方法，通過與樣本庫(kù)圖像對(duì)比估算能見度。近些年，依賴計(jì)算機(jī)和視頻圖像處理能力，出現(xiàn)理論體系相對(duì)成熟的研究。德國(guó)氣象學(xué)與環(huán)境科學(xué)研究所利用數(shù)碼全景攝像儀拍攝的時(shí)間序列圖像，檢測(cè)到最遠(yuǎn)的目標(biāo)物來(lái)估計(jì)氣象能見度[18]。法國(guó)巴黎東區(qū)大學(xué)假設(shè)物體在場(chǎng)景中隨距離變化連續(xù)分布，提出描述圖像對(duì)比度分布和大氣能見度之間的映射模型估算出能見度[19]。

國(guó)內(nèi)研究起步較晚，隨著圖像分析技術(shù)的發(fā)展，國(guó)內(nèi)圖像識(shí)別霧的研究水平有了較大進(jìn)步。通過構(gòu)建感知層、網(wǎng)絡(luò)層、應(yīng)用層的系統(tǒng)框架，基于虛擬專用網(wǎng)絡(luò)(virtual private network，VPN)加密通道技術(shù)建立云計(jì)算的公路團(tuán)霧檢測(cè)與預(yù)警系統(tǒng)[20]?；趕oftmax和多特征團(tuán)霧圖像分類算法，對(duì)不同濃度的團(tuán)霧圖像進(jìn)行描述，實(shí)現(xiàn)團(tuán)霧圖像的識(shí)別和分類[21]。對(duì)比分析4種卷積神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建適用于高速公路氣象分類的深度強(qiáng)化學(xué)習(xí)融合模型，識(shí)別團(tuán)霧天氣，有較高的識(shí)別率[22]。基于色域分析，利用K近鄰算法實(shí)現(xiàn)不同等級(jí)大霧圖像的分類[23]。還有通過水平能見度和大氣消光系數(shù)關(guān)系建立的大氣能見度光學(xué)模型[24]；運(yùn)用向量機(jī)建立大霧識(shí)別模型，可計(jì)算夜間水平能見度數(shù)值[25]；運(yùn)用截取并計(jì)算邊緣線附近的對(duì)比度值分析向量機(jī)檢測(cè)團(tuán)霧天氣[26]。以上研究均取得不同的成果，但有的研究受環(huán)境光制約，白天受光源亮度變化影響較大，特別在清晨和傍晚觀測(cè)值不夠穩(wěn)定，對(duì)光源條件要求較為苛刻；有的只適用于白天或夜間，難以實(shí)現(xiàn)連續(xù)監(jiān)測(cè)[27]。國(guó)內(nèi)高速公路能見度相關(guān)標(biāo)準(zhǔn)方面的研究也有了諸多發(fā)展，大部分已經(jīng)投入業(yè)務(wù)應(yīng)用[28-29]。

在前人研究基礎(chǔ)上，現(xiàn)利用公路上的固定距離間隔發(fā)光目標(biāo)物視頻圖像監(jiān)測(cè)團(tuán)霧天氣，對(duì)團(tuán)霧多發(fā)路段的水平能見度和團(tuán)霧范圍實(shí)時(shí)監(jiān)測(cè)，可實(shí)現(xiàn)團(tuán)霧的水平能見度、水平尺度同時(shí)監(jiān)測(cè)。計(jì)算視頻圖像中發(fā)光目標(biāo)物特征區(qū)域光亮度參數(shù)，運(yùn)用前散能見度儀對(duì)比校驗(yàn)(并輔以附近目標(biāo)物人工觀測(cè))。用回歸分析獲得水平能見度光亮度參數(shù)模型計(jì)算水平能見度，結(jié)合相關(guān)標(biāo)準(zhǔn)分析判斷團(tuán)霧預(yù)警等級(jí)，發(fā)布團(tuán)霧分級(jí)預(yù)警?？山鉀Q視頻圖像無(wú)法對(duì)夜間團(tuán)霧水平能見度進(jìn)行連續(xù)監(jiān)測(cè)及清晨和傍晚視頻圖像易受到太陽(yáng)高度角影響、環(huán)境光干擾等問題?？蓪l(fā)光目標(biāo)物的視頻圖像分析、監(jiān)測(cè)預(yù)警方法推廣至高速公路團(tuán)霧多發(fā)路段，在團(tuán)霧路段沿線按固定距離安裝發(fā)光目標(biāo)物和攝像設(shè)備，監(jiān)測(cè)團(tuán)務(wù)發(fā)生時(shí)的水平能見度變化情況。發(fā)光目標(biāo)物團(tuán)霧視頻分析技術(shù)與地理信息系統(tǒng)(geographic information systems，GIS)分析技術(shù)、導(dǎo)航技術(shù)相結(jié)合，將形成及時(shí)、準(zhǔn)確的高速公路團(tuán)霧分級(jí)預(yù)警體系，為高速公路團(tuán)霧監(jiān)測(cè)預(yù)警提供重要技術(shù)支撐。

