智慧城市議程的一個方面是智能交通系統的部署。舊金山市交通局 (SFMTA) 使用激光雷達傳感器的試點項目展示了激光雷達如何為該市的智能交通信號試點提供解決方案，這是舊金山零愿景政策的一部分。

該市“零愿景”政策的目標是改善道路安全，因為據認為每年約有 30 人在舊金山街頭旅行時喪生，另有 200 多人受重傷。在這個更大的框架內進行智能交通信號試點的目標是探索使用多模式智能交通信號系統 (MMITSS)、專用短程通信 (DSRC)、交通信號優先 (TSP) 和緊急車輛搶占 (EVP) ) 為緊急和運輸車輛提供優先權的技術。此外，MMITSS 還應該能夠檢測行人和自行車，為他們提供領先的間隔、加擾和/或受保護的相位。

于 2020 年 1 月結束的第一個概念驗證在五個十字路口部署了激光雷達傳感器，并展示了以 96% 的準確率準確匿名地分析數據的能力。第二個概念驗證期望將數據層添加到信號控制網絡中，以啟用 ITS 中的“智能”；這項工作正在進行中，預計將于 2021 年初完成。

我們采訪了兩位相關人士，他們對這項技術、其部署和獲得的結果有所了解，在這里我們展示了對話的重點。首先，我們采訪了激光雷達傳感器技術提供商 Quanergy 的首席營銷官 Enzo Signore。然后，我們與 SFMTA 項目的獨立戰略執行顧問 Paul Hoekstra 一起深入研究了實際的概念驗證項目。

激光雷達：匿名跟蹤對象的 ID

Quanergy 的 Enzo Signore解釋了激光雷達技術在此類應用中的優勢，需要人員和車輛計數和流量管理，尤其是在禁止面部識別的情況下。

激光雷達技術在體育場和智能城市等應用中的關鍵價值主張是能夠匿名跟蹤經過各種傳感器點的物體。例如，一輛汽車會經過很多十字路口，或者行人會經過很多區域。Quanergy 可以做的是為對象分配一個 ID，該 ID 將在被監控區域的整個旅程中與對象保持一致。

激光雷達是一種飛行時間傳感技術，它可以脈沖低功率、人眼安全的激光，并測量激光完成傳感器和目標之間的往返行程所需的時間。生成的聚合數據用于生成 3D 點云圖像，提供空間位置和深度信息以識別、分類和跟蹤移動對象。（圖片：Quanergy）

這樣做非常復雜，因為當您經過多個交叉路口時，您需要多個傳感器和多個服務器來進行邊緣計算。大多數技術只會對他們正在管理的區域有一個孤立的視圖，當跨越一個區域和另一個區域之間的邊界時，ID 將會丟失，您將獲得另一個 ID。使用這種方法，您開始忘記所有的人流。

我們有一種稱為自動 ID 交接的技術，可以將人或車輛的 ID 從一個區域傳遞到另一個區域。因此，只要我們有視野，相同的 ID 就會與對象保持一致。這提供了非常好的端到端可見性和跟蹤。這對于機場很重要，例如從路邊到登機口，您可以優化乘客體驗，以及購物中心和城市。每個人的單一 ID 有助于實現端到端分析。

Quanergy 的傳感器 M 系列提供長距離檢測，例如專為流量管理應用而設計的 MQ-8。以下是這些傳感器的不同之處。典型的激光雷達傳感器具有對稱的光束配置。如果您將傳感器平放，則通常一半的光束會射向天空，一半的光束會射向地面。如果它安裝在 3 米高的路燈柱上，俯視行人視野，那么在這種配置中，一半的光束被浪費了。

在我們的設計中，所有的光束實際上都指向下方，從而能夠對稱地覆蓋地面。這意味著當一個人走過視野時沒有盲點。這使得能夠在視野范圍內的任何地方不間斷地跟蹤人員或車輛。我們可以看到一個最大范圍為 70m（即：15,000 平方米）的物體。這是一個非常大的區域，否則需要許多攝像機才能實現類似的覆蓋范圍。因此，這減少了傳感器的數量以及成本。

克服與面部識別相關的隱私問題

SMTA 的 Paul Hoekstra描述了在 3rd Street的五個十字路口實施第一個概念驗證 (PoC) 背后的想法和結果，并計劃擴大覆蓋范圍。

我們于 2019 年 4 月開始與 SFMTA、思科和 Quanergy 作為該項目的合作伙伴合作。最初作為思科軟件包的一部分，我們擁有 DSRC 傳感器。我們發現我們只是用它們來聽走廊里和我們正在覆蓋的高速公路上的所有汽車。我們發現只有不到 1% 的汽車實際上會廣播 DSRC 信號。從這個用例的角度來看，結論是不能使用 DSRC 進行流量測量。它只是不足以做出決定。

