基于地磁傳感器的車輛檢測(cè)算法研究

馬芳蘭，張紅霞，徐武德，楊國(guó)輝，馬宏偉，楊旭輝，鄭 礴

（甘肅省科學(xué)院傳感技術(shù)研究所甘肅省傳感器與傳感技術(shù)重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730000）

基于地磁傳感器的車輛檢測(cè)算法研究

馬芳蘭，張紅霞，徐武德，楊國(guó)輝，馬宏偉，楊旭輝，鄭 礴

（甘肅省科學(xué)院傳感技術(shù)研究所甘肅省傳感器與傳感技術(shù)重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730000）

針對(duì)現(xiàn)有地磁傳感器車輛檢測(cè)算法存在基線漂移、固定閾值導(dǎo)致車輛檢測(cè)準(zhǔn)確率低，以及干擾引起的狀態(tài)機(jī)誤判等問(wèn)題，提出了基于地磁傳感器的自適應(yīng)閾值有限狀態(tài)機(jī)車輛檢測(cè)算法。在研究了三軸異相磁阻（AMR）地磁傳感器車輛檢測(cè)原理的基礎(chǔ)上，分析了AMR傳感器采集的原始信號(hào)，對(duì)原始信號(hào)進(jìn)行了滑動(dòng)窗口均值濾波處理；為了消除基準(zhǔn)值漂移造成的檢測(cè)誤差和固定閾值造成的累積誤差，提出了基準(zhǔn)值和閾值實(shí)時(shí)更新的自適應(yīng)車輛檢測(cè)算法。采用加權(quán)函數(shù)進(jìn)行基準(zhǔn)值的實(shí)時(shí)更新，閾值隨著基準(zhǔn)值的更新而更新。同時(shí)，該算法以多狀態(tài)機(jī)判斷為主體，在有限狀態(tài)機(jī)中增加了車輛到來(lái)計(jì)數(shù)和波動(dòng)計(jì)數(shù)兩個(gè)狀態(tài)，消除了干擾引起的誤判，提高了車輛檢測(cè)準(zhǔn)確率。現(xiàn)場(chǎng)車輛測(cè)試結(jié)果表明，該算法的車流量檢測(cè)準(zhǔn)確率在97%以上，可用于智能交通系統(tǒng)中車流量的檢測(cè)。

智能交通；物聯(lián)網(wǎng)；地磁傳感器；有限狀態(tài)機(jī)；車流量

0 引言

新一代智能交通系統(tǒng)是戰(zhàn)略性新興產(chǎn)業(yè)中物聯(lián)網(wǎng)和智能汽車兩大領(lǐng)域的重要交集。車聯(lián)網(wǎng)通過(guò)融合網(wǎng)絡(luò)技術(shù)、傳感技術(shù)、控制技術(shù)、計(jì)算技術(shù)、智能技術(shù)等，對(duì)道路和交通進(jìn)行全面感知，實(shí)現(xiàn)人、車、物、路的暢通、安全、高效運(yùn)轉(zhuǎn)，將有效提高市民出行效率，降低道路擁堵?tīng)顩r，減少交通事故，提高出行安全［1］。車輛檢測(cè)是交通參數(shù)獲取的最前端，為智能交通系統(tǒng)的科學(xué)調(diào)度和管理提供實(shí)時(shí)可靠的參數(shù)依據(jù)，是系統(tǒng)的重要組成部分［2］。

當(dāng)前，基于磁阻傳感器的車輛檢測(cè)技術(shù)以其具有低成本、低功耗、易組網(wǎng)、微體積等特性［3］而備受青睞，是現(xiàn)階段車輛檢測(cè)的研究重點(diǎn)。本文針對(duì)現(xiàn)有地磁傳感器車輛檢測(cè)算法存在的檢測(cè)準(zhǔn)確率低、狀態(tài)機(jī)誤判等問(wèn)題［4］，提出了基于地磁傳感器自適應(yīng)閾值的車輛檢測(cè)算法。

