摘要
现代社会面临着严峻的交通系统问题，包括但不限于交通拥堵、安全隐患和环境污染。信息通信技术在现代交通系统中受到越来越多的关注和重视。汽车制造商正在开发车载传感器及其在安全、交通管理和信息娱乐等不同领域的应用。政府机构正在部署摄像头和传感器等路边基础设施，以收集有关环境和交通状况的数据。通过将车辆与传感设备无缝集成，可以充分利用它们的传感和通信能力，构建智能交通系统（ITS）。本文探讨了如何将传感器技术与交通基础设施相结合，以实现可持续的智能交通系统，以及安全、交通控制和信息娱乐应用如何从部署在智能交通系统不同组成部分的多个传感器中受益。最后，本文还讨论了实现全面运行且协同工作的智能交通系统环境所需解决的一些挑战。
1、引言
交通系统已成为所有国家经济增长的重要基础。然而，世界上许多城市正面临着交通流量的无序增长，引发了诸如延误、交通堵塞、燃油价格上涨、二氧化碳排放量增加、交通事故、紧急事件频发以及现代社会生活质量下降等严重问题。根据得克萨斯州交通研究所的一份报告，在美国，通勤者每年约有 42 小时被困在交通中，司机每年浪费的燃油超过 30 亿加仑，全国范围内的经济损失高达 1600 亿美元，相当于每位通勤者 960 美元。联合国人口基金和人口参考局的报告显示，由于全球许多国家的人口增长和向城市地区的迁移加剧，这些问题在未来将进一步恶化。因此，迫切需要提高交通的安全性和效率。
信息通信技术（ICT）在硬件、软件和通信等领域的进步，为开发可持续的智能交通系统创造了新的机遇。将信息通信技术与交通基础设施相结合，将能提供更优质、更安全的出行体验，并推动向智能交通系统（ITS）的转型。智能交通系统秉持四大基本原则：可持续性、集成性、安全性和响应性。这些原则将在实现智能交通系统的主要目标（包括出行便利性、环境可持续性和经济发展）中发挥关键作用。
智能交通系统的成功在很大程度上取决于用于获取、收集和处理来自环境的准确数据的平台。传感平台大致分为两类：第一类是车载传感平台，用于收集车辆自身状态的数据；第二类是城市传感平台，用于收集交通状况信息。传感器技术是车对车（V2V）和车对基础设施（V2I）通信中数据收集的关键组件。这些数据随后被提供给交通管理系统进行进一步的处理、分析，并据此做出决策和采取行动。智能交通系统有望解决高燃油价格、高二氧化碳排放、严重交通拥堵等问题，并改善道路条件。
本文的研究贡献
本文的主要贡献包括三个方面。首先，阐述并探讨了如何将传感器技术与交通基础设施相集成，以构建可持续的智能交通系统，解决高二氧化碳排放、严重交通拥堵等问题，并提高道路安全性。本文描述了传感器在交通基础设施中的部署位置、收集的信息类型以及这些信息如何用于改善交通，使其更加智能化。其次，探讨了用户应用（驾驶辅助、乘客娱乐、碰撞预警等）和智能交通系统应用（交通控制、道路状况监测等）如何从嵌入在智能交通系统组件中的传感器技术中受益。本文还提出了一种应用分类法，这些应用将直接受益于所收集的所有传感器数据，并通过提高成本效益、能源效率以及为终端用户和交通系统管理机构提供更高效的运营，来改善交通系统。最后，本文讨论了传感器技术未来需要解决的一些挑战，以实现全面运行、非侵入性且协同工作的智能交通系统环境。
2、传感器技术
在过去十年中，传感器技术已变得无处不在，并受到了广泛关注。传感器已被应用于多个领域，如医疗保健、农业、森林、车辆和海洋监测等。在交通领域，传感器技术支持设计和开发各种交通控制、安全和娱乐应用。近年来，由于美国联邦法规的要求，轮胎压力传感器和后视可视系统等传感器和执行器已成为车辆制造和智能交通系统实施中的必备设备，旨在提高驾驶员和乘客的满意度、改善道路安全并减少交通拥堵。制造商还会选择性地安装其他传感器，以监测车辆的性能和状态，为驾驶员提供更高的效率和辅助。目前，一辆汽车平均配备约 60-100 个传感器，但随着车辆变得更加 "智能"，每个车辆的传感器数量可能会达到 200 个。
在文献中，作者根据传感器在车辆中的部署位置，将其分为三类：动力传动系统传感器、底盘传感器和车身传感器。另一项研究则根据传感器旨在支持的应用类型对车辆传感器进行分类，确定了四类传感器：安全传感器、诊断传感器、便捷性传感器和环境监测传感器。本文在文献提出的四类传感器分类基础上进行了扩展，增加了两类传感器，即驾驶监测传感器和交通监测传感器，如下表 1 所示。
表 1、车辆中使用的传感器分类
2.1 车载传感器