1 資料和方法

1.1 資料

篩選了日照市20余個(gè)團(tuán)霧多發(fā)公路路段，經(jīng)過對(duì)比分析，最終確定3處與高速公路環(huán)境條件比較接近城市周邊快速路，這些多霧路段路燈、視頻、附近能見度設(shè)備齊全。選擇路段路燈照明均為等距離安裝(相距30～50 m的間隔)，利用路燈附近的交通監(jiān)控?cái)z像儀不間斷對(duì)路燈照明設(shè)備進(jìn)行監(jiān)測(cè)，實(shí)時(shí)獲取低能見度視頻圖像，進(jìn)而獲得路燈的中心區(qū)域、邊緣區(qū)域、路燈外圍區(qū)域的光照強(qiáng)度、光域范圍、光亮度分布等資料，前散能見度儀可獲取監(jiān)測(cè)處的實(shí)時(shí)水平能見度數(shù)據(jù)資料(并輔以附近目標(biāo)物人工觀測(cè))。視頻資料取自日照沿海3條快速路設(shè)有固定距離路燈路段，共選取2020年1—9月期間能見度小于500 m的能見度數(shù)據(jù)和視頻圖像150時(shí)次，小于200 m的能見度數(shù)據(jù)和視頻圖像260時(shí)次，能見度小于100 m的數(shù)據(jù)和視頻圖像110時(shí)次，能見度小于50 m的能見度數(shù)據(jù)和視頻圖像60時(shí)次，剔除車燈干擾明顯的圖像和無(wú)路燈圖像。

監(jiān)測(cè)路段視頻資料由日照市公安局交警支隊(duì)提供；監(jiān)測(cè)路段所需能見度監(jiān)測(cè)數(shù)據(jù)由日照區(qū)域自動(dòng)站和大監(jiān)站能見度設(shè)備監(jiān)測(cè)獲取，設(shè)備均為“洛陽(yáng)凱邁CJY-2C/T”型號(hào)前散式能見度儀。能見度儀器均距離數(shù)字?jǐn)z像儀1 km范圍以內(nèi)，可對(duì)監(jiān)測(cè)路段實(shí)時(shí)連續(xù)監(jiān)測(cè)，每間隔1 min向主服務(wù)器回傳一次監(jiān)測(cè)數(shù)據(jù)信息。

1.2 方法

1.2.1 監(jiān)測(cè)方法

目前高速公路尚不具有可供研究的恒定發(fā)光目標(biāo)物視頻資料，無(wú)法獲取不間斷路燈監(jiān)測(cè)數(shù)據(jù)信息。為了研究高速公路團(tuán)霧的監(jiān)測(cè)方法，選取3處與高速公路條件較為接近的城市快速路進(jìn)行研究，得到公路團(tuán)霧的監(jiān)測(cè)預(yù)警思路和方法。條件成熟后，建議相關(guān)管理部門在全國(guó)團(tuán)霧多發(fā)路段安裝恒定發(fā)光目標(biāo)物視頻監(jiān)測(cè)系統(tǒng)，可實(shí)現(xiàn)對(duì)高速公路上團(tuán)霧的監(jiān)測(cè)預(yù)警。本研究的視頻監(jiān)測(cè)資料來(lái)源于布設(shè)在城市快速路兩旁的路燈設(shè)施和攝像設(shè)備，通過監(jiān)測(cè)視頻可獲得圖像光亮度參數(shù)隨能見度變化的信息、團(tuán)霧尺度范圍等信息。利用VSPlayer V7.4.3軟件對(duì)視頻進(jìn)行等時(shí)間間隔圖像截取，去除有雜光干擾和無(wú)路燈圖片后分類存儲(chǔ)。運(yùn)用Adobe Photoshop CS6軟件在圖像中選取不同區(qū)域興趣窗，測(cè)算各個(gè)窗口的光亮度參數(shù)，各區(qū)域的光亮度差及其光亮度標(biāo)準(zhǔn)差。對(duì)比分析相應(yīng)圖像區(qū)域的光亮參數(shù)和水平能見度監(jiān)測(cè)數(shù)值關(guān)聯(lián)性，用SPSS軟件進(jìn)行相關(guān)性分析和回歸分析，建立圖像參數(shù)與水平能見度模型并驗(yàn)證模型的準(zhǔn)確性。