1 地磁車輛檢測(cè)原理

地球是一個(gè)天然磁體，其表面磁場(chǎng)強(qiáng)度大約為500～600 mGs，在一定區(qū)域內(nèi)可以看作一個(gè)穩(wěn)定的磁場(chǎng)。然而，當(dāng)任何具備導(dǎo)磁能力的鐵磁性物質(zhì)擾動(dòng)時(shí)，該區(qū)域的磁場(chǎng)強(qiáng)度將會(huì)發(fā)生變化。磁阻傳感器能夠通過(guò)電壓值的大小反映磁場(chǎng)強(qiáng)度的變化［5-6］。所以，車輛作為一種含有大量鐵磁性物質(zhì)的物體，可以通過(guò)在車道內(nèi)放置磁阻傳感器，分析傳感器輸出信號(hào)，獲取交通參數(shù)。

車輛作為大型鐵磁物質(zhì)，可以看作是一個(gè)雙極性磁鐵組成的模型［7］。采用低成本、低功耗的三軸異相磁阻（anisotropic magneto resistive，AMR）傳感器，作為車輛檢測(cè)傳感器。AMR傳感器安裝示意圖如圖1所示。

圖1 AMR傳感器安裝示意圖Fig.1 Schematic diagram of the installation of AMR sensor

由圖1可知，X軸平行于車輛行駛方向，Y軸垂直于車輛行駛方向，Z軸垂直于地面。車輛周圍的混合磁場(chǎng)可以建立成一個(gè)如圖2所示的磁偶極子模型。假設(shè)磁場(chǎng)傳感器位于m0（x0、y0、z0）處，磁偶極子位于距離磁傳感器 r位置的 m（x、y、z）處。

圖2 車輛磁偶極子模型Fig.2 Magnetic dipole model of vehicle

則根據(jù)麥克斯韋爾方程［8］，可推導(dǎo)得磁偶極子在磁傳感器處的磁場(chǎng)強(qiáng)度為［9］：

式中：μ0為磁導(dǎo)率；x、y、z分別為當(dāng)車輛經(jīng)過(guò)AMR傳感器時(shí)對(duì)應(yīng)三軸的讀數(shù)；mx、my、mz分別為 X、Y、Z 三軸的磁矩；r為磁傳感器與磁偶極子之間的距離。

由式（1）～式（3）可知，磁偶極子在磁傳感器處的磁場(chǎng)強(qiáng)度會(huì)隨著r、x、y、z等的不同而有規(guī)律地變化，即車輛對(duì)地磁場(chǎng)的干擾會(huì)隨著車輛位置、車身鐵磁物質(zhì)分布等的不同而產(chǎn)生差異。根據(jù)此原理，可通過(guò)檢測(cè)車輛行駛時(shí)的磁感應(yīng)強(qiáng)度來(lái)獲取車流量信息。

2 基于地磁傳感器的車輛檢測(cè)算法

由于地磁傳感器采集的原始信號(hào)受相鄰車道、周圍環(huán)境等因素影響，存在基準(zhǔn)值和閾值漂移、檢測(cè)信號(hào)不連續(xù)、噪聲信號(hào)嚴(yán)重等問(wèn)題［10］。基于此，本文提出了基于地磁傳感器的自適應(yīng)閾值車輛檢測(cè)算法。采用滑動(dòng)窗口均值濾波法對(duì)原始信號(hào)進(jìn)行濾波處理，并對(duì)基準(zhǔn)值和閾值進(jìn)行實(shí)時(shí)更新，結(jié)合有限狀態(tài)機(jī)算法，實(shí)現(xiàn)車輛的有效檢測(cè)。車輛檢測(cè)算法流程圖如圖3所示。

圖3 車輛檢測(cè)算法流程圖Fig.3 Flowchart of vehicle detection algorithm

2.1 數(shù)據(jù)預(yù)處理

由于受周圍環(huán)境等噪聲信號(hào)的影響，地磁傳感器采集的原始信號(hào)存在大量毛刺。為了提高車輛檢測(cè)系統(tǒng)的準(zhǔn)確性和可靠性，本文采用滑動(dòng)窗口均值濾波方法。該方法既可以濾出高頻噪聲信號(hào)干擾，又能保證原始信號(hào)的完整性和真實(shí)性。滑動(dòng)窗口均值濾波原理如下：

式中：M（k）為傳感器輸出原始信號(hào)；A（k）為濾波后的信號(hào)；N為滑動(dòng)濾波窗口的長(zhǎng)度。

2.2 基準(zhǔn)值和閾值更新

對(duì)于氣候和道路環(huán)境等引起的磁場(chǎng)變化，無(wú)法通過(guò)濾波的方式消除，而且會(huì)造成基準(zhǔn)值的漂移。為了消除基準(zhǔn)值漂移造成的檢測(cè)誤差，本文采用權(quán)值更新方法，通過(guò)基準(zhǔn)值加權(quán)函數(shù)完成當(dāng)前基準(zhǔn)值的更新?；鶞?zhǔn)值更新函數(shù)如式（5）所示：

