Page 29 - 2024年第55卷第7期
P. 29
险等级；Ｙａｎ等 ［１６］ 对无人机采集视频中的运输车和行人进行三维目标检测，并计算了其空间接近度和
拥挤度。
然而，上述研究都只能评估监控视频中施工机械的实时碰撞风险，无法根据施工机械行驶轨迹提
前预估潜在的碰撞风险，难以实现事前控制。针对施工现场机械和工人的轨迹预测问题，Ｃａｉ等 ［１７］ 使
用 ＬＳＴＭ（ＬｏｎｇＳｈｏｒｔ － ＴｅｒｍＭｅｍｏｒｙ）网络预测施工现场中工人的轨迹；Ｋｉｍ等 ［１８］ 使用 ＳｏｃｉａｌＧＡＮ（Ｓｏｃｉａｌ
ＧｅｎｅｒａｔｉｖｅＡｄｖｅｒｓａｒｉａｌＮｅｔｗｏｒｋ ）预测装载机、挖掘机和工人三个目标相接近的轨迹；Ｔａｎｇ等 ［１９］ 在卡车、
汽车和工人的目标跟踪基础上，提出 ＬＳＴＭ＋ ＭＤＮ（ＭｉｘｔｕｒｅＤｅｎｓｉｔｙＮｅｔｗｏｒｋ）架构预测目标的轨迹；Ｋｉｍ
等 ［１］ 在 ＹＯＬＯｖ３检测挖掘机、装载机、工人和卡车的基础上，使用 ＳｏｃｉａｌＧＡＮ预测每个目标的轨迹，
并测试了工人和卡车在相遇情况下每个未来时间步上的接近距离。然而，上述文献的研究对象主要是
小视野近景监控视频中的施工机械，其在监控视野中所占区域较大，且数量和种类有限。相对地，坝
面大场景视频监控中的施工机械目标较小，且存在数量众多、类型多样的特点。这些特点增加了施工
机械目标有效视觉感知的难度，目前亟待解决的问题是如何有效预测施工机械目标的轨迹，以及如何
基于坝面大场景视频监控施工机械的预测轨迹实现其潜在碰撞风险的有效预警。
轨迹预测是利用行人或机械的历史运动轨迹对其未来一段时间内（一般 １～２０ｓ）轨迹进行预测的研
究 ［２０ － ２１］ ，可分为传统轨迹预测方法和数据驱动方法 ［２１］ 。传统轨迹预测方法包括基于运动学模型、基
于概率学模型和混合预测等方法 ［２１］ ，其中，基于运动学模型的方法主要对车辆运动状态进行建模 ［２１］ ，
常用模型包括高斯混合模型（ ＧａｕｓｓｉａｎＭｉｘｔｕｒｅＭｏｄｅｌ，ＧＭＭ） ［２２］ 、卡尔曼滤波（ＫａｌｍａｎＦｉｌｔｅｒ，ＫＦ） ［２３］
等；基于概率学模型的方法侧重于行驶意图的建模 ［２１］ ，常用模型包括贝叶斯网络 ［２４］ 、决策树 ［２５］ 和随
机森林 ［２６］ 等；混合预测方法结合前两类方法的特点 ［２１］ ，能够综合考虑车辆的运动状态和行驶意图，
代表性模型包括卡尔曼滤波融合动态贝叶斯网络 ［２７］ 等。然而，传统轨迹预测方法只能对距离较近的目
标进行建模，难以捕捉复杂轨迹特征 ［２１］ 。基于深度学习的数据驱动方法可从大量数据中学习到复杂的
轨迹变化特征，因此逐渐得到关注和发展，代表算法包括 ＳｏｃｉａｌＬＳＴＭ（ＳｏｃｉａｌＬｏｎｇＳｈｏｒｔ － Ｔｅｒｍ Ｍｅｍｏ
ｒｙ ） ［２８］ 、ＳｏｃｉａｌＧＡＮ ［２９］ 、ＳｏｃｉａｌＡｔｔｅｎｔｉｏｎ ［３０］ 、Ｔｒａｊｅｃｔｒｏｎ ［３１］ 和 Ｔｒａｊｅｃｔｒｏｎ ＋＋ ［３２］ 等。其中，Ｔｒａｊｅｃｔｒｏｎ ＋＋ 在
ＥＴＨ、ＵＣＹ和 ＮｕＳｃｅｎｅ等数据集上表现出色，已被证明在城市交通的车辆轨迹预测等领域具有先进的
性能 ［３２］ 。然而，不同于城市道路场景中具有规范的道路结构和交通信号，坝面复杂的施工环境缺乏相
应约束，施工机械行 驶更 加自 由，同 时对 众多施工 机 械 进 行 有 效 的 轨 迹 预 测 是 一 个 具 有 挑 战 性 的
问题。
鉴于此，本文利用迁移学习方法实现基于 Ｔｒａｊｅｃｔｒｏｎ ＋＋ 的坝面大场景视频监控施工机械轨迹预测，
并基于预测轨迹结果，提出行驶接近时间和机械最大拥挤度两个潜在碰撞风险指标，通过模糊 － 证据
融合方法建立坝面施工机械潜在碰撞风险的分级预警机制。模糊 － 证据融合是将模糊理论和证据融合
相结合的一种评估方法 ［３３ － ３４］ ，相较于传统施工安全风险等级评估所普遍采用的模糊综合评价法存在主
观性较强的问题，模糊－ 证据融合方法能够充分减少主观干扰并提高评估结果的准确性，目前已在多
个领域中被证明比模糊综合评价法具有更准确的评估结果 ［３４ － ３７］ 。综上，本研究基于轨迹预测和模糊 －
证据融合方法来实现坝面大场景视频监控施工机械潜在碰撞风险的自动化、智能化分级预警。
２ 研究框架
基于轨迹预测和模糊 － 证据融合方法的坝面大场景视频监控施工机械潜在碰撞风险预警方法研究
框架如图 １所示。基于前序的工作 ［６ － ７］ ，通过视觉识别跟踪方法实现坝面大场景视频监控中数量众多、
类型多样的施工机械感知，并提取历史轨迹作为轨迹预测的数据基础。考虑到坝面现场施工机械相对
于城市交通车辆的行驶速度较慢，为兼顾轨迹预测的计算效率和足够的主动预防反应时间，并参考相
关研究 ［１，１８］ ，将 ６ｓ作为坝面施工机械轨迹预测的时间步长。以施工机械历史轨迹为输入，首先采用
经过迁移学习的 Ｔｒａｊｅｃｔｒｏｎ ＋＋ 对坝面大场景视频监控画面中常见的多种施工机械目标（如碾压机、摊铺
机、挖掘机、运输车、装载机和汽车）实现未来 ６ｓ的行进轨迹预测；其次，针对坝面施工机械潜在碰
— ７ ８ １ —