發(fā)光目標(biāo)物視頻可實(shí)現(xiàn)團(tuán)霧能見度連續(xù)監(jiān)測(cè)預(yù)警，根據(jù)水平能見度光亮度參數(shù)模型計(jì)算水平能見度，結(jié)合高速公路團(tuán)霧預(yù)警等級(jí)的標(biāo)準(zhǔn)[30]，可對(duì)高速公路出現(xiàn)的團(tuán)霧天氣進(jìn)行模擬分級(jí)預(yù)警。

1.2.2 理論分析方法

發(fā)光目標(biāo)物的光亮度傳輸?shù)饺搜刍驍z像儀包含兩個(gè)部分：一是發(fā)光目標(biāo)物自身的經(jīng)過間隔距離的大氣消光后的剩余部分；二是大氣環(huán)境光亮度。夜間的圖像大氣環(huán)境光亮度非常弱，但也存在其他固定光源、移動(dòng)光源、反射光源的影響，產(chǎn)生異常波動(dòng)。

I=I0e-σd+If(1-e-σd)

(1)

式(1)中：I為人眼或攝像儀感應(yīng)到的光亮度；I0為發(fā)光目標(biāo)物的自有光亮度；If為大氣環(huán)境光亮度；σ為大氣消光系數(shù)；d為監(jiān)測(cè)點(diǎn)到發(fā)光目標(biāo)物之間的距離[31]。

高速公路團(tuán)霧天氣不同于其他團(tuán)霧天氣，因?yàn)楦咚俟穲F(tuán)霧既有水平能見度的限定，又有水平尺度的界定。所謂的高速公路團(tuán)霧是指“在高速公路上生成或者從周邊區(qū)域擴(kuò)散、移動(dòng)到高速公路上，覆蓋高速公路長(zhǎng)度小于5 km、能見度小于200 m的團(tuán)霧”[30]。如果在團(tuán)霧多發(fā)區(qū)域能監(jiān)測(cè)到一定間隔距離(50～200 m)的發(fā)光目標(biāo)物，按照上述理論，當(dāng)發(fā)生團(tuán)霧天氣時(shí)，人眼或攝像儀獲得目標(biāo)物視亮度會(huì)減弱，圖像上目標(biāo)物邊緣模糊，其光線經(jīng)過散射后變得柔和，水平能見度降低到一定閾值后，光域可能會(huì)逐漸消失，水平能見度變化越快這種現(xiàn)象會(huì)更加明顯。

2 團(tuán)霧視頻監(jiān)測(cè)參數(shù)計(jì)算分析

2.1 公路團(tuán)霧監(jiān)測(cè)設(shè)施的選取

對(duì)公路團(tuán)霧多發(fā)路段進(jìn)行監(jiān)測(cè)時(shí)，選擇距離攝像儀約50、100、200 m的3處路燈設(shè)施，分析不同水平能見度條件下發(fā)光目標(biāo)物的亮度參數(shù)，在不同能見度條件下，大氣散射系數(shù)和消光系數(shù)值不同，圖像上表現(xiàn)為發(fā)光目標(biāo)物的光亮度強(qiáng)度、光域范圍大小、亮度標(biāo)準(zhǔn)差等變化。在不同天氣條件下，對(duì)亮度參數(shù)和水平能見度數(shù)值進(jìn)行相關(guān)分析和回歸分析獲得統(tǒng)計(jì)模型。圖1為公路邊緣攝像儀與路燈設(shè)施的示意圖，發(fā)光目標(biāo)物數(shù)據(jù)視頻資料通過光纖和無(wú)線方式傳輸?shù)浇煌ü芾聿块T的數(shù)據(jù)庫(kù)。

圖1 監(jiān)測(cè)設(shè)施組成Fig.1 Composition of monitoring facilities

2.2 視頻圖像特征區(qū)域

對(duì)視頻圖像中不同區(qū)域的光亮度參數(shù)進(jìn)行計(jì)算分析，劃分出對(duì)能見度變化較為敏感的邊緣區(qū)域并研究光亮度參數(shù)與水平能見度的內(nèi)在聯(lián)系。為便于分析計(jì)算，選用“矩形框圖”限定恒定光源的不同光域范圍，并截取圖片進(jìn)行分析。