在智能交通系统中，确定用于开发相关应用的传感器类型至关重要，这些应用旨在解决以下问题：（1）交通拥堵和停车困难；（2）通勤时间过长；（3）二氧化碳排放量高；（4）道路交通事故数量增加等，以提高车辆性能并增强驾驶体验。图 1 展示了当今车辆中一些最广泛使用的传感器。
图 1、不同类型的车载传感器
车载传感器的应用
轮胎压力监测是美国国家公路交通安全管理局要求的一项应用，当轮胎气压过低时，通过声音、灯光或振动警报提醒驾驶员。
接近传感器、超声波传感器和电磁传感器用于停车辅助和倒车预警应用。接近传感器可以检测车辆何时靠近物体；超声波传感器利用一种声纳技术来确定车辆与物体的距离，当车辆距离物体小于设定阈值时向驾驶员发出警报；电磁传感器则在物体进入前后保险杠周围产生的电磁场时向驾驶员发出警报。接近传感器已被用于开发基于矩形电容式接近传感阵列的系统，用于量化乘员头部位置，以满足公路安全保险协会（IIHS）的指导方针。然而，这类传感器经常受到温度和湿度的影响，降低了其准确性。
雷达（RAdio Detection And Ranging, RADAR）和激光传感器持续扫描道路，监测前方、侧面和后方的碰撞情况，并允许安全应用通过无线电波确定障碍物与传感器之间的距离，从而调整油门并启动刹车，以防止潜在的碰撞或危险情况。如果检测到车辆附近有物体，该应用会通知驾驶员，并自动启动刹车以避免碰撞。
陀螺仪和加速度计传感器用于惯性导航系统（INS），以确定车辆的位置、方向和速度等参数。惯性导航系统通常与全球定位系统（GPS）结合使用，以提高准确性。
雷达和速度传感器用于检测车道变更或车道偏离时向驾驶员发出潜在危险警报的应用。驾驶员通常会通过座椅或方向盘的振动或声音警报得到提醒。
摄像头的用途包括：（1）监测驾驶员的身体姿势、头部位置和眼部活动，以检测疲劳等异常状况或车辆行驶异常（如偏离道路直线行驶或行人突然横穿车前）；（2）执行夜视辅助应用，帮助驾驶员看得更远，并检测路径中可能导致潜在危险或事故的物体，如动物、行人或树木。
激光雷达（LIght Detection And Ranging, LIDAR）已成为自动驾驶车辆发展的关键组件。激光雷达使自动驾驶汽车（或任何机器人）能够以一些特殊特性观察世界，例如 360 度连续视野和高精度深度信息。激光雷达传感器持续发射激光束，然后测量光线返回传感器所需的时间。
尽管每辆车中的传感器数量不断增加，但它们与其他组件的集成以及不同品牌之间缺乏广泛认可的标准，是其应用推广的一大障碍。此外，当前的自动化系统在功能上也存在局限性。例如，沃尔沃的城市安全系统的速度限制为 50 公里 / 小时或以下，以避免与其他车辆碰撞或撞到摩托车手或骑自行车的人。该城市安全系统基于激光单元，因此在黑暗条件下，只有当车辆的前灯和尾灯开启且清晰可见时，才能检测到车辆。
2.2 道路传感器
交通基础设施的战略投资对一个国家的发展至关重要，是现代经济的核心。每年，世界各国政府都会在交通领域投入大量资金。在美国，每年的投资约占国内生产总值（GDP）的 1.6%，而欧洲在 2014 年的投资约为 1020 亿欧元，其中 52% 用于道路基础设施。尽管汽车行业已投入大量资金，通过在车辆内部使用传感器来提高车辆的安全性、性能和舒适性，但利用路边部署的设备收集交通数据已成为智能交通系统面临的主要挑战之一。在交通网络中部署传感器可为驾驶员提供新的服务，例如智能停车（如为驾驶员匹配可用的停车位）以及根据道路拥堵程度制定的差异化定价。传感器实时收集环境数据，经过处理和分析后，可用于改善交通网络，提高其韧性。
根据部署位置，传感器可分为两类：侵入式传感器和非侵入式传感器。侵入式传感器安装在路面上，具有较高的准确性，但安装和维护成本也很高。基本上，侵入式传感器（如图 2 所示）可分为三类：（1）安装在道路上并通过有线或无线方式连接到处理单元的无源磁传感器；（2）横跨道路放置并通过有线 / 无线介质将数据传输到处理单元的气动管传感器；（3）埋在道路下的线圈，用于向处理单元发送数据。这类传感器在交通控制系统中应用最为广泛。
图 2、侵入式传感器类别，（a）嵌入式磁力计，（b）气动管传感器，（c）感应线圈
道路传感器的主要优势是技术成熟，已被广泛应用，且车辆检测准确性高。然而，道路传感器的主要缺点是：安装成本高，安装、维护和维修过程中会干扰交通。为解决上述问题，已实施的一种解决方案是引入无线电池供电的传感器节点，以替代侵入式传感器，这些传感器节点安装在路面上方。这项技术代表了交通传感器的一项变革，有望以比现有解决方案更低的成本，提高从道路收集的数据的质量、数量、准确性和可信度。