式中：α為加權(quán)系數(shù)，其取值的大小與基準(zhǔn)值更新速率有關(guān)，本文中 α =0.05；B（k-1）為更新前的基準(zhǔn)值；B（k）為更新后的基準(zhǔn)值；A（k）為經(jīng)過(guò)滑動(dòng)濾波后的采樣值。

由式（5）可知，只有在無(wú)車輛通過(guò)時(shí)，基準(zhǔn)值才進(jìn)行更新；當(dāng)有車輛通過(guò)傳感器時(shí)，基準(zhǔn)值保持前一時(shí)刻值不變。

在車輛檢測(cè)算法中，閾值的大小與檢測(cè)系統(tǒng)的靈敏度以及檢測(cè)精度緊密相關(guān)。閾值過(guò)大，會(huì)造成車輛的漏檢；閾值過(guò)小，又會(huì)帶來(lái)車輛重檢問(wèn)題。因此，在基準(zhǔn)值更新的過(guò)程中，閾值也需要實(shí)時(shí)更新，以免固定閾值造成誤差的累積，導(dǎo)致檢測(cè)系統(tǒng)精度的降低。閾值更新原理如下：

式中：β 為閾值更新因子，取值為 0.05；B（k）為更新后的基準(zhǔn)值；T（k）為更新后的閾值。根據(jù)閾值更新公式，可以判斷車輛進(jìn)出檢測(cè)區(qū)域的情況。

2.3 有限狀態(tài)機(jī)檢測(cè)

有限狀態(tài)機(jī)檢測(cè)就是對(duì)經(jīng)過(guò)濾波后的采樣信號(hào)進(jìn)行二值化處理，轉(zhuǎn)換成0、1離散值進(jìn)行車輛狀態(tài)判斷。理想情況下，當(dāng)結(jié)果為0時(shí)，判為無(wú)車；為1時(shí)，判為有車。但是，實(shí)際交通環(huán)境比較復(fù)雜，往往存在周圍鐵磁物質(zhì)等干擾，會(huì)出現(xiàn)短時(shí)間0和1之間的跳動(dòng)，造成對(duì)車輛狀態(tài)的誤判。因此，本文在狀態(tài)機(jī)中增加了車輛到來(lái)計(jì)數(shù)狀態(tài)和波動(dòng)計(jì)數(shù)狀態(tài)，有效抑制了短時(shí)跳動(dòng)引起的誤判，提高了車輛檢測(cè)準(zhǔn)確率。

在利用狀態(tài)機(jī)檢測(cè)之前，需要對(duì)濾波后的采樣信號(hào)A（k）進(jìn)行二值化處理。

本文提出的有限狀態(tài)機(jī)檢測(cè)包括：初始化狀態(tài)（S0）、無(wú)車狀態(tài)（S1）、車輛到來(lái)計(jì)數(shù)狀態(tài)（S2）、波動(dòng)計(jì)數(shù)狀態(tài)（S3）、有車狀態(tài)（S4）、車輛離開(kāi)狀態(tài)（S5）。有限狀態(tài)機(jī)車輛檢測(cè)過(guò)程如下。

①初始化狀態(tài)（S0）。

S0為無(wú)車狀態(tài)，初始化所有參數(shù)，并根據(jù)采樣值A(chǔ)（k）確定基準(zhǔn)值。如果 F（k）=1，則進(jìn)入 S1。

②無(wú)車狀態(tài)（S1）。

基準(zhǔn)值根據(jù)式（5）進(jìn)行實(shí)時(shí)更新，假設(shè)磁場(chǎng)中由于車輛的到來(lái)所產(chǎn)生的波動(dòng)為Flu_Arr，當(dāng)Flu_Arr=1時(shí)，由S1跳轉(zhuǎn)至S2。