從沿?？焖俾穲F(tuán)霧天氣中，選取水平能見度為200、100、50 m的圖像進(jìn)行分析。分別截取距離攝像儀200、100、50 m的發(fā)光目標(biāo)物光源圖片，從中心點(diǎn)向四周查找邊緣點(diǎn)，通常位于光亮度標(biāo)準(zhǔn)差異常變動(dòng)區(qū)域，沿著邊緣點(diǎn)做4條切線，兩兩相交后得到矩形；由4條邊緣線向內(nèi)取2行、2列像素，劃定區(qū)域分別作為光源的邊緣區(qū)域；以位于兩個(gè)恒亮光源的中間區(qū)域的2列像素為邊，依照內(nèi)環(huán)長(zhǎng)寬比例畫出外部矩形環(huán)，可代表環(huán)境光區(qū)域；經(jīng)上述步驟得到3個(gè)光亮度特征矩形環(huán)區(qū)域A、B、C，分別代表環(huán)境光區(qū)域、光域邊緣區(qū)域和光域中心區(qū)域(圖2～圖4)，區(qū)域A、B、C是人為劃分的3個(gè)區(qū)域，區(qū)域顏色本身沒有能見度指示意義，區(qū)域A所圈定的范圍在圖像上位于燈光的邊緣以外區(qū)域，其光亮度可反映環(huán)境光數(shù)值變化，區(qū)域B所圈定的范圍在圖像上位于燈光區(qū)域與環(huán)境光的交界處，其光亮度可反映燈光邊緣區(qū)域的數(shù)值變化，區(qū)域C所圈定的范圍在圖像上位于燈光的中間區(qū)域，其光亮度可反映光域中心數(shù)值變化。

圖2～圖4分別為水平能見度200、100、50 m時(shí)，50、100、200 m處的光源中心區(qū)域C、邊緣區(qū)域B和環(huán)境光區(qū)域A的光域亮度、光域范圍和光域分布等情況。從圖2～圖4可見，隨著水平能見度降低，光域亮度逐漸減弱；光域范圍逐漸減小，直至消失；光域總體分布從不均勻變得比較均勻，邊緣光和環(huán)境光區(qū)域的均勻性變得更加明顯。從各分區(qū)域看，邊緣區(qū)域B隨著水平能見度變小，光域亮度變暗，光域分布均勻。當(dāng)水平能見度100 m時(shí)，200 m處的光域B基本消失；水平能見度50 m時(shí)，100、200 m處的光域B也基本消失。中心區(qū)域C隨著水平能見度變小，光域面積明顯縮小，200 m處的光域C變化最為明顯，當(dāng)水平能見度50 m時(shí)，200 m處的光域C已經(jīng)消失。環(huán)境光區(qū)域A受光源影響的程度隨著水平能見度變小而逐漸降低，當(dāng)水平能見度降至50 m或光源距離大于100 m時(shí)，環(huán)境光區(qū)域A基本不受光源的影響。環(huán)境光區(qū)域A的影響因素比較復(fù)雜，即使沒有這些恒定光源影響，還可能受其他周圍雜光的反射、衍射等影響，進(jìn)而還可能對(duì)邊緣區(qū)域B造成影響。

圖2 劃分不同距離發(fā)光目標(biāo)物亮度區(qū)域-水平能見度200 mFig.2 The luminance region of the luminous object at different distances is divided-horizontal visibility 200 m

圖3 劃分不同距離發(fā)光目標(biāo)物亮度區(qū)域-水平能見度100 mFig.3 The luminance region of the luminous object at different distances is divided-horizontal visibility 100 m

圖4 劃分不同距離發(fā)光目標(biāo)物亮度區(qū)域-水平能見度50 mFig.4 The luminance region of the luminous object at different distances is divided-horizontal visibility 50 m

2.3 視頻圖像參數(shù)計(jì)算分析

在每3 min間隔視頻中的等時(shí)間間隔(圖像按間隔5～10 s截取1張)截取圖像，在得到的完整圖像中再選擇裁剪不同距離處(200、100、50 m)的發(fā)光目標(biāo)物光區(qū)域圖片，分別統(tǒng)計(jì)A、B、C 3個(gè)特征區(qū)域光參數(shù)。由于不同水平能見度和環(huán)境光條件下，A、B、C 3個(gè)特征區(qū)域的光線可能分布不均，因而用均值法求得矩形環(huán)內(nèi)光亮度平均值，數(shù)學(xué)表達(dá)式為

