基于多傳感器融合的泊車位信息感知終端設(shè)計

朱嘉睿,熊樹生,2▲,趙家豪,吳占寬,韓澤宇

(1.浙江大學(xué),浙江 杭州 310012;2.浙江省龍泉產(chǎn)業(yè)創(chuàng)新研究院,浙江 麗水 323700)

0 引言

隨著經(jīng)濟(jì)社會的進(jìn)步與發(fā)展,汽車保有量和現(xiàn)有泊車位之間的供需矛盾正日益凸顯,由此帶來的“停車難”問題受到了社會各界的廣泛關(guān)注。由此,城市道路側(cè)停車作為一種緩解停車壓力的方式,在近年來開始逐漸興起,而當(dāng)前大部分路邊泊車位的主要管理方式仍然以人工監(jiān)管方法為主,智能檢測技術(shù)為輔,甚至在部分地區(qū)還出現(xiàn)無人監(jiān)管的狀況。

本文針對當(dāng)前僅依賴人工的城市道路側(cè)停車管理效率低下,而現(xiàn)存的智能道路側(cè)停車管理系統(tǒng)檢測準(zhǔn)確度亟需提高的問題,以提高城市交通智能化為目的,設(shè)計了一種基于多傳感器融合的泊車位信息感知終端。

該終端基于模糊邏輯理論和D-S證據(jù)理論的多傳感器融合算法,實現(xiàn)對地磁傳感器、微波雷達(dá)、紅外位移傳感器三種傳感器采集信息的有效融合,并得出綜合判決結(jié)果,實現(xiàn)對車輛在位信息進(jìn)行有效監(jiān)測。

1 泊車位信息感知終端框架設(shè)計

泊車位信息感知終端節(jié)點部署在泊車位上,是智能道路側(cè)停車管理系統(tǒng)的重要組成部分,其利用自身的傳感器采集泊車位信息值,并基于特定算法實現(xiàn)對車輛在位狀態(tài)的有效監(jiān)測,最后將泊車位的車輛占用信息上報至后端服務(wù)器,方便路邊巡查人員進(jìn)行泊車位的管理和收費。

泊車位信息感知終端的硬件部分包括傳感器殼體以及硬件電路。其中硬件電路包括內(nèi)部的傳感器及信號處理單元、主控單元、通信模塊和電源模塊等;而殼體可分為上蓋、中蓋和下殼體三大部分,殼體結(jié)構(gòu)除上蓋采用透明PC材料外,其余部分均采用增強尼龍,并通過柵條狀華夫餅、加強筋、增加壁厚等方式增加殼體結(jié)構(gòu)強度。

終端采用標(biāo)稱額定電壓為3.7 V的38000 mA·h鋰離子電池ER34615硬件濾波后為終端供電,正常情況下使用可以滿足兩年的供電需求。在終端正常工作時,鋰電池輸出的3.7 V外部供電電壓一路給藍(lán)牙和NB-IoT模塊供電,另一路經(jīng)穩(wěn)壓模塊后轉(zhuǎn)成3.3 V電壓為微波雷達(dá)和地磁傳感器供電,而紅外位移傳感器則由升壓模塊轉(zhuǎn)成的5 V電壓供電。

2 泊車位信息感知終端硬件電路設(shè)計

2.1 傳感器及信號處理單元

傳感器及信號處理單元由USRR187P微波雷達(dá)、GP2Y0A21YK0F紅外位移傳感器、QMC5883地磁傳感器構(gòu)成。其中,QMC5883地磁傳感器功耗最低,是車輛在位監(jiān)測終端的主傳感器,其硬件電路如圖3所示,該傳感器使用I2C與MCU通信,在硬件電路設(shè)計時將時鐘線SCL和數(shù)據(jù)線SDA接上拉電阻以保證通訊的穩(wěn)定性。

微波雷達(dá)(圖4)和紅外位移傳感器(圖5)功耗相對較大,為輔助傳感器,二者均通過接插件與主板電路相連。其中微波雷達(dá)在完成上電初始化以及參數(shù)指令配置后會進(jìn)入喚醒休眠模式,需要MCU通過串口發(fā)送喚醒指令對其喚醒,喚醒后雷達(dá)開啟檢測,返回障礙物有無信息。紅外位移傳感器輸出電壓值,該電壓值與其探測距離成一定函數(shù)曲線關(guān)系,可通過最小二乘法對其進(jìn)行擬合。

