基于單軸地磁傳感器的車輛參數檢測算法研究*

呂 鮮 戚 湧▲ 張偉斌 李千目

(1.南京理工大學計算機科學與工程學院 南京 210094；2.南京理工大學電子工程與光電技術學院 南京 210094)

0 引 言

在智能交通研究中，車輛檢測是其中重要的基礎環節。目前，車輛檢測的主要設備有感應線圈檢測器(ILD)、視頻攝像機以及地磁傳感器。其中，ILD因其技術簡單，成本低而使用最為廣泛但ILD的車輛檢測靈敏度低，抗外界干擾性差，應用于車輛感知時準確率較低。視頻攝像機使用圖像處理技術分析車輛的車牌號或車輛形狀來感知車輛以及進行車型分類，車輛檢測精度高，但成本高昂，還易受光線和惡劣天氣的影響，只應用在重要的交通路口。地磁傳感器是通過檢測車輛對地磁場產生的干擾來感知車輛，由于其耗電量低，檢測靈敏度高，體積小巧，安裝方便，不受惡劣環境的影響，定期維護簡單，可使用周期較長，近年來得到廣泛的應用。

目前，低功耗、低成本、靈敏度高的地磁傳感器是車輛檢測領域的研究熱點。李希勝等[1]研發了1種由3軸AMR傳感器和信號處理電路組成的車輛檢測器，被用以測量車輛經過檢測區域時引起周圍磁場的變化，該檢測器可以實現車輛感知。蘇東海等[2]提出了1種基于AMR傳感器的交通流信息采集方法，使用2個地磁傳感器，對采集的數據進行預處理以及波形特征提取，并應用基于閾值的車輛判別方法進行了實時統計車流量的實驗。柴可夫等[3]提出了一種基于PLA時間序列重現的車輛實時檢測算法，算法減少低速行駛的大型車輛對檢測結果的影響。聞育等[4]提出了一種基于磁偏角的車輛檢測方法，其通過測量車輛對磁偏角的擾動大小來獲取車輛信息，并設計了基于狀態機算法的車輛檢測技術并驗證了此種算法的有效性。李云龍等[5]利用單個3軸AMR傳感器測量行駛車輛引起地球磁場變化的磁場強度值，并研究AMR檢測器的數據采集原理和波形特征向量提取方法，設計了一種自適應狀態機車輛檢測算法，即自適應地更新閾值和基準值。Yang 等[6]利用單個3軸的AMR傳感器采集地磁信號，采用數字濾波器進行噪聲處理，設計基于信號方差的固定閾值算法檢測城市道路中低速擁堵條件下的車輛，通過提取波形特征進行車型識別。李海艦等[7]使用1種多功能的地磁傳感器采集車輛經過時的磁場數據，先分析噪聲數據的頻率分布，然后采用低通濾波器去除噪聲，設計1種雙窗口車輛檢測算法感知車輛，最后采用8種與車速不相關的波形時域特征進行車型分類。

綜上，現有文獻大多數集中在利用單個地磁傳感器進行車輛檢測的研究，并且傳感器輸出的地磁信號數據包含無車通過時的背景噪聲數據，需要后期的數據處理提取有車輛經過地磁節點的信號數據。因此，這類持續輸出信號數據的地磁傳感器功耗大，并且利用單個地磁獲取的車輛信息有限，車輛檢測存在誤差。筆者基于自主研發的單軸地磁傳感器，研究了基于固定閾值的狀態機算法，利用2個地磁傳感器實現車輛的準確檢測，并提出感知車流量、車速、車長等交通信息的方法，最后根據收集到的地磁數據，探索分析磁場能量與車速、車長的相關性，并建立相應的模型。

1 基于地磁傳感器的車輛檢測

1.1 基本原理

地球本身具有一個較弱的天然磁場，稱為地磁場。在沒有外界干擾的條件下，一定區域內的地球磁場強度基本上恒定不變，但當有鐵磁物體接近時，該區域的磁場瞬間發生變化。此時地磁傳感器能夠測量連續變化的磁場信號，并根據變化幅度來判斷是否有鐵磁物體通過此區域。汽車也是一種鐵磁物體，地磁傳感器通過感知車輛通過檢測區域前后磁場的改變，進行車輛實時檢測，見圖1。