(2)

式(2)中：IA、IB、IC分別為距離200、100、50 m處的發(fā)光目標(biāo)物光源環(huán)境光區(qū)域、光域邊緣區(qū)域、光域中心區(qū)域同一像素點(diǎn)k張圖片亮度的平均值；Ik(x,y)為第k張圖像(x,y)像素點(diǎn)處的亮度值；N為時(shí)段內(nèi)段截取圖像張數(shù)，按每3 min選取20～30張圖像資料統(tǒng)計(jì)分析(去除有車燈干擾圖像和無(wú)路燈圖像)。

用式(3)計(jì)算出3個(gè)特征區(qū)域的平均亮度值，用計(jì)算值可評(píng)估發(fā)光目標(biāo)物在不同水平能見度條件下，3個(gè)特征區(qū)域的光亮度變化情況為

(3)

從2020年1—9月期間的視頻資料中，篩選水平能見度小于500 m的團(tuán)霧和非團(tuán)霧天氣，剔除車燈干擾明顯和無(wú)路燈圖像后，共選取水平能見度數(shù)值有代表性的35時(shí)次進(jìn)行分析。分別統(tǒng)計(jì)分析水平能見度小于200 m的團(tuán)霧天氣視頻參數(shù)，以及水平能見度大于200 m的非團(tuán)霧天氣視頻參數(shù)，用附近能見度儀的監(jiān)測(cè)資料作為圖像分析的參照數(shù)據(jù)(由于前散能見度儀本身存在10%～20%的誤差，需輔以附近目標(biāo)物人工觀測(cè))。

圖5 發(fā)光目標(biāo)物不同能見度的亮度差和標(biāo)準(zhǔn)差Fig.5 Luminance difference and standard deviation of different visibility of luminous object and object

根據(jù)圖2～圖4劃定的特征區(qū)域的方法，對(duì)圖像資料劃分區(qū)域，分析各區(qū)域的光亮度參數(shù)變化規(guī)律，圖5為能見度0～500 m時(shí)，50、100、200 m處區(qū)域光亮度差值(發(fā)光目標(biāo)物邊緣區(qū)域光亮度與環(huán)境光區(qū)域光亮度的差值)和光亮度標(biāo)準(zhǔn)差值(發(fā)光目標(biāo)物邊緣區(qū)域亮度標(biāo)準(zhǔn)差與中心區(qū)域亮度標(biāo)準(zhǔn)差的差值)的分析結(jié)果，橫坐標(biāo)表示水平能見度，縱坐標(biāo)表示亮度(灰度)差值，灰度值為黑白圖片亮度的相對(duì)數(shù)值(0～255)，無(wú)單位名稱。從圖中可看出，參數(shù)值隨水平能見度數(shù)值變大而逐漸增大，100、200 m處亮度差值增加相較于50 m處亮度差值增加速度緩慢，50 m處亮度差值增加速度較快。亮度標(biāo)準(zhǔn)差值化總體變化趨勢(shì)為波動(dòng)上升，表現(xiàn)為與亮度差值同步增長(zhǎng)趨勢(shì)，隨著亮度差值的增大，亮度標(biāo)準(zhǔn)差值也相應(yīng)增大。

圖5中，亮度標(biāo)準(zhǔn)差值總體與亮度差值保持較好的一致性，但局部也出現(xiàn)了明顯偏離現(xiàn)象，在200 m處能見度小于50 m時(shí)，亮度標(biāo)準(zhǔn)差值明顯升高，原因可能是路燈中心亮度非常弱，而環(huán)境光把原來(lái)較暗的路燈邊緣局部照亮，從而邊緣區(qū)域的標(biāo)準(zhǔn)差明顯增大；在50 m處能見度500 m附近時(shí)，光亮度標(biāo)準(zhǔn)差值出現(xiàn)明顯下降，其原因需要進(jìn)一步探究。從統(tǒng)計(jì)資料還可看出，水平能見度小于200 m時(shí)，位于200 m處亮度差值都小于或等于10，亮度標(biāo)準(zhǔn)差值都小于或等于0。

圖5對(duì)水平能見度與光亮度參數(shù)進(jìn)行了初步統(tǒng)計(jì)分析，總體上把握其變化規(guī)律。得到了亮度標(biāo)準(zhǔn)差值、亮度差值與團(tuán)霧水平能見度變化的內(nèi)在聯(lián)系，為建立團(tuán)霧分級(jí)預(yù)警模型奠定數(shù)據(jù)分析基礎(chǔ)。