2.2 主控單元

終端采用意法半導(dǎo)體公司的STM32L151CCT6芯片作為微處理器。該款芯片是32位Cortex-M3內(nèi)核的ARM處理器,主頻可高達(dá)32 MHz,足以保證數(shù)據(jù)傳輸?shù)膶崟r性,通信接口豐富,具有包括同步/異步串行通信接口、I2通信接口在內(nèi)的通信接口。微處理器的低速外部時鐘(LSE)及高速外部時鐘(HSE)分別選用32.768 K和8 MHz石英晶振為晶振源。

2.3 通信模塊

終端的通信部分采用移遠(yuǎn)BC28 NB-IoT無線通信模組,相較于LoRa等自組網(wǎng)絡(luò)而言,更加穩(wěn)定,能夠滿足各種室外場地的數(shù)據(jù)上行和下行需求。

藍(lán)牙模塊采用HJ-132c模塊,休眠狀態(tài)下其功耗小于5 μA,2 s間隔廣播下電流僅為15 μA,可以滿足產(chǎn)品的功耗需求。該模塊供電電壓范圍為1.6～3.8 V,可直接用外置電池供電,提高了部署的靈活度。

3 泊車位信息感知終端軟件設(shè)計

在現(xiàn)有的路邊停車場景下,單一的傳感器無法有效應(yīng)對路邊泊車位這一復(fù)雜的檢測環(huán)境,存在較大的漏檢概率,為提高檢測的準(zhǔn)確性,在算法設(shè)計綜合各傳感器對車位狀態(tài)的判決,其中地磁傳感器曲線包含信息豐富,為充分利用地磁變化曲線,地磁判決算法基于模糊理論實現(xiàn),模糊邏輯系統(tǒng)解模糊后的輸出信度將作為多狀態(tài)機(jī)狀態(tài)變更的重要判決依據(jù)之一,當(dāng)?shù)卮排袥Q和其余傳感器判決存在沖突后,終端將基于D-S證據(jù)理論進(jìn)行綜合判決。

3.1 基于模糊邏輯理論的地磁檢測算法

3.1.1 數(shù)據(jù)預(yù)處理

為有效應(yīng)用地磁傳感器三軸數(shù)據(jù),選用三軸磁場數(shù)據(jù)的平方和的二次方根值作為研究變量,該研究變量在本文中稱作地磁綜合值,用Ma(s)表示。如圖7所示,車輛在出入位的過程中地磁綜合值會發(fā)生劇烈波動,同時也會存在部分高頻噪聲,本文選用窗口值為6、加權(quán)系數(shù)K1～Kn的滑動加權(quán)濾波消除這部分噪聲。

F(s)=

(1)

圖8為經(jīng)窗口值為6、加權(quán)系數(shù)集合K={0.1,0.1,0.15,0.15,0.2,0.3}的滑動加權(quán)濾波處理后的地磁綜合值信號變化圖。從圖中可以看出,地磁綜合值變化曲線的高頻噪聲被較好地抑制,而主體特征保留完好,同時,波形的實時性較好,滿足濾波需求。

3.1.2 模糊邏輯推理

選用地磁綜合值原始信號變化曲線上等周期間隔點連線的斜率絕對值Ki以及地磁綜合值相對于基線偏移量的絕對值Mch作為系統(tǒng)的輸入變量。對于斜率絕對值Ki組成的論域UK,可將其劃分為H、M、L三個模糊集,分別代表高、中、低斜率絕對值;對于地磁綜合值相對于基線偏移量的絕對值Mch組成的論域UM,也將其劃分為H、M、L三個模糊集,分別代表高、中、低偏移量絕對值。

選用梯形型隸屬度函數(shù)作為模糊化的工具。因此對于論域UK下的模糊子集L、M、H,其隸屬度函數(shù)LK(x)、MK(x)、HK(x),可以用下列式子表示。

對于LK(x),有:

(2)

對于MK(x),有:

(3)

對于HK(x),有:

(4)

式中:Thk0、Thk1、Thk2、Thk3為斜率閾值,其值依次增大。且Thk0為判決的無車輛狀態(tài)變更的最小臨界斜率閾值,對于論域UM下的模糊子集L、M、H,其隸屬度函數(shù)LM(x)、MM(x)、HM(x)在形式上與式(2)、式(3)、式(4)相似,此處不再一一贅述。

定制模糊邏輯推理規(guī)則如表1所示,邏輯規(guī)則基于“IF-THEN”形式體現(xiàn)。

表1 模糊邏輯推理規(guī)則

本文選用加權(quán)平均判決法處理獲得最后的融合輸出結(jié)果Pout,其表達(dá)式滿足:

(5)

式中:fsi為各個推論的模糊量;σow為各個推論的模糊量權(quán)重。

在實際應(yīng)用上述算法進(jìn)行檢測時,當(dāng)輸出結(jié)果概率大于0.85時,地磁傳感器判定此時泊車位存在車輛狀態(tài)變更。

3.2 基于D-S證據(jù)理論的多狀態(tài)機(jī)檢測算法

如圖9所示為本文設(shè)計的泊車位車輛檢測狀態(tài)機(jī),該狀態(tài)檢測機(jī)總共分為7種狀態(tài),其中中間狀態(tài)有5個,Occupied以及Vacant為狀態(tài)機(jī)的最終穩(wěn)定狀態(tài)。

Initiate:該狀態(tài)是泊車位信息感知終端上電后的初始狀態(tài),在完成上電初始化后,只有當(dāng)Radar_detection=0(雷達(dá)檢測無障礙物)時,才會轉(zhuǎn)到Vacant狀態(tài)。

Vacant:該狀態(tài)表明泊車位上不存在車輛。在此狀態(tài)下會對停車位狀態(tài)值State置0以更新該值。當(dāng)前僅當(dāng)滿足斜率Ki大于Thk0或偏移量Mch大于Thm0時,程序會轉(zhuǎn)入下一狀態(tài),即采用FL模糊邏輯推理對地磁信息進(jìn)行融合處理,否則會在此處停留。

FL:該狀態(tài)為模糊邏輯推理狀態(tài)。依據(jù)3.1節(jié)所述算法對地磁綜合值曲線斜率Ki和偏移量Mch進(jìn)行信息融合處理,根據(jù)模糊推理系統(tǒng)輸出信度Pout和判決閾值0.85的相對大小,做出最終判決。當(dāng)State等于1(車位占用),若邏輯推理系統(tǒng)輸出量Pout大于判決閾值0.85,說明此時地磁傳感器判定當(dāng)前泊車位上的車輛狀態(tài)發(fā)生變更,此時會轉(zhuǎn)入Uncertain Vacant State 狀態(tài);若Pout小于判決閾值則說明這是泊車位有車狀態(tài)下的一次小的地磁擾動,且未發(fā)生車輛狀態(tài)變更,此時轉(zhuǎn)入Occupied狀態(tài)。相應(yīng)地,當(dāng)State為0(車位空閑),若Pout大于判決閾值,此時會轉(zhuǎn)入Uncertain Occupation狀態(tài);若Pout小于判決閾值,則返回Vacant狀態(tài)。

Occupied:該狀態(tài)為泊車位占用狀態(tài)。此狀態(tài)下會對停車位狀態(tài)值State置1以更新該值。在該狀態(tài)下,當(dāng)前僅當(dāng)滿足斜率Ki大于Thk0或偏移量Mch大于Thm0時,程序會轉(zhuǎn)入下一狀態(tài),即采用FL模糊邏輯推理對地磁信息進(jìn)行融合處理,否則會在此處停留。

Uncertain Vacant State:該狀態(tài)為非確定的泊車位空閑狀態(tài)。在該狀態(tài)下,當(dāng)Radar_detection為0(雷達(dá)檢測目標(biāo)判決無障礙物)且紅外位移傳感器采集到的距離值Dinfrared大于其閥值Thf(紅外位移傳感器認(rèn)為此時不存在車輛)時,則說明此時三個傳感器均認(rèn)為泊車位車輛狀態(tài)為空,此時轉(zhuǎn)入Vacant狀態(tài)。若此時Radar_detection不為0(雷達(dá)檢測目標(biāo)判決存在覆蓋或障礙物)或Dinfrared小于其閥值Thf(紅外位移傳感器認(rèn)為此時存在車輛),則說明三傳感器之間存在矛盾判決,此時交由DS融合機(jī)進(jìn)行數(shù)據(jù)融合處理,并得到最終的判決結(jié)果。

Uncertain Occupation:該狀態(tài)為不確定占用狀態(tài)。在該狀態(tài)下,若Radar_detection為0或紅外位移傳感器采集到的距離值Dinfrared大于其閥值Thf時,則此時三傳感器之間的判決存在矛盾,此時將最終判決交由DS融合機(jī)對泊車位信息做最后的判決。若此時Radar_detection不為0且紅外位移傳感器采集到的距離值Dinfrared小于其閥值Thf,則此時三傳感器的認(rèn)知趨同,且一致認(rèn)為泊車位上存在車輛,因此系統(tǒng)會轉(zhuǎn)入Occupied狀態(tài)。

