内华达大学雷诺校区内华达应用研究中心发起了研究，以寻找使交通基础设施更加高效、可持续和安全的方法。他们使用了Velodyne Ultra Puck™激光雷达传感器进行数据收集工作，以优化交通状况分析，提高行人安全，减少事故并促进自动驾驶车辆使用率增长。

近期，一份名为《路侧激光雷达帮助建设智慧安全的交通基础设施》的白皮书正式发布，总结了该项目的研究数据和成果。

关键要点

• 了解使用当前交通数据来管理道路流量和安全所存在的挑战。
• 了解如何将激光雷达与交通信号结合在一起，来检测、计数并追踪行人、骑行者和其他交通情况。
• 探索发现激光雷达为解决道路拥堵监测和接近车祸分析研究所带来的价值。

内华达大学雷诺校区内华达应用研究中心已经将Velodyne激光雷达传感器安装在十字路口和路标处

当前交通大数据所面临的挑战

现有道路交通数据，如流量、占用率、平均车速和瞬时车速等，已被广泛应用于提高交通机动性和安全性。然而，新的交通系统和应用需要更详细、更精确的交通路况信息——特别是多模式、全交通轨迹的信息。这些信息的使用方式包括监控和预测道路上的行人车俩冲突、评估交通性能、分析接近车祸事件、为互联和自动驾驶车辆提供数据等。

路侧激光雷达的部署

现有的交通传感器，包括雷达和摄像头，是无法提供轨迹或3D数据的。在黑暗环境中，摄像头的性能也会受到影响。相比之下，具有360度环绕视图功能的激光雷达传感器是一个很好的选择，其高精度和高频率特性可有效捕获周围物体的三维数据。而且激光雷达传感器可以在各种照明条件下工作运行，包括白天、黄昏和夜间。

作为研究的一部分，内华达大学雷诺校区项目团队开发了专用于路侧激光雷达传感系统的算法。团队持续进行概念验证研究，以评估各种交通场景及应用下的改进算法和路侧激光雷达传感系统的准确性、可靠性和运营效率。

内华达州雷诺市区的一处十字路口，摄像头（左）和激光雷达传感器（右）的画面。激光雷达可以提供点云数据以测量物体大小、距离和移动状态，捕捉并提供被摄像头遗漏的数据。

路侧激光雷达研究的发现

该项目通过使用不同的传感器、部署方法和交通场景进行测试，来验证使用路侧激光雷达传感器提供高精度、多模态交通轨迹的可行性。结果表明，路侧激光雷达数据可以支持互联自动驾驶汽车(CAVs)，优化交通流动性和安全性分析，并且可以与现有交通基础设施进行整合，用于行人及野生动物预警。

该项目还成功实现了基于激光雷达的自动矩形快速闪光信标(RRFB)部署，与传统的RRFB不同，前者不仅可用于人行横道区域，而且还提供大量附加功能，其中包括交通绩效数据收集、横穿马路事件记录，以及为那些服务于互联自动驾驶汽车(CAVs)和联网非机动车道用户的基础设施提供支持。

Velodyne Ultra-Puck激光雷达传感器，是机器人、地图测绘、安全、驾驶辅助和自动导航的理想选择。

研究表明，激光雷达作为一项基础技术，可以被使用在智慧城市应用及道路汽车中，推动智慧出行发展。比如改善人行横道，为学校区域的儿童们提供更好的保护等。激光雷达作为智慧城市应用建设的催化剂，可以改善并优化公共服务，希望可以帮助更多人们提高道路安全和生活质量。