圖1 地磁檢測車輛原理示意圖Fig.1 The principle of geomagnetic detection vehicle

1.2 自主研發的地磁傳感器

自主研發的單軸地磁傳感器主要包括磁阻芯片模塊、控制模塊和通信模塊，見圖2。其中磁阻芯片可以測量其所處位置垂直方向z軸和水平方向2軸x，y的磁場，但當車輛經過傳感器節點時，z軸的磁場變化最明顯，獲取的多個傳感器節點的z軸磁場信號變化幅度大于閾值的磁場數據，經過后期處理，既可完成行駛車輛的檢測和車速、車長等交通信息的感知，又可減少單次傳輸量，節約通信開銷。

圖2 自主研發的地磁傳感器Fig.2 Self-developed geomagnetic sensor

傳感器節點檢測車輛的具體工作流程如下：當沒有車輛穿過地磁檢測區域時，傳感器處于一種休眠狀態；當外界磁場強度突然發生變化并且變化幅度大于所設定的閾值時，此時傳感器進入工作狀態，開始傳輸當前時刻的磁場信號；當檢測到外界磁場強度的變化幅度小于所設定的閾值時，傳感器停止傳輸磁場信號，重新進入休眠狀態。

1.3 車輛檢測系統結構

在道路的同一車道上布置相隔一定距離的地磁傳感器，傳感器將行駛車輛引起地球磁場的擾動轉變成電壓信號，電壓信號經過模數轉換后變成數字信號，將數字信號調節放大，并通過通信模塊將數據傳輸給上位機程序，程序對所采集的數據進行預處理，包括原始數據的噪聲去除。其次，利用固定閾值的狀態機算法進行車輛檢測，并分離出車輛的地磁數據。最后，分析地磁數據，設計算法獲取車長、車速、車流量等車輛參數信息，以及分析這些車輛參數的相關性，見圖3。

2 數據預處理

傳統地磁傳感器輸出的信號是包括背景噪聲在內的地磁信號。 當沒有車輛經過時，傳感器依舊輸出當前時刻的磁場強度，即背景噪聲。此類地磁傳感器處于持續工作的狀態，并且收集的數據需要去除背景噪聲進而從中提取車輛經過檢測區域的磁場信號。文中提出了一種全新的單軸地磁傳感器檢測車輛理念：傳感器周期性地檢測外界磁場，當車輛未進入或者離開檢測區域時，檢測到的磁場強度是一個平穩的值，此時傳感器并不傳輸地磁信號，處于一種休眠狀態；當有車輛進入到檢測區域時，地磁場將會發生劇烈抖動，若傳感器檢測到的磁場抖動幅度大于所設定的閾值時，此時傳感器才處理地磁信號。所以，傳感器只處理車輛經過檢測區域時z軸的地磁信號，并不記錄x軸和y軸的地磁信號以及外部環境的背景噪聲，這樣既便于數據傳輸，節省傳感器的工作功耗，也利于后期的數據處理和分析。表1是車輛經過地磁檢測區域時所采集的部分原始數據。

圖3 車輛檢測系統結構Fig.3 Diagram of the structure of vehicle deterction system

表1 部分原始數據Tab.1 Partial raw data

假設地磁傳感器檢測的最原始的磁場強度為

Zo={Zo(1),Zo(2),…，Zo(4i+k),…}

(i=0.1,…,N;k=1,2,3,4)

(1)

傳感器傳輸的磁場強度為

Z={Z(1),(2),…,Z(j),…,Z(n)}

(j=1,2,…,n)

(2)

對應的時間為

t={t(1),t(2),…,t(j)…,t(n)}

(j=1,2,…,n)

(3)

(4)

圖4是1輛汽車先后經過地磁節點A，B時的磁場強度波形圖。

圖4 雙地磁檢測車輛磁場強度圖Fig.4 Double geomagnetic detection vehicle waveform diagram

3 車輛檢測與交通信息感知方法

3.1 基于狀態機的車輛檢測算法

本文根據自主研發的單軸地磁傳感器，提出基于固定閾值的狀態機算法，算法描述見圖5。

圖5 狀態機算法Fig.5 State machine algorithm

該車輛檢測算法是根據車輛進入檢測區域時引起地球磁場產生劇烈的抖動，根據抖動幅度大于指定的閾值Td1，并且持續抖動的時間超過時間閾值Td2，則認為檢測到車輛。

決定狀態機跳變的因素flag定義如下

flag=

(5)