3 建立團(tuán)霧分級(jí)預(yù)警模型

從2.3節(jié)分析可知，不同距離處的發(fā)光目標(biāo)物在圖像上不同區(qū)域的亮度參數(shù)變化與水平能見度呈現(xiàn)明顯關(guān)聯(lián)性，比較3個(gè)特征區(qū)域光亮度參數(shù)，圖像中發(fā)光目標(biāo)物邊緣的亮度差值隨著水平能見度的減小而減弱，標(biāo)準(zhǔn)差值變化趨于更加平穩(wěn)。從圖5看出，水平能見度與亮度差值(ld)、標(biāo)準(zhǔn)差值(sd)基本存在著一致的線性變化關(guān)系，為定量分析水平能見度與亮度參數(shù)的關(guān)系，另外還需考慮環(huán)境光的影響(環(huán)境光具有不均勻性，對(duì)邊緣的影響也具有不均勻性，兩者的差值可將這種不均勻性抵消)，引入邊緣區(qū)域標(biāo)準(zhǔn)差與環(huán)境光標(biāo)準(zhǔn)差的差值ad(簡(jiǎn)稱環(huán)標(biāo)差值)和中心亮度與環(huán)境光亮度差值cd(簡(jiǎn)稱心環(huán)差)變量，選用多項(xiàng)式函數(shù)進(jìn)行線性回歸分析，建立水平能見度與上述變量之間函數(shù)關(guān)系式。

按高速公路團(tuán)霧預(yù)警等級(jí)[30]，只對(duì)水平能見度小于200 m的團(tuán)霧建立預(yù)警模型，分別建立距離攝像儀200、100、50 m處發(fā)光目標(biāo)物圖像的亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度線性回歸模型。表1給出了距離攝像儀不同距離處發(fā)光目標(biāo)物水平能見度與亮度差值、標(biāo)準(zhǔn)差值線性回歸分析結(jié)果。從表1可看出，3個(gè)函數(shù)的復(fù)相關(guān)系數(shù)R都在0.925以上，200 m處的復(fù)相關(guān)系數(shù)R達(dá)到0.990，因子和變量間有較強(qiáng)關(guān)聯(lián)性。決定系數(shù)R2均在0.855以上，200 m處的回歸函數(shù)的R2達(dá)到0.979，調(diào)整后的決定系數(shù)R2最低值等于0.833，說(shuō)明其擬合優(yōu)度水平較高，模型變量具有較好的解釋性，該模型對(duì)團(tuán)霧天氣具有更好的模擬優(yōu)度。

表2為距離攝像儀50 m處發(fā)光目標(biāo)物亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度(用v1表示)線性回歸分析結(jié)果。自變量亮度差值、環(huán)標(biāo)差值均通過了顯著性檢驗(yàn)(t分別為6.708和5.600，p均小于0.01)，由VIF可看出，自變量之間不存在共線性。標(biāo)準(zhǔn)化系數(shù)表明，亮度差值與能見度之間存在正向變化關(guān)系，亮度差值越低水平能見度就越低，反之變大。環(huán)境光標(biāo)準(zhǔn)差值也存在正向相關(guān)性，環(huán)境光標(biāo)準(zhǔn)差值隨著水平能見度升高會(huì)升高。

距離攝像儀50 m處的水平能見度計(jì)算公式為

v1=3.873+2.248ld+4.415ad

(4)

表3為距離攝像儀100 m處發(fā)光目標(biāo)物亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度(用v2表示)線性回歸分析結(jié)果。自變量亮度差值、環(huán)標(biāo)差值、心環(huán)差均通過了顯著性檢驗(yàn)(t分別為4.419、-2.305和4.016，p均小于0.01，環(huán)境光標(biāo)準(zhǔn)差值小于0.05)，VIF表明，自變量之間也不存在共線性。從標(biāo)準(zhǔn)化系數(shù)看，亮度差值與水平能見度之間也存在明顯的正向變化關(guān)系，環(huán)境光標(biāo)準(zhǔn)差在回歸模型分析結(jié)果為負(fù)值，環(huán)境光標(biāo)準(zhǔn)差隨著水平能見度降低會(huì)升高，中心亮度與環(huán)境光亮度差與水平能見度之間也存在明顯的正向變化關(guān)系。