在這個時間點，我們現在已經完成了第一個（PoC）與 Quanergy 傳感器，現在我們正處于第二個 PoC 的中間。

在第一個 PoC 中，我們使用了 20 個激光雷達傳感器，將它們安裝在 3 rd Street 的五個十字路口，靠近去年開放的新籃球場。我們使用運行 Quanergy QORTEX 軟件的 Cisco TRX 進行邊緣計算。來自激光雷達的數據通過 TRX 盒，Qortex 軟件將數據發布到網絡，該網絡將進入數據中心，這是一個運行 Cisco Kinetic 平臺的小型 VM 集群，存儲所有消息——每周 3000 萬條。

每個星期天都會在上面發布報告，一份關于車輛的報告，通過交叉路口的激光雷達 ID 識別車輛，并帶有一大堆屬性，比如時間、星期幾、它來自哪里、去哪里、多久停止一次，停止多長時間，速度是多少，是否有事件（來自事件日歷）。這樣，我們就可以連接所有的十字路口，并跟隨車輛通過走廊。然后我們可以說，“這是在走廊南側進入北行的數量，然后關閉了多少，等等”。

我們使用 Quanergy 的 QORTEX 對其進行了校準，并達到了 96% 的準確度。您不能只用激光雷達計算 ID；您必須構建邏輯以確保出口中的 ID 與入口中的 ID 相同。有了這個邏輯，我們可以跟隨汽車通過十字路口。我們有定義什么是停止的邏輯。因此，我們最終達到了 96% 的準確度，它非常精確。對于行人，通過我們定義的區域，您可以看到該人是在路邊上還是在路邊外。您可以查看一個人是在人行橫道的邊界之內還是之外。你可以看到一輛車離這個人有多近。有了這種數據，我們就可以創建未遂事故報告。我們已經定義了near misses是什么——向量、速度，然后計算它們碰撞的時間，以及它是否在一定的范圍內，然后你稱之為near miss。

這之所以成為可能，是因為來自 QORTEX 的數據非常精確，我們無需識別任何人就可以看到。我們不會存儲任何可識別的個人信息。一個人只是一個點。而汽車只是一個街區，你不知道它是什么車。我們根據大小進行分類。

在第二個概念驗證中，10 個傳感器覆蓋了舊金山的一條更大的交通走廊，沿著 Channel 和 20th Street 之間的 3rd Street（圖片：Paul Hoekstra）

第一個 PoC 是關于分析的。在第二個中，我們正在擴大交叉點的數量。所以現在我們有五個，我們要去十個。換句話說，一個更大的走廊。

然后，我們將對當前鎖定在機柜內的所有數據進行分層。在機柜中有一個信號控制器，控制器上有許多執行器。這些可能是循環檢測車輛、行人按鈕或輕軌中的傳感器。有交通信號優先級。所有這些都位于嵌入式信號控制器中。

所以我們現在正在做的是實現與信號控制器的雙向信息交換，從交叉路口獲取所有數據，例如激光雷達數據和對象分類（同樣完全匿名），在站臺和公交車站。這些傳感器的對象分類（全部在傳感器上處理）將為我們提供人數以及他們的分類——例如，是否有人坐在輪椅上，是否有人推著嬰兒車，或者他們是否有一輛自行車。許多這些因素將決定運輸車輛的停留時間。我們想知道根據那里有多少人預測的停留時間。

從后端系統中，我們將獲取車輛數量。然后通過分析，我們可以確定是需要 20 秒的停留時間還是 32 秒的停留時間。然后我們可以推斷所有 10 個交叉點，

將整個交通走廊視為一個網絡
要優化整個走廊，我們無法在不準確了解人員和車輛的位置以及持續時間的情況下進行。這意味著我們將整個走廊視為一個網絡，而不是一個單獨的節點。這意味著我們以高頻率運行算法，現在我們正在討論是否需要超過 1 赫茲，我們每秒鐘重新計算一次。

然后我們實際上告訴信號控制器，你應該在北行綠燈。這關閉了循環。從思科的供應鏈工作中學習，您知道這是您通過交叉路口移動物品的唯一方法。所有的技術都是可用的，但它只優化了所有的孤島。通過這種方式，我們正在以一種新的范式，即綜合交通管理方式向前邁進一大步。

舊金山已經有 7,000 臺攝像機。但是相機只能給你一張 2D 圖片。位置的精度不如使用激光雷達所能達到的精度。激光雷達總是在雨中，在晚上工作。它與隱私問題相去甚遠。當人們知道他們正在被跟蹤，或者他們可以被識別時，就會出現人們不信任政府來保護他們的問題。

該項目的成果是使應急車輛在處理緊急情況時具有優先權，優化交通時間和停靠點，甚至在沒有公共交通的情況下將汽車排成一列，以便更有效地通過走廊。

審核編輯 黃昊宇