抖動幅度閾值Td1的確定是根據多次實驗預先設定的一個固定閾值。

時間閾值Td2的確定依據為

(6)

式中:Lmin為道路行駛的最小型汽車的長度；Vmax為道路的最高限速；f為傳感器的工作頻率。即所有檢測到的車輛經過2個地磁節點的時間不小于路面最小型汽車以最快速度通過2節點的時間。

狀態機算法中其他變量的解釋：duration_t表示車輛進入地磁結點后的計時標記，默認值為0；vehicle_count表示車輛計數器,默認值為0。

基于固定閾值的狀態機描述如下:

在初始狀態時，將所有的變量重置為默認值，狀態機到達未觸發狀態，重置duration_t為默認值0，此時循環判斷flag的值，若flag為默認值0，狀態機維持現狀；若flag的值變為1，則狀態機轉變為半觸發狀態，此時可能有車輛通過，將車輛進入地磁檢測區域的計時標記duration_t自增1，每隔一個固定時間段判斷flag的值，若flag的值未發生改變，duration_t加1，直到flag的值變為0，將duration_t與預先設定的時間閾值Td2進行比較，若duration_t小于Td2，則收集的地磁信號是由附近車道的車輛引起，此信號是噪聲，并將狀態機恢復到未觸發狀態，繼續檢測后續車輛；若duration_t不小于Td2，則檢測的車輛離開，并且車輛計數器vehicle_count自增1，狀態機轉變未觸發狀態，等候檢測下一輛車。因此，基于固定閾值的狀態機算法可以檢測有效路段車輛，并且利用vehicle_count可統計指定時間段內的交通流量。

3.2 車速計算方法

地磁傳感器不僅可以實時檢測車輛，統計路段車流量，還可以利用2個間隔一定距離的地磁節點對行駛車輛速度的測量。如圖6所示，在同一車道前后埋設相距L(L較小)的2個信號頻率和檢測半徑相同的地磁節點A，B。當車輛經過這兩個地磁節點時，由于節點間的距離較小，可認為車輛勻速通過。利用車輛檢測算法獲取車輛通過地磁節點A，B的時間分別為tAarr，tAlea和tBarr，tBlea。

圖6 車速測量節點布置示意圖Fig.6 Layout diagram of speed measurement node

(7)

3.3 車長估算方法

與車輛長度相比，地磁檢測半徑非常小，可將其視為一個點。車輛從進入節點A到離開所花費的時間為tAlea-tAarr。同理，進入節點B到離開所花費的時間為tBlea-tBarr，車輛長度為

lea1=(tBlea-tBarr)V

(8)

lea12=(tBlea-tBarr)V

(9)

3.4 參數模型關系

3.4.1 參數模型分析

基于一種全新的單軸地磁傳感器檢測車輛理念收集到磁場數據并繪制出的地磁信號曲線圖，由于地球磁場和路面環境的復雜性，以及道路行駛車輛種類眾多，新舊不一，車輛自身可能攜帶鐵磁物質等因素，提取的信號波形特征無法與車輛的類型建立對應關系。此外，同一車型的車輛以不同的車速經過地磁節點，車輛對應的地磁信號曲線長度不一致，不同車型的車輛以同一車速經過時，地磁信號曲線長度也不一致。如果對地磁曲線進行歸一化處理會損失原本的地磁信號(見圖7)。因此，文中從另外一個角度探究磁場強度Z、磁場能量E與車長L、車速V的關系。

圖7 同類型車輛的磁場曲線圖Fig.7 Magnetic field curve of the same type of vehicle

磁場能量為

(j=1,2,…,n)

圖8 平均磁場強度與車速的關系圖Fig.8 Average magnetic field intensity vs. vehicle speed

圖9 平均磁場強度與車長的關系圖Fig.9 Average magnetic field intensity vs. vehicle length

其次，分析磁場能量E與車速V、車長L的關系，如圖10～11所示。

圖10 磁場能量與車速的關系圖Fig.10 Magnetic field energy vs. vehicle speed

圖11 磁場能量與車長的關系圖Fig.11 Magnetic field energy vs. vehicle length

由圖10～11可知，當車輛通過地磁節點時，行駛的速度越快，產生的地磁能量越小，地磁能量與車速是負相關關系；車輛長度越長，產生的地磁能量越大，地磁能量與車長是正相關關系。基于此規律，進一步探究磁場能量與車長、車速比值之間的關系，并通過地磁節點B收集到的數據進行驗證。圖12所示的是車輛經過地磁節點A時，磁場能量與車長車速比值之間的關系，圖13所示的是車輛經過節點B，磁場能量與車長、車速比值之間的關系，這兩幅圖都顯示了磁場能量與車長、車速比值有線性關系。