表1 回歸決定系數(shù)表Table 1 Table of regression determination coefficient

表2 50 m回歸分析結(jié)果Table 2 Results of 50 m regression analysis

表3 100 m回歸分析結(jié)果Table 3 Results of 100 m regression analysis

距離攝像儀100 m處的水平能見度計(jì)算公式為

v2=41.445+2.373ld-2.178ad+1.370cd

(5)

表4為距離攝像儀200 m處發(fā)光目標(biāo)物亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度(用v3表示)線性回歸分析結(jié)果。自變量亮度差值、標(biāo)準(zhǔn)差值通過了顯著性檢驗(yàn)(t分別為26.271和-5.209，p均小于0.01)，自變量之間同樣不存在共線性。從標(biāo)準(zhǔn)化系數(shù)看，亮度差值與水平能見度之間也存在明顯的正向變化關(guān)系，標(biāo)準(zhǔn)差值在回歸模型分析結(jié)果為較小的負(fù)向值，標(biāo)準(zhǔn)差值隨著水平能見度降低會(huì)升高，從圖5(c)可看出，能見度大于150 m時(shí)，標(biāo)準(zhǔn)差值隨著水平能見度升高明顯的波動(dòng)升高。

表4 200 m回歸分析結(jié)果

距離攝像儀200 m處的水平能見度計(jì)算公式為

v3=54.282+8.918ld-1.256sd

(6)

在3個(gè)回歸模型中，亮度差值與水平能見度數(shù)值相關(guān)性較強(qiáng)，較好地反映了與水平能見度變化。對(duì)距離攝像儀200、100、50 m處的發(fā)光目標(biāo)物圖像亮度差值、標(biāo)準(zhǔn)差值、環(huán)標(biāo)差值、心環(huán)差與水平能見度的回歸模型都擬合出了較好的結(jié)果，尤其是能見度200、50 m處的擬合效果更好。模型變量具有較好的解釋性，利用該模型對(duì)高速公路團(tuán)霧進(jìn)行模擬監(jiān)測(cè)預(yù)警，并檢驗(yàn)其準(zhǔn)確性。

4 團(tuán)霧分級(jí)預(yù)警及模型檢驗(yàn)

以上回歸模型可嵌入高速公路團(tuán)霧預(yù)警系統(tǒng)，團(tuán)霧預(yù)警系統(tǒng)對(duì)監(jiān)測(cè)設(shè)施采集的視頻圖像進(jìn)行分步驟處理，統(tǒng)計(jì)計(jì)算圖像特征區(qū)域的光亮度參數(shù)值，進(jìn)而據(jù)回歸模型計(jì)算200、100、50 m不同距離處的水平能見度，再根據(jù)團(tuán)霧的覆蓋區(qū)域范圍確定團(tuán)霧預(yù)警等級(jí)，具體檢驗(yàn)流程如圖6所示。

本文分級(jí)發(fā)布的團(tuán)霧紅色預(yù)警、橙色預(yù)警、黃色預(yù)警參照現(xiàn)行的“高速公路團(tuán)霧預(yù)警等級(jí)”標(biāo)準(zhǔn)[30]，在此基礎(chǔ)上進(jìn)行了細(xì)化，發(fā)布分級(jí)預(yù)警標(biāo)準(zhǔn)如表5所示。

團(tuán)霧的范圍是指團(tuán)霧覆蓋的高速公路的長(zhǎng)度。參照第3節(jié)的回歸模型，攝像儀到50 m處目標(biāo)物之間水平能見度是v1，到100 m處目標(biāo)物之間水平能見度是v2，到200 m處目標(biāo)物之間水平能見度是v3，在這里團(tuán)霧覆蓋的高速公路的長(zhǎng)度D可用攝像儀與發(fā)光目標(biāo)物(200、100、50 m處)之間的距離分別代替。

圖6 團(tuán)霧分級(jí)預(yù)警流程圖Fig.6 Local dense fog classification and early warning flow chart

表5 團(tuán)霧分級(jí)預(yù)警指標(biāo)Table 5 Local dense fog classification and early warning index

圖7 能見度計(jì)算模型檢驗(yàn)結(jié)果Fig.7 The test results of visibility calculation model