③車輛到來(lái)計(jì)數(shù)狀態(tài)（S2）。

假設(shè)利用Cnt_Arr記錄連續(xù)波動(dòng)Flu_Arr產(chǎn)生的次數(shù)。如果短時(shí)間之內(nèi)沒(méi)有波動(dòng)產(chǎn)生，即Flu_Arr=0，則由S2立即跳入S3。如果Cnt_Arr計(jì)數(shù)達(dá)到設(shè)定的有車判定閾值CY，則轉(zhuǎn)入S4；否則，保持在S2。

④波動(dòng)計(jì)數(shù)狀態(tài)（S3）。

進(jìn)入S3狀態(tài)，首先將Cnt_Arr置0，如果波動(dòng)再次產(chǎn)生，即Flu_Arr=1，則由S3返回S2；假設(shè)記錄無(wú)連續(xù)波動(dòng)的計(jì)數(shù)器為Cnt_noArr，則當(dāng)Cnt_noArr的值達(dá)到設(shè)定的無(wú)車判定閾值CN時(shí)，轉(zhuǎn)換到S1；否則，算法停留在S3。

⑤有車狀態(tài)（S4）。

假設(shè)由于車輛的離開(kāi)產(chǎn)生的波動(dòng)為Flu_Dep，則當(dāng) Flu_Dep=1時(shí)，由 S4跳入S5；當(dāng)Flu_Dep=0時(shí)，維持S4不變。

⑥車輛離開(kāi)狀態(tài)（S5）。

設(shè)Cnt_Dep為車輛離開(kāi)計(jì)數(shù)器，如果Cnt_Dep達(dá)到設(shè)定的車輛離開(kāi)閾值N_Dep，則表明有車輛通過(guò)，計(jì)入車流量。同時(shí)，算法由S5跳轉(zhuǎn)到S1，進(jìn)行下一次的檢測(cè)；如果Flu_Dep的值由1變到0，則算法由S5跳轉(zhuǎn)到S4，同時(shí)說(shuō)明剛才Flu_Dep=1是由于干擾引起的波動(dòng)，而不是車輛離開(kāi)產(chǎn)生的波動(dòng)；否則，保持在S5繼續(xù)等待波動(dòng)的發(fā)生。

有限狀態(tài)機(jī)判斷流程圖如圖4所示。

圖4 有限狀態(tài)機(jī)判斷流程圖Fig.4 Flowchart of finite state machine judgment

3 算法驗(yàn)證

試驗(yàn)中，傳感器按圖1所示方式安裝在測(cè)試路段。測(cè)試時(shí)間是2016年10月13日，天氣晴，溫度7～22℃，微風(fēng)。測(cè)試時(shí)間段為08∶00～18∶10，每隔 2 h測(cè)試一次，每次測(cè)試持續(xù)時(shí)間10 min，共采集6組數(shù)據(jù)。車輛檢測(cè)算法測(cè)試結(jié)果如表1所示。

表1中：實(shí)際車流量是通過(guò)人工計(jì)數(shù)方式得到的；系統(tǒng)檢測(cè)車流量是利用本文所提出的車輛算法檢測(cè)到的；檢測(cè)準(zhǔn)確率=

由表1可知，本文所提出的車輛檢測(cè)算法檢測(cè)準(zhǔn)確可達(dá)97%以上，具有較高的檢測(cè)精度，可以應(yīng)用于智能交通系統(tǒng)中車流量的統(tǒng)計(jì)。

表1 車輛檢測(cè)算法測(cè)試結(jié)果Tab.1 Test results of vehicle detection algorithm

4 結(jié)束語(yǔ)

針對(duì)現(xiàn)有的磁傳感器車輛檢測(cè)算法存在基線漂移、固定閾值導(dǎo)致車輛檢測(cè)準(zhǔn)確率低、干擾引起的狀態(tài)機(jī)誤判等問(wèn)題，提出了基于地磁傳感器自適應(yīng)閾值的車輛檢測(cè)算法。該算法實(shí)現(xiàn)了基準(zhǔn)值和閾值的實(shí)時(shí)更新，有限狀態(tài)機(jī)中增加的車輛到來(lái)計(jì)數(shù)和波動(dòng)計(jì)數(shù)兩個(gè)狀態(tài)有效地消除了干擾引起的狀態(tài)誤判，實(shí)現(xiàn)了車輛到來(lái)與離開(kāi)的準(zhǔn)確判斷。測(cè)試結(jié)果證明了本文所提出的算法具有較高的檢測(cè)準(zhǔn)確率，能滿足智能交通系統(tǒng)對(duì)車流量的檢測(cè)需求。

［1］肖平.車聯(lián)網(wǎng)：未來(lái)城市交通的智能中樞［EB/OL］.［2015-09-24］.http：//news.hexun.com/2015-09-24/179454404.

