一種用于磁敏傳感器的車輛檢測(cè)算法

1車輛檢測(cè)算法隨著微型技術(shù)的進(jìn)步和成本控制的逐步降低，考慮到技術(shù)因素和成本，無線智能傳感器在智能交通中的應(yīng)用已經(jīng)進(jìn)入了原型階段。這種基于無線智能傳感器的新型數(shù)據(jù)獲取方式必將在交通信息采集領(lǐng)域占有一席之地。具有計(jì)算能力和無線通信能力的智能傳感器因其靈活性和協(xié)同性而獲得青睞。但同時(shí)也由于傳感器節(jié)點(diǎn)作為無源器件，其上搭載的電池容量相對(duì)有限且難以隨時(shí)更換，所以能耗問題就成為了無線傳感器應(yīng)用的主要障礙。與通用計(jì)算機(jī)不同，節(jié)點(diǎn)在通信上消耗的能量往往數(shù)倍于計(jì)算所帶來的開銷。因此，要降低能耗就必須對(duì)采集到的原始信號(hào)進(jìn)行必要的預(yù)處理，再將處理結(jié)果通過無線電的方式上傳，以減少通訊量，從而延長節(jié)點(diǎn)的使用壽命。較大的鐵磁質(zhì)物體在穿過磁場時(shí)，對(duì)周遭的磁場會(huì)產(chǎn)生擾動(dòng)。文獻(xiàn)指出，對(duì)于行駛在磁場中的車輛而言，車輛對(duì)磁場的影響可視作多個(gè)磁性偶極子的疊加效果。因此也可以使用磁敏傳感器記錄車道上特定位置的磁場變化，通過分析收集到的磁敏信號(hào)時(shí)間序列來檢測(cè)車輛。由于磁敏信號(hào)具有較好的抗干擾性能以及檢測(cè)器件安裝維護(hù)簡單，磁敏車輛檢測(cè)得到了研究者越來越多的關(guān)注。文獻(xiàn)中，Cheung介紹了一個(gè)相對(duì)簡單的閾值算法。該算法將z軸方向（即垂直于路面的方向）的磁敏信號(hào)和固定閾值相比較，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，倘若z軸方向和x軸方向（即道路的走向）的磁場信號(hào)同時(shí)持續(xù)在閾值之下0.25s，則認(rèn)為車輛離開。Coleri對(duì)文獻(xiàn)中的算法加以改進(jìn)。與之相似，它將磁敏信號(hào)是否超過指定閾值作為狀態(tài)機(jī)的輸入，通過在狀態(tài)機(jī)里規(guī)定多個(gè)中間狀態(tài)對(duì)01序列中連續(xù)出現(xiàn)的相同輸入進(jìn)行計(jì)數(shù)，在一定程度上消除了噪聲對(duì)算法的干擾。離線的仿真結(jié)果顯示，節(jié)點(diǎn)能檢測(cè)到97%以上的車輛。Ding提出的ATA(AdaptiveThresholdAlgorithm），則把原始信號(hào)的能量分布進(jìn)行FIR(FiniteImpulseResponse）濾波得到歷史平均值，再將平均值和自適應(yīng)的閾值相比，把比較結(jié)果作為狀態(tài)機(jī)的輸入，狀態(tài)機(jī)的輸出就是車輛檢測(cè)的結(jié)果。ATA算法的錯(cuò)誤率保持在10%以下。上述的幾個(gè)算法對(duì)于快速車輛的檢測(cè)有較好的效果。但是當(dāng)車輛低速行駛時(shí)，磁敏信號(hào)接近背景的時(shí)間會(huì)延長，這容易產(chǎn)生虛警。而ATA要求對(duì)信號(hào)進(jìn)行FIR濾波，導(dǎo)致算法的時(shí)間復(fù)雜度驟增，計(jì)算處理能力較低的傳感器節(jié)點(diǎn)會(huì)難以負(fù)擔(dān)。