DS:該狀態(tài)為D-S融合處理狀態(tài)。通過綜合地磁傳感器、紅外位移傳感器和微波雷達(dá)對泊車位信息的認(rèn)知,得出最終的判決結(jié)果。由于轉(zhuǎn)到DS狀態(tài)的前狀態(tài)為Uncertain Vacant State或Uncertain Occupation狀態(tài),二者的判別過程存在相似性,因此本文以前狀態(tài)為Uncertain Occupation 對D-S融合算法作出說明。

首先確定D-S證據(jù)理論的識別框架Θ為:

Θ={Γ1,Γ2}

(6)

式中:Γ1表示泊車位上存在車輛占用,Γ2表示泊車位處于空閑狀態(tài)。

基于識別框架得到的三條證據(jù)信息分別是:

證據(jù)1:基于地磁傳感器的泊車位檢測信息,構(gòu)造基本信任分配函數(shù)M1α:

(7)

式中:α為證據(jù)權(quán)重因子,其所對應(yīng)的調(diào)整范圍為[0,1];Pout為依據(jù)模糊邏輯推理得出的信度值函數(shù)。

證據(jù)2:基于紅外位移傳感器的泊車位檢測信息,構(gòu)建紅外位移傳感器的信度量化函數(shù)Pinf_ce:

式中:Thf為紅外位移傳感器識別車輛有無覆蓋上限閾值;Thl為紅外位移傳感器識別車輛有無覆蓋下限閾值;ω為最優(yōu)值權(quán)值系數(shù),當(dāng)距離D與ω·Thf越接近,Pinf_ce函數(shù)輸出值越大;D為紅外位移傳感器和外界障礙物之間的距離。

此時的基本信度分配函數(shù)M2a為:

(8)

式中:β為證據(jù)權(quán)重因子。

證據(jù)3:基于微波雷達(dá)傳感器的泊位檢測信息,構(gòu)造微波雷達(dá)的量化函數(shù):

(9)

式中:RVal是微波雷達(dá)返回數(shù)據(jù)包中的障礙物信息位數(shù)值。

構(gòu)造的基本信度分配函數(shù)為:

(10)

式中:γ為證據(jù)權(quán)重因子。

計算證據(jù)1、2和3融合后的沖突因子K1,2,3和信度值:

(11)

(12)

將設(shè)定的信度閾值Thr與M1,2,3(Γ2)比較,若M1,2,3(Γ2)大于Thr則輸出0,跳轉(zhuǎn)至Vacant狀態(tài),否則輸出1,跳轉(zhuǎn)至Occupied狀態(tài)。

4 實驗及結(jié)果分析

為測試驗證該車輛在位遠(yuǎn)程監(jiān)測系統(tǒng)的整體功能,我們將節(jié)點安裝到浙江大學(xué)玉泉校區(qū)校內(nèi)的停車位小批量部署測試,泊車位信息感知終端節(jié)點安裝在泊車位中心靠后30 cm的位置,部署情況如圖10所示,節(jié)點通過NB-IoT網(wǎng)絡(luò)將數(shù)據(jù)傳輸?shù)胶笈_服務(wù)器。

圖1 路邊停車管理系統(tǒng)結(jié)構(gòu)框圖

圖2 泊車位信息感知終端節(jié)點結(jié)構(gòu)框圖

圖3 地磁傳感器電路

圖4 微波雷達(dá)模塊圖5 紅外位移傳感器模塊

圖6 微控制器模塊硬件電路

圖7 車輛入位過程地磁綜合值原始信號變化圖

圖8 濾波后的車輛入位過程地磁綜合值原始信號變化圖

圖9 泊車位車輛檢測多狀態(tài)機(jī)

圖10 路邊部署示意圖

圖11 部署后的泊車位信息感知終端

在小批量部署測試中,我們在路側(cè)旁安裝監(jiān)控,同時配合人工,觀測泊車位實際的停車情況是否與服務(wù)器端上報情況相同。依據(jù)該方法對2022年3月21日至4月21日期間的停車情況進(jìn)行統(tǒng)計,共計1181次,漏檢9次,檢測正確率達(dá)到99.2%。綜上所述,該泊車位信息感知終端可以有效判斷車位狀態(tài),對車位狀態(tài)實現(xiàn)準(zhǔn)確檢測。