非侵入式传感器安装在道路上的不同位置（而非路面上方），如图 3 所示，能够检测车辆的通行情况以及车速、车道占用率等其他参数。然而，这类传感器价格昂贵，且可能受到环境条件的影响。通常，非侵入式传感器用于开发提供特定位置信息的应用，例如交通信号灯处的排队检测、交通状况、道路天气条件和路面状况等。一些传感器安装在桅杆上，用于监测特定的覆盖区域；另一些传感器安装在桥梁上，监测区域直接位于桥梁下方；还有一些传感器放置在路边地面，利用横穿道路的光束进行检测，主要用于单车道和单向车流，因为它们极易受到其他物体的干扰。
非侵入式传感器具备侵入式传感器的许多功能，且操作难度更低。然而，它们极易受到雪、雨、雾等气候条件的影响。准确的交通数据对于做出明智的决策以改善交通状况至关重要。驾驶员更容易发现非侵入式传感器，因此在检测到这些设备后，会做出不同且更快的反应，例如减速、使用正确的车道等。面临的挑战不仅是安装这些传感器，还包括基于收集到的数据缩短驾驶员的反应时间，并为他们提供更准确的道路环境和实际情况视图。
图 3、非侵入式传感器类别，（a）路边桅杆安装式，（b）桥梁安装式，（c）路边横穿式
目前，道路上使用了多种传感器。表 2 列出了目前用于统计车辆数量、车辆分类或监测道路状况以及其他一些实际用途的两类传感器（侵入式和非侵入式）。
表 2、目前用于交通控制的传感器类别
气动道路管传感器使用一根或多根横穿车道的管子，用于统计车辆数量和进行车辆分类。当车辆轮胎压过管子时，传感器会发出一阵气压，产生电信号，该电信号随后传输到处理单元。
感应线圈检测器（ILD）传感器是交通管理中最常用的传感器之一，用于收集交通流量、车辆占用率、长度和速度等数据。它由一根长导线缠绕成线圈，安装在道路表面内部或下方，当车辆经过传感器时，线圈电路的电气特性会发生变化，从而产生电信号并发送到处理单元。
磁传感器通过检测地球磁场的变化来检测车辆，用于收集流量、占用率、车辆长度和速度等数据，适用于桥梁部署。
压电传感器通过传感器电压的变化来检测高速行驶（速度约为 112 公里 / 小时）的车辆经过，最多可监测四条车道。压电系统通常由压电传感器和感应线圈检测器传感器组成。
视频图像处理器（VIP）系统包括多个视频摄像头、一台用于处理图像的计算机以及一套基于复杂算法的软件，用于解释图像并将其转换为交通数据。安装在路边的视频摄像头收集并分析交通场景的视频图像，利用流量和占用率等交通参数确定连续帧之间的变化。视频图像处理器系统的主要缺点是在恶劣天气条件下性能会下降。
雷达传感器发射低能量微波辐射，探测区域内的所有物体都会反射这种辐射。雷达传感器系统有不同类型：（1）多普勒系统，利用返回信号的频移来统计车辆数量，并非常准确地确定速度；（2）调频连续波雷达，像简单的连续波雷达一样辐射连续的传输功率，用于测量流量、速度和存在情况。一般来说，雷达传感器准确性高且易于安装，支持多个检测区域，可在白天或夜间运行。其主要缺点是极易受到电磁干扰。
红外传感器检测车辆、路面或其他物体产生的能量，将反射的能量转换为电信号并发送到处理单元。红外传感器分为两类：被动红外（PIR）传感器基于红外辐射的发射或反射检测车辆，用于收集流量、车辆存在情况和占用率数据；主动红外（AIR）传感器使用发光二极管（LED）或激光二极管测量反射时间，收集流量、速度、分类、车辆存在情况和交通密度等数据。
超声波传感器根据频率在 25 至 50 千赫兹之间的声波发射与物体反射回传感器之间的时间差，计算两个物体之间的距离。接收到的能量转换为电能后发送到处理单元。超声波传感器用于收集车辆流量和速度数据，这类传感器的主要缺点是对环境影响的敏感性高。
声学阵列传感器由一组麦克风组成，用于检测接近的车辆经过传感器覆盖区域时产生的声能增加。声学传感器正取代磁感应线圈，用于计算交通流量、占用率和车辆平均速度。
路面状况传感器利用激光和红外技术读取道路状况（温度和附着力），以提高交通安全性并执行道路维护计划。然而，这类传感器需要定期维护以保持其性能水平。
射频识别（RFID）传感器的用途包括：（1）自动识别道路上行驶的车辆并收集其数据；（2）智能停车和检测车辆以分配停车位。