由于慢速車輛的檢測(cè)對(duì)于采集交通擁堵時(shí)的交通信息有重要意義，本文對(duì)ATA算法加以改進(jìn)，提出了一種基于VR-PLA(VariantResolutionPiecewiseLinearApproximation）車輛檢測(cè)算法。該算法借助車輛的速度信息調(diào)整滑動(dòng)窗口大小，使得算法對(duì)慢速（速度在15km/h以下）車輛也有很好的效果。2pla降維、閾值檢測(cè)模塊車輛檢測(cè)算法由自適應(yīng)的滑動(dòng)窗口均值濾波、PLA降維、閾值檢測(cè)三個(gè)模塊構(gòu)成，如圖1所示。其中，閾值檢測(cè)部分除了判斷有車還是無車外，還負(fù)責(zé)調(diào)整均值濾波的參數(shù)。2.1磁敏信號(hào)特征波形的動(dòng)態(tài)調(diào)節(jié)由于車道上的原始磁敏信號(hào)有不太強(qiáng)烈的高頻背景噪聲，算法通過在滑動(dòng)窗口中進(jìn)行均值濾波以削弱信號(hào)的高頻噪聲。為了避免特征的丟失，同時(shí)兼顧性能，采用折半重疊滑動(dòng)窗口，即令窗口大小為lw，每次計(jì)算完平均值后，窗口向前移動(dòng)lw/2。在式（1）中，濾波后的輸出信號(hào)為s贊（k），窗口的起始位置為ik。濾波窗口大小要適中。如果選擇的濾波窗口過小，一方面會(huì)增加傳感器節(jié)點(diǎn)的計(jì)算負(fù)擔(dān)，另一方面則會(huì)誤把一些毛刺噪聲也作為有意義的特征單獨(dú)處理；如果窗口過大，有可能造成濾波后波峰和波谷相抵，導(dǎo)致虛警和漏檢。為了能更好地反映波形的特征，算法的閾值檢測(cè)部分將依據(jù)磁敏信號(hào)特征波形的變化速度對(duì)濾波窗口大小lw進(jìn)行動(dòng)態(tài)調(diào)節(jié)。波形的變化速度主要受到當(dāng)前被檢車輛的車速影響。根據(jù)對(duì)相鄰車輛的速度分布的分析，可以知道在前車通過后的短時(shí)間內(nèi)經(jīng)過的后車，其車速會(huì)在前車車速附近。而且每個(gè)車輛波形都分別含有一個(gè)前沿和后沿，前沿的上升斜率與車速正相關(guān)。因此，在VRPLA算法里，通過前一輛檢測(cè)到的車輛在節(jié)點(diǎn)上方逗留時(shí)間ok-1和當(dāng)前車輛磁敏波形的前沿斜率sw來初始化當(dāng)前車輛所使用的濾波窗口大?。浩渲校龋?lt;1）是前車ok-1對(duì)后車lw的影響因數(shù)，dmin和dmax分別是d的下限和上限。它們直接影響著滑動(dòng)窗口的大小。在這里，dmin和dmax由ok取值范圍決定。假設(shè)車輛的速度上限為vmin，磁敏傳感器的采樣率是f，車輛的磁感應(yīng)車長上下限分別為Lmax和Lmin。那么，ok的上下限由式（3）可得。根據(jù)文獻(xiàn)分析，對(duì)磁場擾動(dòng)最劇烈的地方往往在車輛的車軸和引擎部位。通常車輛多為二軸車，且引擎的位置往往靠近傳動(dòng)軸?；谶@個(gè)判斷，一個(gè)僅包含上升沿和下降沿的波形片斷的平均長度在ok/2.5左右。為了讓滑動(dòng)窗口捕捉到波形的變化趨勢(shì)，取滑動(dòng)窗口大小為1/4波形長度為宜。即lw≈ok/10。表1取速度上限為80km/h，傳感器的采樣頻率為128Hz，根據(jù)假設(shè)的車長上下限得出了相應(yīng)的omin和omax。由omin、omaxlw和d之間的關(guān)系，可以估算出取整后的dmin和dmax分別為1和17。如圖2所示，是一輛時(shí)速為26km/h的SUV多功能車（SportsUtilityVehicle）的磁敏波形分別采用不同長度窗口平滑的結(jié)果?？