点云驱动的城市道路停车视距检验及安全分析

李 浩，张子宜，翟鸿漾，付 迪，王 金^*

(北京工业大学 交通工程北京市重点实验室，北京 100124)

摘　要：　利用高密度激光雷达点云数据，针对城市双车道道路场景，采用PointNet++实现道路场景的自动分类，创建了纳入路侧环境的椭球体视域加宽模型，并引入内部形状描述子算法高效提取视域内关键地物特征点，继而搭建停车视距自动化检验模型，开展不同行车速度和路面条件下的三维停车视距检验，最后提出全路段停车视距满足率和单个视点停车视距符合率2个指标，以评价道路停车视距安全。通过城市双车道实例检验，结果表明，道路场景自动分类后的平均交并比、准确率、精确率和召回率分别为81.9%、91.7%、86.2%、91.1%。特征点提取后，点云数据量减少约85%，停车视距检验效率提高约70%。在同等路面条件下，2条城市双车道的全路段停车视距满足率平均值由行车速度为30 km/h时的83.7%降低至行车速度为60 km/h时的 51.0%;在同等速度下，2条城市双车道的全路段停车视距满足率平均值由干燥路面时的68.8%降低至冰滑路面时的30.9%，说明行车速度提高或路面条件不良时，视距值显著降低。该研究可为营运期道路停车视距检验与评价提供详实的决策依据。

关键词：　道路工程; 停车视距; 机器学习; 视距满足率; 激光雷达点云; 视距安全分析

基金项目： 国家自然科学基金项目(41801380);北京市自然科学基金(8232005，L221026)

引文格式： 李浩，张子宜，翟鸿漾，等. 点云驱动的城市道路停车视距检验及安全分析[J]. 市政技术，2025，43(2)：10-18，34. (LI H，ZHANG Z Y，ZHAI H Y，et al. Inspection and safety analysis of stopping sight distance on urban roads from LiDAR point cloud[J]. Journal of municipal technology，2025，43(2)：10-18，34.)