尽管道路上已安装了许多传感器，但由于缺乏正确的校准和集群集成，收集到的数据不稳定，阻碍了智能交通系统按照交通管理部门、汽车制造商、道路使用者和所有智能交通系统利益相关者的预期进行发展和演进。智能交通系统有望利用各种集成传感器提供状况评估系统，并基于从集成传感器收集的数据快速做出决策，以改善交通状况。
2.3 关键传感器的讨论
尽管传感器已广泛应用，但它们只是汽车行业未来规划（自动驾驶车辆）中使用的各种设备的一小部分。传感器的冗余性和集成将提高自动驾驶、自动化或自主车辆的安全性和性能。如今的车辆已经配备了雷达和摄像头系统、冗余传感器以及用于控制它们的软件。然而，探测范围可达 300 米及以上的高分辨率且经济实惠的激光雷达系统仍处于预开发阶段，但预计未来几年此类组件将变得更加先进。
当前的摄像头系统正在使用互补金属氧化物半导体（CMOS）图像传感器，并将机器视觉与多个传感器（如雷达）集成，用于高级驾驶辅助系统（ADAS）和部分自动驾驶。摄像头系统的主要缺点是，在非照明和光照变化条件下，环境条件可能会影响物体检测，且计算机视觉在可靠检测方面存在局限性。摄像头系统面临的挑战是开发用于实时分析的快速图像采集和高效图像处理方法。
雷达传感器利用无线电波测量距离，并与外部控制器配合使用，调整油门以保持与物体的恒定距离。雷达的优势是重量轻且能够在不同条件下运行，但它的主要缺点是视野有限（不在车道中央行驶的小型车辆，如自行车或摩托车，可能无法被检测到）。
激光雷达是汽车行业中的一项新技术，用于测量与静止和移动物体的距离。激光雷达采用特殊程序提供检测到的物体的三维图像。激光雷达的主要缺点是尺寸大、成本高，且在恶劣天气条件（雪、雾、雨和空气中的尘埃颗粒）下性能有限，因为激光雷达使用光谱波。激光雷达无法检测颜色或对比度，光学识别能力较差。此外，如今激光雷达系统很少用于大规模生产。因此，由于成本和可用性原因，这项技术的潜力尚未得到充分挖掘。激光雷达技术面临的挑战是通过减小尺寸以方便集成到汽车中并实现更大的孔径角位置，降低在所有车辆中部署的成本。
特斯拉等公司正专注于开发基于仅包含摄像头和雷达传感器的系统的新型车辆，而谷歌在 Waymo 项目中则将激光雷达作为首选技术。
车辆辅助系统的实施没有统一的解决方案。新时代车辆的成功取决于多传感器系统的集成。摄像头系统正与雷达系统（安装在车辆前后以监测交通）集成，以提高速度和距离测量的精度，以及障碍物和移动物体轮廓的检测能力。雷达不一定能提供激光雷达那样的精细度，但雷达和激光雷达是很有前景的技术，它们可以很好地互补。
2.4 智能交通系统的互联技术
汽车行业提出了多种通信技术，用于在车辆、交通基础设施和行人之间交换数据。
2.4.1 车对车（V2V）通信的接入技术
现代车辆配备了许多传感器和电子系统以及车载通信网络。多种协议和网络用于连接车辆内部安装的不同传感器和设备。表 3 根据安全、交通控制和信息娱乐应用的不同数据速率范围，对协议和通信网络进行了分类。
表 3、车载通信的通信协议和通信网络分类
车对车和车对基础设施通信中一些最主要的接入技术包括：IEEE 车载环境无线接入（WAVE）标准，该标准包括专用短程通信（DSRC）规范、用于物理层（PHY）和媒体访问控制层（MAC）的 IEEE 802.11p 以及用于上层的 IEEE 1609 系列标准。研究人员已通过各种物理层和媒体访问控制层优化对这些技术的性能进行了评估。专用短程通信（DSRC）允许传感器、车辆和行人在约 300 米的范围内交换消息。动态频谱接入（DSA）是专用短程通信（DSRC）使用的一项补充技术，用于在未使用的频谱上交换信息。
J2735 是汽车工程师协会开发的另一项标准，用于车对车通信。该标准规定了基于专用短程通信（DSRC）/ 车载环境无线接入（WAVE）的通信系统所使用的应用程序的一组特性（如消息、数据帧和数据元素）。
尽管这些技术已经过测试，但它们的延迟时间较长（约 25 毫秒），不足以使汽车做出避撞动作，而且由于其传输频率，可能会出现无授权频谱冲突。此外，这些技术（无线网络、车载环境无线接入、专用短程通信、动态频谱接入）之间可能存在潜在干扰，从而增加事故发生的可能性。
2.4.2 车对基础设施（V2I）通信的接入技术
车对基础设施（V2I）基于车辆与路边基础设施之间无线交换关键安全和运行数据，以提高交通系统的性能。已提出多种接入技术用于车对基础设施通信。
