一種多特征量交通檢測系統

黃丹　何春虎　李雪

【摘 要】本文結合多種傳感器技術，對車輛進行數字化與動態建模，設計了一種新型的多特征量綜合交通檢測系統，可獲取車輛流量、車型、速度、加速度、輪重、軸重、軸組重、總重、當量軸次、軸距、車高、車長、車寬、車輛輪廓、通行時間、行駛方向、超重、超速、車牌、車輛圖片等20種車輛交通數據，大幅提高公路超限檢測、交通情況調查、公路計重收費等領域自動化、數字化水平，對推動交通檢測領域內的科學技術發展起到重要作用。

【關鍵詞】多特征量；交通檢測；信息系統

0 引言

隨著世界各國公路交通流量的不斷增長，交通數據的自動化獲取成為未來公路交通情況調查工作的必然選擇。目前國外發達國家還在對現有的車輛檢測技術做進一步深入地研究，試圖提高檢測精度，擴大使用范圍[1-3]。但是從國內實踐來看，多種檢測技術相互搭配運用，是比較現實的做法。每種檢測技術都有其檢測原理上的限制，因此無法獲得所需的所有交通參數，為了獲取智能交通應用所需的所有交通參數，可選擇多種檢測器互相搭配，做到不同的檢測技術在功能上互補。

在此前提下，結合多種傳感器技術，提出一種新型的多特征量綜合交通檢測技術，可獲取車輛全方位交通數據，對車輛進行動態建模與數字化，并根據車輛全方位交通數據提出一種基于多特征量的車型自動識別技術

系統能提供全方位車輛特征量，可服務于公路設計、建設、運營、維護，應用在高速公路聯網收費通行費拆分、高速公路收費站通行費全自動計算、自動超限檢測、交通情況調查、軸載調查、道路養護管理等領域，大大提高相關交通單位自動化、數字化水平，能更好的維護公路業主方、運營方及使用方的利益。

1 系統結構

整個系統由數據采集子系統、數據處理子系統、數據融合子系統三部分組成。

由數據采集子系統進行多數據源數據的采集，包括動態稱重彎板傳感器數據、激光輪廓檢測儀數據、視頻數據等；由數據處理子系統對采集到的原始數據進行分析與處理，得到車輛流量、車型、速度、加速度、輪重、軸重、軸組重、總重、當量軸次、軸距、車高、車長、車寬、車輛輪廓、通行時間、行駛方向、超重、超速、車牌、車輛圖片等20種車輛交通數據；數據融合子系統將車輛特征數據反復進行模型仿真、分組與對比，將融合后的特征數據作為最終數據。

1.1 數據采集子系統

數據采集子系統包括動態稱重數據采集、激光輪廓檢測數據采集、車輛視頻數據采集三個部分。

動態稱重數據采集部分包括彎板式傳感器、信號調理模塊、智能稱重儀器主機幾大部分。彎板式傳感器將車輛軸重轉換為傳感器信號；信號調理模塊主要用于對傳感器信號轉換為有效的電平信號，以及對電平信號進行放大、濾波、線性化補償、隔離、保護等功能，使電平信號符合后端儀器采集卡的阻抗匹配要求；智能稱重儀器主機是動態稱重數據采集的控制中心，主要負責控制原始車輛數據的采集、實時處理以及發送。

激光輪廓檢測主要通過電磁波連續檢測車輛頂部的高度，然后將車輛高度值通過數學模型還原成車輛剖面輪廓。根據測量時間方法的不同，通常可分為脈沖式和相位式兩種測量形式，為了實現快速、準確的測距要求，一般采用相位方式進行測量。相位式測距是對電波進行幅度調制并測定調制波往返測線一次所產生的相位延遲，再根據調制波的波長，換算此相位延遲所代表的距離，即用間接方法測定出光經往返測線所需的時間。

車輛視頻數據采集主要使用攝像頭完成，對于車道全景數據使用標清攝像頭，對于車牌識別使用高清攝像頭。

1.2 數據處理子系統

數據處理子系統綜合運用多種數據處理分析手段，從已采集數據中分析出車輛特征數據。

動態稱重數據的處理分為軟件濾波、波形匹配、車輛信息獲取三個步驟。軟件濾波使用波峰波谷算法，將原始波形中的各種噪聲、雜波濾除；波形匹配使用過濾后的波形信息，根據車輛本身的軸特征，以及傳感器埋設距離等條件，將對應的兩個波形匹配為車輛的一根軸；車輛信息獲取根據車輛運動特征，將多根軸匹配為一個車，并得到車輛的相應特征數據。

激光輪廓檢測數據處理可以得到車輛的長、寬、高信息。其關鍵點在于激光波形關鍵點的尋找，使用拐點逼近的算法，可較好的找到波形關鍵點。

視頻數據的處理需要用到車輛視頻檢測技術。車輛視頻檢測技術運用模式識別、圖像處理技術，對運動車輛連續圖像幀進行分析處理，基本流程主要采用建立圖像背景模型、圖像背景模型的更新、圖像差分處理、圖像二值化、形態學濾波、陰影去除、運動軌跡跟蹤等軟件技術和算法，使用標清相機分析連續圖像幀，識別運動車輛，獲取車輛圖像外部輪廓；同時使用高清相機軟觸發或硬觸發抓拍高清車輛圖片，分析抓拍車輛圖像局部紋理，并進行車牌識別。

1.3 數據融合子系統

整個系統主要利用動態稱重技術、激光車輛輪廓檢測技術、視頻車輛檢測技術獲取車輛特征量，獲取的數據中，既有重復的，也有互補的。

為了將不同格式多種數據快速準確進行融合，采取了以下手段：建立日志分析機制，采用數據同步方法，確保不同傳感器獲取的不同數據反映的是同一時刻的車輛狀態；針對重復的數據，運用類比的方法，對重復的特征量進行干擾消除、取舍與校正；設計特征提取算法，對數據進行再次重組；最后根據多特征量對車輛進行建模，得到真正的車輛特征數據。

2 結語

整個系統結合多種傳感器技術，對車輛進行數字化與動態建模，可獲取車輛流量、車型、速度、加速度、輪重、軸重、軸組重、總重、當量軸次、軸距、車高、車長、車寬、車輛輪廓、通行時間、行駛方向、超重、超速、車牌、車輛圖片等20種車輛交通數據；根據不同用戶群需求，系統可應用于高速公路聯網收費通行費拆分、高速公路收費站通行費全自動計算、自動超限檢測、交通情況調查、車輛軸載情況調查、道路養護管理等領域。

【參考文獻】

[1]Giachetti A，Campani M，Torre V.The use of optical flow for road navigation [J]. IEEE Transactions Robotics and Automation， 1998， 14（1）：34-48.

[2]Bertozzi M， Broggi A，Fascioli A，et al.Stereo vision-based vehicle detection [C]//Proceedings of Intelligent Vehicles Symposium. Dearborn： IEEE， 2000： 39-44.

[3]Bensrhair A， Bertozzi M， Broggi A， et al. A cooperative approach to vision-based vehicle detection[C]// Proceedings of Intelligent Transportation Systems. Oakland：IEEE， 2001： 207-212.

[責任編輯：楊玉潔]