從團(tuán)霧監(jiān)測(cè)樣本中，共計(jì)選取31個(gè)時(shí)次圖像資料，分別代表不同水平能見度級(jí)別的數(shù)據(jù)，按照?qǐng)D6所示的流程對(duì)模型進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如圖7所示。從檢驗(yàn)結(jié)果可看出發(fā)光目標(biāo)物視頻模擬測(cè)算的水平能見度數(shù)值與實(shí)況數(shù)據(jù)較為接近，數(shù)值誤差基本在10%之內(nèi)。50 m處發(fā)光目標(biāo)物測(cè)算的局部(能見度大于90 m)誤差超過20%，但其他部分均小于10%，這對(duì)于判斷紅色預(yù)警信號(hào)等級(jí)不會(huì)產(chǎn)生影響。

水平能見度小于200、100 m的天氣檢驗(yàn)效果非常好，數(shù)值誤差基本均在10%之內(nèi)。按統(tǒng)計(jì)的實(shí)況資料，試驗(yàn)路段共計(jì)出現(xiàn)紅色預(yù)警18次、橙色預(yù)警10次、黃色預(yù)警17次，模型測(cè)算結(jié)果發(fā)送的紅色預(yù)警正確16次，錯(cuò)誤兩次(一次空發(fā)一次漏發(fā))正確率88.9%；發(fā)送橙色預(yù)警正確10次，發(fā)送黃色預(yù)警正確17次，兩者正確率均達(dá)到100%。以上檢驗(yàn)結(jié)果說(shuō)明本文建立的團(tuán)霧分級(jí)預(yù)警模型具有較高的準(zhǔn)確性，可實(shí)現(xiàn)對(duì)高速公路團(tuán)霧監(jiān)測(cè)預(yù)警目的。

5 結(jié)論與展望

通過對(duì)團(tuán)霧天氣下公路固定距離發(fā)光目標(biāo)物視頻圖像監(jiān)測(cè)、接收、處理，依據(jù)能見度基本理論，對(duì)圖像進(jìn)行光亮度參數(shù)統(tǒng)計(jì)分析，配合前散射能見度儀對(duì)比校驗(yàn)(并輔以附近目標(biāo)物人工觀測(cè))，得到了發(fā)光目標(biāo)物光亮度參數(shù)與水平能見度相關(guān)性分析結(jié)果，進(jìn)而獲得光亮度參數(shù)與水平能見度線性回歸模型。利用回歸模型分別計(jì)算出距離攝像儀50、100、200 m處的團(tuán)霧水平能見度數(shù)值，參照“高速公路團(tuán)霧預(yù)警等級(jí)”標(biāo)準(zhǔn)確定出團(tuán)霧路段的預(yù)警等級(jí)?？捎糜诮⒏咚俟穲F(tuán)霧監(jiān)測(cè)預(yù)警平臺(tái),可向交通運(yùn)營(yíng)、管理部門、交通參與人發(fā)布團(tuán)霧分級(jí)預(yù)警信息。

發(fā)光目標(biāo)物視頻圖像團(tuán)霧監(jiān)測(cè)預(yù)警，從一個(gè)新的角度切入，并得到了較為精確的團(tuán)霧水平能見度計(jì)算結(jié)果，在一定程度上解決了前人研究成果中的視頻圖像分析難以連續(xù)監(jiān)測(cè)預(yù)警等問題。發(fā)光目標(biāo)物視頻分析技術(shù)將來(lái)可與GIS分析技術(shù)、導(dǎo)航技術(shù)相結(jié)合，將形成及時(shí)、準(zhǔn)確的高速公路團(tuán)霧分級(jí)預(yù)警體系。發(fā)光目標(biāo)物視頻圖像團(tuán)霧監(jiān)測(cè)預(yù)警模型將會(huì)成為高速公路團(tuán)霧監(jiān)測(cè)預(yù)警的主要方法之一。

由于中國(guó)的路燈照明設(shè)備還沒有統(tǒng)一的標(biāo)準(zhǔn)，各地公路使用的攝像儀器型號(hào)也不盡相同，甚至攝像儀器和發(fā)光目標(biāo)物的水平、垂直角度也各不相同，根據(jù)上述方法得到的回歸模型會(huì)存在較大差異。本研究的目的在于從一個(gè)新的視角探討監(jiān)測(cè)預(yù)警高速公路團(tuán)霧的思路和方法，各地應(yīng)根據(jù)實(shí)際監(jiān)測(cè)資料統(tǒng)計(jì)分析，獲得適用于當(dāng)?shù)貙?shí)際情況的高速公路團(tuán)霧監(jiān)測(cè)預(yù)警模型。無(wú)論得到何種預(yù)警模型，將來(lái)模型都需要在實(shí)踐中檢驗(yàn)，其穩(wěn)定性和精確性仍需在應(yīng)用中加以完善。