4G/LTE 技术支持高数据速率（高达 129 兆比特 / 秒）、低延迟、大范围覆盖，并通过软切换和无缝切换实现高移动性。无源磁传感器、气动管传感器和感应线圈可以利用这项技术向车辆、行人或交通控制办公室传播数据。
全球微波互联接入（WiMAX）技术覆盖范围可达 50 公里，支持高达 70 兆比特 / 秒的数据速率，为移动用户提供宽带接入以进行数据交换，从而能够实施道路安全和交通分析应用。
近年来，研究重点一直放在利用现有和新兴的移动通信标准（如 LTE-X2 接口和 5G 设备到设备（D2D））作为提供汽车应用的替代技术所带来的优势上。其主要目标是利用现有的电信基础设施和网络收集数据，以提供新颖的高级驾驶辅助系统解决方案。
最近，SigFox 已成为物联网（IoT）设备之间交换数据的可行解决方案，提供了一个全球低功耗广域网（LPWA），可用于智能交通系统，传输来自道路上部署的不同传感器（如污染水平传感器、温度和湿度传感器等）收集的数据。
无线技术可以支持低于 5 毫秒的延迟时间，这被认为适用于安全应用。然而，其主要缺点是基础设施成本高，且需要与运营商签订订阅或服务协议才能使用网络。
3、智能交通系统应用分类法
图 4 展示了智能交通系统应用的分类法，该分类法根据智能交通系统的应用类型将其分为六类。
图 4、智能交通系统应用分类法
3.1 安全类应用
安全类应用专注于提高驾驶员和乘客的安全性（如图 5 所示），从而减少事故数量、人员受伤和死亡人数。
车道管理应用旨在确保车辆行驶时的安全。通过安装在后视镜后方的摄像头，该应用可以监测道路车道标记，并检测任何车道偏离情况。自适应巡航控制应用利用雷达、速度和距离传感器来调节车速，与前车保持安全距离。传感器与神经模糊或曲线半径预测等预测算法相结合，以确定道路弯道的最佳转向角度。盲点信息应用利用雷达传感器，当检测到盲点区域有车辆时，在驾驶员变更车道时发出警报。交叉路口碰撞预警应用利用位置和速度传感器确定车辆碰撞的概率，并在碰撞概率高于某个既定安全范围时发送预警信号。全景监测应用利用摄像头检测汽车周围的障碍物，使停车和操控过程更加容易。
为了进一步改进安全应用，重要的是融合来自多个来源的数据，并使用智能处理算法，不仅能向驾驶员发出通知，还能确定反应时间，做出快速的自动化决策，减少道路事故的可能性。
图 5：智能交通系统安全应用示例：（a）车道保持辅助，（b）自适应巡航控制，（c）盲点信息，（d）交叉路口碰撞预警，（e）道路危险预警，（f）全景监测
3.2 交通管理类应用
此类智能交通系统应用旨在改善道路和城市区域的交通流量（如图 6 所示）。监测应用可分为两类：固定监测系统，由安装在道路上的固定站点组成，使用摄像头和传感器监测道路状况；第二类称为道路监测，利用嵌入在车辆中的传感器和摄像头支持监测。
车道管理应用专注于在紧急疏散、事故或恶劣天气等特殊交通条件下，管理道路的可用容量。该应用利用雷达、摄像头和红外传感器检测车辆的占用率、方向和速度。特殊活动交通管理系统是车道管理系统的一种变体，用于控制和减少体育场或会议中心等特殊场所的道路拥堵问题。利用传感器（如雷达和红外传感器）和摄像头，可以根据交通需求改变车道的流向。
交叉路口管理应用是协作式应用，可有效替代传统的基于交通信号灯的交叉路口控制方法。在该应用中，道路使用者、基础设施和交通控制中心以集成的方式工作，结合射频识别（RFID）技术、接近传感器、超声波传感器、雷达传感器、摄像头、轨迹规划和虚拟交通信号灯建模，更高效地协调交通安全。
停车管理应用（PMA）利用磁力计、微波、感应线圈、红外或射频识别（RFID）技术收集停车占用情况信息，并告知驾驶员其所在区域附近的停车机会或可用车位，协助管理和分配停车位，从而减少驾驶员因寻找停车位而产生的挫折感和拥堵问题。
图 6、智能交通系统交通管理应用，（a）车道管理，（b）监测，（c）停车管理，（d）自动收费，（e）特殊活动交通，（f）交叉路口管理
交通管理应用正变得越来越重要。然而，所有这些应用必须形成一个完整的协作系统，才能实现智能交通系统的部署。我们需要从社区和所有利益相关者的整体角度出发，进行更好的交通管理。例如，假设某个城市正在举办大型活动，交通管理部门决定制定一些规则以确保车辆顺畅流动。车道管理应用将同一方向的车道数量从三条南北向和三条东西向调整为五条南北向和一条东西向，以优化前往活动场地的交通流量，但核心问题（车辆顺畅流动）并未得到解决，因为大多数人会寻找停车位，而且随着车流量的增加，寻找停车位的时间变得更加难以控制。这就是需要系统整合所有相关应用的原因之一。在这种情况下，车道管理和停车管理应用可以相互协作，自动分配停车位，而无需驾驶员在现场做出决策。
