基于軌跡圖磁阻傳感器車輛檢測(cè)算法

黃景武，鄒傳云，陳瑞鑫

(西南科技大學(xué) 信息工程學(xué)院, 四川 綿陽 621010)

0 引言

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，人民生活水平不斷提高，私家車數(shù)量劇增，而隨著中國(guó)城市交通的快速發(fā)展，車輛越來越多，伴隨著停車場(chǎng)越來越大型化，停車場(chǎng)管理開始趨向于智能化。由于大型停車場(chǎng)面積大，采用人工肉眼來實(shí)現(xiàn)每個(gè)停車狀態(tài)監(jiān)控成本太高，使用視頻監(jiān)控或圖像采集分析的方式實(shí)現(xiàn)停車位狀態(tài)的監(jiān)控雖然減少了人力，但是物檢測(cè)率高、相當(dāng)于依賴人的判斷、不能實(shí)現(xiàn)自動(dòng)化管理和節(jié)約成本?，F(xiàn)在普遍使用基于地感線圈的車輛檢測(cè)，但是該技術(shù)有成本昂貴、維護(hù)困難和使用壽命短等缺點(diǎn)[1-4]。

地磁傳感器是可以檢測(cè)地磁場(chǎng)信號(hào)的新型傳感器。地磁傳感器可以實(shí)時(shí)、準(zhǔn)確的檢測(cè)出停車位狀態(tài)，通過無線傳感器網(wǎng)絡(luò)實(shí)時(shí)統(tǒng)計(jì)每個(gè)車位的狀態(tài)。該系統(tǒng)可實(shí)時(shí)向駕駛員提供停車場(chǎng)車位狀況，可實(shí)時(shí)向停車場(chǎng)管理人員提供當(dāng)前的停車場(chǎng)運(yùn)營(yíng)情況、每個(gè)車位狀態(tài)，可實(shí)現(xiàn)停車場(chǎng)自動(dòng)統(tǒng)計(jì)和智能管理[3-4]。

磁阻傳感器在車輛經(jīng)過時(shí)，x軸輸出曲線類似于一階高斯曲線，z軸輸出曲線類似于高斯曲線[5-6]?，F(xiàn)根據(jù)磁阻傳感器具有這樣的特性，提出基于軌跡圖分析的磁阻傳感器車輛檢測(cè)算法。最后通過Matlab仿真檢驗(yàn)算法的可行性和正確性。

1 信號(hào)分析

車輛對(duì)磁場(chǎng)的擾動(dòng)可看作多個(gè)雙極性磁鐵組成的模型。這樣的雙極性磁鐵模型具有南北的極化方向，這種模型能夠反映引起地球磁場(chǎng)的擾動(dòng)。這樣的擾動(dòng)在汽車發(fā)動(dòng)機(jī)和車輪處尤為明顯，此外擾動(dòng)也取決于車輛內(nèi)部、車頂或后備箱中有沒有其他鐵磁物質(zhì)。總之，其綜合影響是對(duì)地球磁力線的扭曲和畸變[6]，如圖1所示，這種扭曲也被稱作車輛的硬鐵影響或干擾。

地球磁場(chǎng)是表示地球磁場(chǎng)方向和大小的物理量，地球磁場(chǎng)的要素有：地磁總強(qiáng)度F、水平分量H、垂直分量HZ、東分量HY、北分量HX、磁偏角D為水平分量H與X軸的夾角，磁傾角I為矢量F與水平分量H的夾角，如圖2所示。目前，車輛檢測(cè)法可根據(jù)研究的地磁要素不同分為垂直分量檢測(cè)法(HZ)和水平分量檢測(cè)法(包括HX、HY、H、磁偏角D)。

圖1 均勻磁場(chǎng)中鐵磁物體引起的畸變

圖2 地磁要素

這里的地磁檢測(cè)器X軸為沿車輛行駛方向，Z軸為垂直于路面方向[7]，如圖 3所示。檢測(cè)器實(shí)際輸出曲線[8]如圖 4所示，圖上半部分為傳感器的X軸輸出曲線，下半部分為Z軸輸出曲線。

圖3 地磁檢測(cè)器的安裝

圖4 檢測(cè)器輸出曲線

2 垂直分量算法

2.1 固定閾值算法

該算法通過設(shè)定固定的閾值，將采集的地磁序列信號(hào)與該閾值比較文獻(xiàn)[9]中介紹了該算法：將Z軸方向的地磁信號(hào)序列和固定的閾值相比較，一旦連續(xù)有 10個(gè)信號(hào)值大于固定閾值，就認(rèn)為檢測(cè)到了車輛，若Z軸和X軸方向的地磁信號(hào)序列同時(shí)連續(xù)在閾值下0.25 s，則認(rèn)為車輛離開。

由于地磁檢測(cè)器的應(yīng)用環(huán)境較復(fù)雜，容易受到多種因素的干擾，檢測(cè)的時(shí)間序列存在個(gè)別的斷點(diǎn)和異常值，該算法并不能排除這些斷點(diǎn)和異常值的干擾，從而引起車輛的誤檢和虛警。

2.2 狀態(tài)機(jī)檢測(cè)法

狀態(tài)機(jī)檢測(cè)法可通過設(shè)定中間狀態(tài)的方法來消除相鄰車位或其他噪聲的干擾，增強(qiáng)了算法的魯棒性。但是狀態(tài)機(jī)算法僅對(duì)于車輛何時(shí)進(jìn)入檢測(cè)區(qū)進(jìn)行判斷，并沒有判斷該車輛何時(shí)離開，故容易出現(xiàn)將幾輛車誤判為1輛。