梢杂^察到當(dāng)lw為8時(shí)，波峰值未能超出背景，表明發(fā)生了漏檢。2.2基于pla的形折線擬合基于磁敏信號(hào)的車輛檢測(cè)實(shí)質(zhì)上就是將磁敏信號(hào)時(shí)間序列分成不同類型片段。分段線性擬合（PiecewiseLinearApproximation）在計(jì)算機(jī)圖形圖像處理中常被用于曲線、曲面的擬合和圖像壓縮，在非線性系統(tǒng)中被用來對(duì)系統(tǒng)進(jìn)行建模和分析。其目的是用分段的直線線段擬合已數(shù)值化的曲線，要求在生成線段數(shù)量較少的前提下，由線段拼接出的折線與原始曲線的距離（一般用平方差來衡量）達(dá)到最小。本文采用PLA實(shí)時(shí)地把信號(hào)波形分段擬合，每次處理都產(chǎn)生一段Λ形的折線H，再把H的頂點(diǎn)ek作為特征，交由閾值檢測(cè)模塊分析處理。濾波得到的每個(gè)均值s贊（k），都被送入上面所示的PLA算法進(jìn)行處理。算法根據(jù)輸入的s贊（k），返回對(duì)應(yīng)的折線H。上面的偽代碼實(shí)現(xiàn)了這個(gè)過程。它首先累計(jì)持續(xù)上升或下降的信號(hào)個(gè)數(shù)，直到信號(hào)的大小向相反的方向變化，變化的同時(shí)記錄下變化點(diǎn)的信號(hào)值和每次累計(jì)的信號(hào)個(gè)數(shù)。這兩個(gè)數(shù)據(jù)被用來表示一個(gè)線段。上升段被記為h0，下降段被記為h1。每兩段構(gòu)成一段Λ形折線H。H即{h0,h1}。2.3動(dòng)態(tài)調(diào)整背景emear受到附近車輛和大功率電機(jī)的影響，有時(shí)在無車狀態(tài)下可以觀察到背景均值的緩慢漂移。因此，無車狀態(tài)下，根據(jù)傳感器測(cè)得的數(shù)據(jù)動(dòng)態(tài)調(diào)整背景emean。如果ek和emean的距離不超過閾值T，那么新的背景均值就被設(shè)為。其中，T是事先設(shè)定的固定閾值，用于判斷磁場是否有突變，其大小視磁敏元件的靈敏度而定。2.4有車狀態(tài)下的pkVRPLA算法采用三元組<Pn,Pe,S>表示節(jié)點(diǎn)的狀態(tài)。其中，Pn表示當(dāng)前無車的概率，Pe表示有車的概率，S則是對(duì)當(dāng)前狀態(tài)的硬性判斷，即有車還是無車。一種類似于概率有限狀態(tài)機(jī)（PFA）的機(jī)制被用于來完成兩個(gè)狀態(tài)之間的轉(zhuǎn)換。本文稱其為PFAA(ProbabilisticFinitestateAlikeAutomata）。如圖3所示，PFAA由兩個(gè)主狀態(tài)car和nocar構(gòu)成，這兩個(gè)主狀態(tài)分別表示“有車”的狀態(tài)和“無車”的狀態(tài)。在“有車”狀態(tài)下，由于車輛的磁敏特征曲線同時(shí)受到車輛構(gòu)造和車速多個(gè)因素的影響，其變化規(guī)律較“無車”狀態(tài)復(fù)雜，為此car由兩個(gè)帶概率的子狀態(tài)car0和car1來描述。顯然，P(car0）=1-P(car1）。無車狀態(tài)下的PFAA,S等于nocar。該狀態(tài)下，一旦輸入的ek超出背景均值emean和固定閾值T之和，S立即轉(zhuǎn)變?yōu)閏ar,P(car1）和P(car0）分別被初始化為1和0。這時(shí)，算法根據(jù)新偵測(cè)到的波形前沿片段h0的斜率sw調(diào)整滑動(dòng)窗口的大小。