3.3 诊断类应用
此类应用专注于提供诊断服务，通过使用不同类型的传感器检测可能导致车辆故障的组件失效，这些传感器包括：（1）动力传动系统传感器，用于实时检查车辆机械部件和发动机的状态和运行情况；（2）监测燃油液位的传感器；（3）检查流体质量的化学传感器；（4）检查流体或气体温度的温度传感器；（5）监测发动机燃烧以减少污染的成分传感器；（6）检测底盘系统故障的底盘传感器；（7）监测车轮压力和速度的速度和压力传感器，用于检查防抱死制动系统或牵引力控制系统的状态；（8）用于诊断电气和环境系统的车内传感器。利用通信技术将信息直接发送到云端以及车辆的服务和维护部门，可以改进此类应用。通过个性化的车辆登记，可以记录每个车辆部件的状态，识别并预防可能的车辆故障。
3.4 环境类应用
在环境类应用中，通过部署在路面内或路面上方的传感器收集信息，通过测量道路温度、道路状况、化学元素数量以及路面的摩擦力或附着力等参数来确定道路状况（图 7）。
天气预报应用基于对天气和道路状况的监测、监控和预测，实施适当的管理措施，以改善驾驶体验并减轻任何不利条件的影响。道路天气应用用于为维护策略和驾驶员建议提供决策支持。道路上部署了气象站和红外传感器，以确定空气温度、降水量以及雾、烟或其他可能增加驾驶员风险或影响道路维护决策的条件。
路面状态应用利用红外传感器测量路面发出的红外辐射，并应用智能信号处理技术远程测量道路参数，如温度、水量、冰和雪。其中一种变体是路面异常监测应用，利用车辆内部的全球定位系统（GPS）、激光、红外和加速度计等传感器检测坑洼或减速带等异常情况。收集到的信息用于为驾驶员创建异常情况地图，并帮助道路管理人员执行基础设施维护和管理操作，以确保驾驶员的安全和舒适。
如前所述，单个应用的运行无法成功构建智能交通系统。云计算和智能算法支持的全面集成和数据交换对于交通管理应用至关重要，使其在做出决策时不仅考虑车辆流量，还考虑环境条件和周边环境，从而实现交通的平衡重新分配，并在不影响其他区域的情况下减少特定区域内的污染物。
图 7、智能交通系统环境监测应用，（a）道路天气状况，（b）路面状态，（c）污染管理
3.5 用户类应用
在用户类应用中，传感器监测驾驶员的表现和行为，这对于交通安全和减少事故至关重要（图 8），监测的条件包括疲劳、酒精含量和情绪状态异常等。美国汽车协会（AAA）的技术报告指出，疲劳驾驶导致了 21% 的致命交通事故和 13% 的需要住院治疗的碰撞事故；在高收入国家和低收入国家，酒后驾驶分别导致了 20% 和 69% 的致命受伤驾驶员。根据美国国家公路交通安全管理局（NHTSA）的数据，2014 年 10% 的死亡事故是由驾驶员分心造成的。疲劳驾驶预警应用通过使用摄像头监测眼睛和头部运动，检测疲劳迹象，以预防事故。雷达传感器监测汽车的运动，判断车辆是否行驶异常。其他应用可以利用转向角传感器检测驾驶行为中的异常情况。驾驶员会通过振动或音频信号得到警报。
图 8、智能交通系统用户监测应用，（a）驾驶员健康和情绪监测，（b）疲劳驾驶预警，（c）驾驶员警报控制
驾驶员警报控制应用利用前置视频摄像头跟踪左右车道标记，当车辆偏离这些车道时向驾驶员发出警报，从而帮助降低事故发生的概率。当车道标记不清晰或消失时，可以使用摄像头监测驾驶员，寻找疲劳迹象。驾驶员会通过声音信号和车辆控制面板上的闪烁信息得到警报。一些研究人员提出使用脑电图（EEG）传感器和人工智能（AI），通过智能算法分析脑电图信号的变化，检测驾驶员的疲劳状况。
驾驶员健康监测应用利用热电堆、硅光电二极管、光学和红外传感器以及发光二极管（LED），测量驾驶员的生命体征，如体温、心率、呼吸频率和血压。传感器部署在方向盘、座椅等位置。当应用检测到驾驶员健康出现问题（如心脏病发作）时，可以自动呼叫急救车辆。文献中已提出多项使用心电图（ECG）传感器或无线生物传感网络的研究。