3 軌跡圖分析算法

3.1 軌跡圖分析算法分析

軌跡圖分析算法是基于檢測(cè)器輸出曲線特性的算法。根據(jù)傳感器X軸的一階高斯曲線和Z軸的高斯曲線構(gòu)造算法，高斯曲線滿足式(1)：

f(x)滿足如圖5所示的曲線，f(x)稱為正態(tài)分布，也稱為高斯分布。圖4中傳感器Z軸的輸出曲線形狀與高斯曲線很相似。

圖5 高斯曲線

f(x)對(duì)x求一階導(dǎo)，整理得式(2)，f'(x)如圖6(a)所示：

為了方便討論，f(x)和 f'(x)取 μ=0，δ=1，也就是 f(x)服從標(biāo)準(zhǔn)正態(tài)分布；記w(x)= f(x)+ |f'(x)|，則：

式(3)中，f(x)取 μ=0，δ=1。w(x)曲線如圖 6(b)所示，w(x)關(guān)于縱軸對(duì)稱，曲線會(huì)出現(xiàn)極大值點(diǎn)。軌跡圖算法的實(shí)現(xiàn)就是將類似于 f'(x)曲線的傳感器 X軸輸出取絕對(duì)值|f'(x)|，之后將類似于f(x)曲線的Z軸輸出與|f'(x)|疊加得到類似于w(x)曲線的曲線。通過這樣的預(yù)先處理，將傳感器兩個(gè)軸的輸出轉(zhuǎn)換為具有雙峰特性的二維曲線，因?yàn)槊枯v車經(jīng)過檢測(cè)器得到的處理曲線都具有雙峰特性，把圖6(b)稱為車輛經(jīng)過磁阻傳感器的檢測(cè)軌跡圖。在圖6(b)曲線加一個(gè)長(zhǎng)度為兩個(gè)峰值之間采樣點(diǎn)的關(guān)于采樣點(diǎn)的窗函數(shù)，通過加窗只保留一個(gè)軌跡圖的峰值間曲線而去掉其余部分以及非軌跡圖干擾部分，圖6(b)加窗之后曲線如圖7所示。這樣就用一個(gè)雙峰值曲線部分代表有一輛車進(jìn)入車位或者離開車位。

圖6 高斯曲線變化

圖7 w(x)曲線加窗

3.2 實(shí)驗(yàn)結(jié)果

在Matlab中構(gòu)建車輛軌跡曲線數(shù)據(jù)，模擬間隔不同時(shí)間經(jīng)過檢測(cè)器的車輛，經(jīng)過軌跡圖算法對(duì)數(shù)據(jù)進(jìn)行處理得出的仿真結(jié)果如圖8所示。

從圖中可以看出一共有 6輛車次經(jīng)過檢測(cè)器，圖 8(a)是這6輛車次的軌跡圖，而圖(b)是加窗后的軌跡圖。

圖8 用軌跡圖算法處理的數(shù)據(jù)

4 結(jié)語

通過理論推導(dǎo)和實(shí)驗(yàn)證明基于軌跡圖分析的磁阻傳感器車輛檢測(cè)算法可以有效地檢測(cè)經(jīng)過檢測(cè)器，通過計(jì)數(shù)的方式來確認(rèn)車位是否有車，當(dāng)計(jì)數(shù)為奇數(shù)時(shí)說明有車進(jìn)入車位，當(dāng)計(jì)數(shù)為偶數(shù)時(shí)說明車輛離開車位。這一算法能滿足當(dāng)前車輛車位占用狀態(tài)可靠性和準(zhǔn)確性的需要。

[1] 李寧，黃銀龍，王占斌，等.雙卡技術(shù)在涉車系統(tǒng)中的實(shí)現(xiàn)研究[J].通信技術(shù)，2011,44(01):60-62.

[2] CHEUNG S Y, ERGEN S C, VARAIYA P.Traffic Surveillance with Wireless Magnetic Sensor[C].USA:[s.n],2005: 479-493.

[3] 楊旭，劉小方，張澤奇，等.基于激光測(cè)距的導(dǎo)彈發(fā)射車定位系統(tǒng)設(shè)計(jì)[J].通信技術(shù)，2010,43(11)：52-54.

[4] DUARTE M F, HU Yuhen.Vehicle Classification in Distributed Sensor Network[J].Journal of Paralle Land Distributed Computing, 2004,64(07):826-838.

[5] MICHAEL J C, SMITH C H, BRATLAND T, et al.A New Perspective on Magnetic Field Sensing[DB/OL].[1998-05-01](2010-08-10).http://www.magneticsensors.com.datasheet/new_pers.pdf.

[6] COIFMAN B, DHOORJATY S, LEE Z H.Estimating Median Velocity Instead of Mean Velocity at Single Loop Detectors[J].Transportation Research, 2003,11(03):863-880.

[7] CARUSO C J, WITHAMWASAM L S.Vehicle Detection and Compass Applications using AMR Magnetic Sensors[EB/OL].(1999-05-10)[2010-08-10].http://www.google.com.hk/url?sa=tsource=web&c d=1&ved=0CCQQFjAA&url=http%3A%2F%2Fmasters.donntu.edu.ua%2 F2007%2Fkita%2Fgerus%2Flibrary%2Famr.pdf&ei=-NfhTaGeI5CgvQ Oqi_meBw&usg=AFQjCNGQrp_dtas0O_r4lUeYweRzly2MFw.

[8] CHENG Singyu.Traffic Surveillance by Wireless Sensor Networks:Final Report[C].USA: California PATH Research Report,2007:52.

[9] 潘霓，駱樂，聞?dòng)?基于磁阻傳感器的車輛檢測(cè)算法綜述[J].計(jì)算機(jī)工程與應(yīng)用, 2009,45(19):245-248.