［2］高敬紅，楊宜民.道路交通車輛檢測(cè)技術(shù)及發(fā)展綜述［J］.公路交通技術(shù)，2012（1）：116-119.

［3］賀秀玲，劉春俠，趙明富，等.基于磁阻傳感器的車輛檢測(cè)算法［J］.激光雜志，2015，36（9）：144-147.

［4］李陽(yáng).基于AMR的交通信息檢測(cè)算法研究［D］.西安：長(zhǎng)安大學(xué)，2015.

［5］ SIFUENTES E，CASAS O，PALLAS R.Wireless magneticsensor node for vehicle detection with optical wake-up［J］.IEEE Sensors Journal，2011,11（8）：1669-1676.

［6］楊志愷，楊成忠，張君，等.基于地磁技術(shù)的車輛檢測(cè)傳感器［J］.杭州電子科技大學(xué)學(xué)報(bào)，2012，32（5）：261-264.

［7］ KWAN B W，TUNG L J.Magnetoresistors for vehicle detection and identification［C］//Florida：Department of Electrical Engineering.FAMU-FSU College of Engineering，1997：3839-3840.

［8］ RESNICK R，HALLIDY D，WALKER J.Fundamentals ofPhysics［M］.New York：Wiley，1988.

［9］ ZHU H M，YU F Q.A cross-correlation technique for vehicle detections in wireless magnetic sensor network［J］.IEEE Sensors Journal.2016，16（11）：4484-4494.

［10］文志東.基于磁阻傳感器的無(wú)線車輛檢測(cè)系統(tǒng)研究與設(shè)計(jì)［D］.重慶：重慶理工大學(xué)，2015.

Research on Vehicle Detection Algorithm Based on Geomagnetic Sensor

MA Fanglan，ZHANG Hongxia，XU Wude，YANG Guohui，MA Hongwei，YANG Xuhui，ZHENG Bo
（Gansu Province key Laboratory of Sensors and Sensing Technology，Institute of Sensor Technology，Gansu Academy of Sciences，Lanzhou 730000，China）

To deal with the disadvantages of existing vehicle detection algorithm based on geomagnetic sensor，e.g.，baseline drift，low detection accuracy caused by fixed threshold，and misjudgment of the state machine because of the interference，a novel adaptive threshold and finite state machine vehicle detection algorithm based on geomagnetic sensor is proposed.The principle of anisotropic magneto resistive（AMR）geomagnetic sensor in vehicle detection is researched，the original signal collected by AMR sensor is analyzed，and processed by sliding window mean value filtering to eliminate the detection error caused by drift of baseline and accumulate error caused by the fixed threshold，and the adaptive vehicle detection algorithm of baseline and threshold updated in real time is proposed.In the algorithm，weighted function is designed to realize the baseline real-time update，and the threshold update following with the baseline.In addition，with multi-state machine as the main body，in finite state machine，two of the states are added，i.e.，the vehicle arrival count state，and the fluctuation count state，thus the misjudgment caused by interference is eliminated，and the detection accuracy is enhanced.The field test result shows that the proposed algorithm can be applied to detect the vehicle flow in intelligent traffic system and the detection accuracy can reach up to 97%。

Intelligent traffic；IoT；Geomagnetic senor；Finite state machine；Vehicle flow

TH-39；TP274+.2

A

10.16086／j.cnki.issn1000-0380.201711021

修改稿收到日期：2017-06-07

甘肅省重點(diǎn)實(shí)驗(yàn)室專項(xiàng)基金資助項(xiàng)目（145RTSA009）、甘肅省科學(xué)院應(yīng)用研究與開(kāi)發(fā)基金資助項(xiàng)目（2015JK-08）、甘肅省科學(xué)院青年科技創(chuàng)新基金資助項(xiàng)目（2016QN-05）

馬芳蘭（1988—），女，碩士，實(shí)習(xí)研究員，主要從事傳感器應(yīng)用技術(shù)的研究。E-mail：mfanglancos@163.com。鄭礴（通信作者），男，學(xué)士，高級(jí)工程師，主要從事電子技術(shù)的研究。E-mail：zhengboem@sina.com。