驾驶员情绪识别应用专注于检测影响驾驶的烦躁或抑郁等迹象。利用肌电图（EMG）、心电图（ECG）、呼吸和皮肤电活动（EDA）传感器，结合支持向量机（SVMs）和自适应神经模糊推理系统（ANFIS）等复杂算法，可以检测和分类高压力、低压力、兴奋和失望等情绪。在这方面，已有多项关于驾驶员情绪识别、在模拟环境中评估情绪状态以及评估驾驶员压力的研究成果发表。这些应用可分为两大类：一方面，汽车制造商需要为驾驶员和车内乘员位置创建非侵入式传感器（座椅内的传感器、关键位置的摄像头），以减轻驾驶任务的负担；另一方面，有必要基于人工智能、神经网络、机器学习、计算机视觉、云计算、雾计算等技术创建智能算法，准确识别驾驶员和乘客的不同情绪状态或异常身体状况，并向相应的当局或指定人员发出可靠的通知。
3.6 辅助类应用
出行前信息应用收集有关不同道路状况的信息，为各种行驶路线提供多个出行选项。停车位定位应用允许驾驶员在街道、车库或停车场等位置找到可用的停车位。磁力计、射频识别（RFID）技术和全球定位系统（GPS）用于收集来自不同停车位的数据，可以为驾驶员提供多种停车选择。
旅游和活动应用旨在满足旅行者在陌生地区的需求。当驾驶员前往大型活动（体育比赛或音乐会）时，这些应用会协助驾驶员找到城市中最重要的地点、空停车位和路线。应用利用部署在目的地附近的传感器（雷达传感器、摄像头、感应线圈和气象传感器）收集的数据，计算出行时间，并根据交通拥堵或天气条件确定替代路线。
动态路线信息应用利用道路上部署的不同传感器（如摄像头、气象传感器、雷达、超声波传感器、线圈）收集交通状况数据，使用户能够就替代路线和预计到达时间做出明智的决策。
主动预测应用预测道路拓扑结构，以优化燃油使用，并在车辆开始下坡或上坡时通过调整速度为驾驶员提供辅助。
地图下载应用帮助驾驶员获取重要地点或起点的有价值信息。驾驶员可以在前往新地区之前下载导航地图，即使在没有互联网连接的位置也能获得导航指引。该应用的一个缺点是数据收集、基础设施（摄像头、传感器等）以及促进信息传输到相关处理中心的通信系统的安装、部署和维护成本高昂。
4、案例研究场景
本节将介绍一个案例研究，展示传感技术如何与信息通信技术相集成，以改善交通系统并提供帮助和支持。例如：（1）当一辆汽车因路面突然出现坑洼而发生事故并陷入其中时（如图 9 所示）。
图 9、案例研究场景
（1）车辆监测系统利用车载传感器、车外传感器和乘客身上的可穿戴传感器（测量车辆水平位置的加速度计、测量碰撞距离的激光雷达、检测碰撞程度的碰撞传感器、测量乘客心率变化的心电图传感器等）检测到潜在的危险情况，但事故仍不可避免，汽车陷入了最近形成的路面凹陷处。汽车立即启动内置的安全协议，对情况进行初步评估。
（2）汽车的中央系统启动广播警报协议，通知附近的驾驶员和行人有关事故情况，以便采取额外的安全预防措施（例如减速或选择替代路线）。
（2a）同时，交通基础设施通过监控摄像头中运行的模式识别算法检测到该情况，并启动一系列针对该情况的安全措施，例如智能交通信号灯可以改变其灯光管理策略，禁止车辆进入该街道或封锁道路入口。
（3）通过乘客身上的可穿戴传感器，汽车的中央系统接收相关信息，并对乘客的健康状况进行评估。
（4）在评估了车辆损坏情况和乘客健康状况后，中央系统通知相关方，例如：（i）车辆保险公司，发送位置、保险单号以及基于不同传感器提供的信息进行的初步损坏评估等信息；（ii）紧急服务部门，发送事故通知，包括但不限于乘客人数、乘客在车辆内的位置以及每位乘客的生命体征等信息。
（5）汽车系统和协议以及道路基础设施生成的所有与事故相关的信息都被发送并存储在云端，供信息系统实时向其他驾驶员提供进一步的信息和通知。
（6）谷歌地图、苹果地图、Here We Go 和 Waze 等定位服务可以利用这些信息重新计算新的或替代路线，以防止道路拥堵或另一起事故的发生。
（7）中央系统向交通基础设施（交通信号灯、警示屏幕、交通标志）发送通知，继续发送有关事故的通知和更新，让驾驶员和行人了解最新情况。
5、挑战与机遇
在智能交通系统应用的范围内，以下将重点介绍未来需要解决的一些挑战，以改善交通系统、提高驾驶员和乘客的出行便利性和安全性。
交通管理机构意识到，智能交通系统面临着如何提高出行便利性的挑战。因此，他们不断在物理基础设施、车辆和基于计算视觉的移动传感单元及系统中部署智能传感器。然而，仅靠传感器无法解决出行便利性的挑战。为了改善交通系统，我们需要整合其他技术和设备，如数据分析、自动化操作工具、决策工具以及社交和移动网络，以满足全面整合的要求，实时捕捉、分析并与相关方共享来自所有不同来源生成的所有信息。