PFAA假設(shè)在無車時(shí)，磁敏傳感器附近的磁場噪聲分布符合高斯分布，分布的隨機(jī)變量x為特征ek，平均值x0為前面無車時(shí)測(cè)得的背景均值emean，方差δ取2T。因此，高斯分布在x的概率密度W(x）被用作有車狀態(tài)下car1轉(zhuǎn)變到car0的概率。在本文中為了減少計(jì)算量，使用一個(gè)高斯分布的近似算式（4）計(jì)算W(x）。算出W(x）后，根據(jù)一個(gè)更新機(jī)制設(shè)置有車狀態(tài)下對(duì)應(yīng)第k次檢測(cè)的Pk(car1）。更新機(jī)制首先把W(x）的上限定為Tp，令P=min(W(x）,Tp）。若P為零，那么P(car1）=1，否則Pk(car1）=Pk-1(car1）(1-P）。當(dāng)最后得到的P(car1）小于給定閾值Tp時(shí)，S轉(zhuǎn)變?yōu)閚ocar。此時(shí)，VRPLA認(rèn)為車輛離開，并使用前面提到的背景更新方法更新背景。3磁敏傳感器采樣數(shù)據(jù)算法使用文獻(xiàn)提供的數(shù)據(jù)集對(duì)VRPLA進(jìn)行評(píng)估測(cè)試。根據(jù)實(shí)際情況選取了4組數(shù)據(jù)，并把它們分別記作DBa1、DBb、DBc(1）和DBc(2）。數(shù)據(jù)集中，磁敏傳感器的采樣頻率為128Hz。采集前三組樣本時(shí)，節(jié)點(diǎn)的位置均在車道中央，采集DBc(2）時(shí)，節(jié)點(diǎn)被放置在車道中線一側(cè)約20cm處。DBb和DBc(1,2）采自美國加州佛利蒙的一處過磅站，樣本中的車輛均為慢速載重卡車。所以這幾組數(shù)據(jù)中，車輛在節(jié)點(diǎn)上逗留的時(shí)間都比DBa要長得多，最長者達(dá)21s。而且在一部分帶拖車的卡車信號(hào)波形中部有一段較長的平緩區(qū)域，其信號(hào)強(qiáng)度接近背景的信號(hào)強(qiáng)度。3.1平均車速：dbb的平均車速測(cè)試結(jié)果如表2所示。其中，樣本DBa的平均車速約為31.57km/h，樣本DBb的平均車速2約為5.16km/h。圖4和圖5分別顯示了這兩個(gè)樣本的部分檢測(cè)情況，從中可以看到滑動(dòng)窗口的大小在不同車速下的變化情況。3.2波窗口參數(shù)d的限制濾波窗口的大小與檢測(cè)算法的性能高低有相當(dāng)密切的關(guān)系。表3揭示了濾波窗口參數(shù)d的上下限不同組合對(duì)檢測(cè)結(jié)果的影響。從中可以看出慢速車輛的檢測(cè)結(jié)果對(duì)于上限的選擇較為敏感，當(dāng)上限增大的時(shí)候，漏檢率逐漸提高；快速車輛則對(duì)下限的選擇比較敏感，當(dāng)下限增大時(shí)，漏檢率也會(huì)提高。3.3計(jì)算時(shí)長為6d以上的計(jì)算由于算法采用了折半重疊滑動(dòng)窗口濾波對(duì)原始信號(hào)進(jìn)行預(yù)處理，因而計(jì)算過程中不用保存原始的歷史數(shù)據(jù)，只需保留部分計(jì)算結(jié)果。這種處理方式節(jié)省了大量存儲(chǔ)空間。據(jù)統(tǒng)計(jì)，若算法使用4Byte單精度浮點(diǎn)數(shù)作為存儲(chǔ)磁敏信號(hào)及其預(yù)處理結(jié)果的數(shù)據(jù)類型，運(yùn)行VRPLA算法僅需70Byte的數(shù)據(jù)存儲(chǔ)空間。同時(shí)