圖12 地磁節點A磁場能量和車長、車速比值之間的關系Fig.12 Magnetic field energy of node A vs. the ratio of vehicle speed and length

圖13 地磁節點B磁場能量和車長車速比值之間的關系Fig.13 Magnetic field energy of node B vs. the ratio of vehicle speed and length

3.4.2 模型用途

圖12～13顯示出地磁能量E與車長、車速比值L/V是線性關系，即E=a(L/V)+b(a，b均為參數)(表2)。此線性模型可用于多個傳感器的數據融合：當地磁傳感器測量的速度有較大的誤差時，通過將準確的車長數據代入到三者之間的表達式中，可以對速度進行校驗；同理，當車長估算有誤差，可以利用準確的車速數據對車長進行校正。

表2 參數列表Tab.2 List of parameters for a linear relationship

4 實驗驗證

在南京市江寧區某公路上，將編號分別為A(05)和B(02)的2個地磁傳感器相距5 m布置在一個車道上，實驗收集大約6 h的行駛車輛數據。為了后期驗證傳感器檢測車輛算法的準確性，用攝像機記錄車輛經過傳感器的全過程。

根據中國汽車分類標準，實驗中將路段行駛的車輛分為4種：4 m以下為小型車,標記類別1;4～7 m為中型車,標記類別2;7～11 m為大型車,標記類別3;11 m以上為特型車,標記類別4。車型的判別直接根據雙地磁計算的車長判斷。實驗結果如表3所示：

表3 實驗結果Tab.3 Experimental results

現場實驗時，當有車輛經過地磁檢測區域時，地磁傳感器立即傳輸磁場數據，并交付給上位機程序處理，而當無車或者車輛離開后，傳感器沒有傳輸磁場數據。實驗過程視頻中一共出現150輛車，基于固定閾值的狀態機算法檢測到147輛車，通過相關計算獲取到車輛的車速、車長、車型等車輛信息。由此可以得到，基于自主研發的單軸地磁傳感器可以實現98%的車輛檢測。表3數據顯示，第4輛車的車長為3.23 m，查閱視頻可知，該車為一輛低速行駛的出租車，車速為25.9 km/h，與事實相符合；第6輛車的車長為2.33 m，在視頻中出現的是一輛三輪車，而且該車只經過地磁節點A，然后偏離了原先的車道，此處檢測到的數據是噪聲，因此，車速計算有誤差。

根據2個地磁傳感器測量的車速，與視頻獲取的行駛車速進行對比，兩者獲取的車速基本一致，而且，根據算法計算得到的車長進行車型判別也與視頻中出現的車型一致。

5 結束語

本文首先采用自主研發的單軸地磁傳感器，與文獻[11]需要動態更改基值并設計復雜的檢測波形算法提取車輛磁場波形相比，文中的傳感器只處理車輛引起地磁場擾動的幅度大于指定閾值的磁場信號，通信開銷更低，后期數據處理更加高效。其次，本文提出了一種固定閾值的狀態機車輛檢測算法，算法的輸入值維度更低，并且通過設立多個狀態，可以有效過濾附近車道車輛的地磁擾動噪聲，利用前后2個地磁傳感器可以實現了與文獻[11]同樣的車輛檢測率以及車速、車長、車流量的感知，但本文的算法效率更高。最后探索發現了地磁能量與車長車速比值的關系模型，此模型在其它地磁傳感器的車輛檢測研究中很少提及，后期可用于多個地磁傳感器的數據融合。

現場實驗只使用2個地磁傳感器收集數據，后期可組建無線傳感器網絡將多組傳感器布置在多個車道上來感知一個斷面甚至一個路網的車輛信息，并利用文中建立的磁場能量與車速車長比值的線性關系對這些傳感器獲取的數據進行融合和校驗，進行更加深入的研究。