智能交通系统面临的主要挑战之一是监测部署在道路、车辆和交通基础设施上的传感设备的探测范围。目前，传感系统面临着基础设施缺失或损坏的问题，例如：模糊或消失的交通标线、交通信号不足或在某些情况下完全不存在、快速物体检测（行人、骑自行车的人、碎石、轮胎残留物或动物）或危险的道路条件（路面坑洼、路面材料突然变化、道路洪水或可能对车辆乘客构成威胁的环境条件）。然而，我们必须仔细确定真正的限制（例如传感器的可达性、处理传感器信息的算法）所在。例如，如果车辆高速行驶，前方传感器检测到障碍物（车辆或物体），而算法选择警报界面或所选控制系统的信息处理时间过长，我们可能无法在碰撞前及时收到适当的响应。为了降低事故发生的可能性，不同类型的传感器、红外和摄影测量系统以及用于多源数据融合的高效算法可以相互协作，在所有驾驶条件下产生更好的车辆响应时间，并在更好地识别交通和道路危险条件方面改进生成的地图。数据融合技术已广泛应用于多传感器环境，旨在根据以下标准融合和聚合来自不同传感器的数据：
（a）输入数据源关系：补充数据、冗余数据或协作数据。
（b）输入 / 输出数据类型。
（c）架构：集中式、分散式或分布式。
（d）数据抽象级别：原始测量数据、信号和特征或决策。
数据类型和不同的数据源对于解决与交通系统相关的许多挑战至关重要，例如来自一组独立数据源的数据的无缝集成，这些数据源能够实时响应实际交通需求。
数据融合技术必须与人工智能相结合，使车辆能够像人类一样理解当前状态并做出相应反应，包括预测不同的环境和场景。例如，如果驾驶员发现一个弹跳的球，最可能的情况是有一个男孩在后面追赶，因此驾驶员会强烈考虑立即停车。传感器和人工智能之间的这种融合有望在未来将思维推理纳入汽车的控制系统，帮助车辆更快地做出响应，避免潜在的事故情况。
尽管传感器可以生成交通系统的相关数据，但使用机器学习和数据融合等额外工具可以生成更多数据，以提高智能交通系统的性能，利用从实时和历史数据中学习交通行为的应用。融合策略用于结合来自不同来源的数据，分析和预测多种条件（如驾驶员行为或交通动态）。机器学习用于基于关联规则获取不同交通数据源之间的有用模式和趋势知识。这里面临的挑战是开发高效的学习驱动算法，检测和预测交通模式，以提高交通系统的性能。当从不同来源（如摄像头和传感器）收集数据样本并通过不同媒体（通过有线 / 无线链路）传输时，面临的挑战是设计和开发算法来分析数据，以便：（i）执行数据清理，去除来源收集的异常数据；（ii）从原始特征空间中去除一些冗余特征，但保留剩余特征的可解释性；（iii）比较和融合来自不同来源的数据。
车辆的隐私和安全性在很大程度上取决于在两个层面上降低侵入性。首先，为了防止车辆乘员泄露任何可能导致潜在隐私风险的信息，因为在互联环境中共享信息可能导致用户身份被识别，我们应该在通信网络支持的通信设备中纳入安全和隐私协议，以保护车辆网络环境中驾驶员或乘客的隐私。此外，在车辆中集成新设备时，需要将它们优化放置在车辆内部或外部，以便它们不会分散驾驶员的注意力，同时通过提供有关车辆不同部分的所有相关信息来提高驾驶员的舒适度。其次，考虑向驾驶员发出警报的最佳界面也很重要。一种可能的解决方案是创建机制，提高驾驶员对驾驶的关注度；最大限度地减少干扰因素，包括警报和路边基础设施信息，可能通过基于人工智能的人类推理实现某些任务的自动化。
为驾驶员创建 360 度视野需要在车辆内部集成不同的设备，通过利用多种信息来源来增加检测范围和检测精度。然而，要实现这一目标，所涉及的硬件和软件成本将很高。此外，还将生成大量信息，计算警报所需的处理能力可能也很高。因此，我们需要开发优化的处理算法，以选择向驾驶员发出警报的最佳界面。我们需要在传感设备数量和警报设备数量之间进行仔细权衡，同时保持车辆的具有竞争力的价格，因为高成本将影响车辆的销售。一种方法是提高物体检测速度，并改善行驶车辆的视野范围和水平。这些改进将使车辆能够更快、更适当地应对紧急情况。
6、结论
传感器将在未来的智能交通系统中发挥至关重要的作用。它们的使用能够开发出各种交通安全、交通控制、娱乐和驾驶辅助应用。传感器提供了获取与车辆环境相关数据（如道路状况、交通状况、车辆状况）的机制，这些数据可以与当前的交通系统相结合，以缓解过去和当前交通系统面临的一些问题。分析和统计技术的应用展示了传感器与智能交通系统集成的真正潜力。这种集成是一个很有前景的研究领域，将推动各种下一代智能应用的发展，旨在改善现有和未来交通系统的安全性和交通控制。