黃丹　何春虎　李雪

【摘 要】本文結(jié)合多種傳感器技術(shù)，對車輛進(jìn)行數(shù)字化與動態(tài)建模，設(shè)計了一種新型的多特征量綜合交通檢測系統(tǒng)，可獲取車輛流量、車型、速度、加速度、輪重、軸重、軸組重、總重、當(dāng)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(shù)據(jù)，大幅提高公路超限檢測、交通情況調(diào)查、公路計重收費(fèi)等領(lǐng)域自動化、數(shù)字化水平，對推動交通檢測領(lǐng)域內(nèi)的科學(xué)技術(shù)發(fā)展起到重要作用。

【關(guān)鍵詞】多特征量；交通檢測；信息系統(tǒng)

0 引言

隨著世界各國公路交通流量的不斷增長，交通數(shù)據(jù)的自動化獲取成為未來公路交通情況調(diào)查工作的必然選擇。目前國外發(fā)達(dá)國家還在對現(xiàn)有的車輛檢測技術(shù)做進(jìn)一步深入地研究，試圖提高檢測精度，擴(kuò)大使用范圍[1-3]。但是從國內(nèi)實踐來看，多種檢測技術(shù)相互搭配運(yùn)用，是比較現(xiàn)實的做法。每種檢測技術(shù)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(shù)，為了獲取智能交通應(yīng)用所需的所有交通參數(shù)，可選擇多種檢測器互相搭配，做到不同的檢測技術(shù)在功能上互補(bǔ)。

在此前提下，結(jié)合多種傳感器技術(shù)，提出一種新型的多特征量綜合交通檢測技術(shù)，可獲取車輛全方位交通數(shù)據(jù)，對車輛進(jìn)行動態(tài)建模與數(shù)字化，并根據(jù)車輛全方位交通數(shù)據(jù)提出一種基于多特征量的車型自動識別技術(shù)

系統(tǒng)能提供全方位車輛特征量，可服務(wù)于公路設(shè)計、建設(shè)、運(yùn)營、維護(hù)，應(yīng)用在高速公路聯(lián)網(wǎng)收費(fèi)通行費(fèi)拆分、高速公路收費(fèi)站通行費(fèi)全自動計算、自動超限檢測、交通情況調(diào)查、軸載調(diào)查、道路養(yǎng)護(hù)管理等領(lǐng)域，大大提高相關(guān)交通單位自動化、數(shù)字化水平，能更好的維護(hù)公路業(yè)主方、運(yùn)營方及使用方的利益。

1 系統(tǒng)結(jié)構(gòu)

整個系統(tǒng)由數(shù)據(jù)采集子系統(tǒng)、數(shù)據(jù)處理子系統(tǒng)、數(shù)據(jù)融合子系統(tǒng)三部分組成。

由數(shù)據(jù)采集子系統(tǒng)進(jìn)行多數(shù)據(jù)源數(shù)據(jù)的采集，包括動態(tài)稱重彎板傳感器數(shù)據(jù)、激光輪廓檢測儀數(shù)據(jù)、視頻數(shù)據(jù)等；由數(shù)據(jù)處理子系統(tǒng)對采集到的原始數(shù)據(jù)進(jìn)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(dāng)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(shù)據(jù)；數(shù)據(jù)融合子系統(tǒng)將車輛特征數(shù)據(jù)反復(fù)進(jìn)行模型仿真、分組與對比，將融合后的特征數(shù)據(jù)作為最終數(shù)據(jù)。

1.1 數(shù)據(jù)采集子系統(tǒng)

數(shù)據(jù)采集子系統(tǒng)包括動態(tài)稱重數(shù)據(jù)采集、激光輪廓檢測數(shù)據(jù)采集、車輛視頻數(shù)據(jù)采集三個部分。

動態(tài)稱重數(shù)據(jù)采集部分包括彎板式傳感器、信號調(diào)理模塊、智能稱重儀器主機(jī)幾大部分。彎板式傳感器將車輛軸重轉(zhuǎn)換為傳感器信號；信號調(diào)理模塊主要用于對傳感器信號轉(zhuǎn)換為有效的電平信號，以及對電平信號進(jìn)行放大、濾波、線性化補(bǔ)償、隔離、保護(hù)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(jī)是動態(tài)稱重數(shù)據(jù)采集的控制中心，主要負(fù)責(zé)控制原始車輛數(shù)據(jù)的采集、實時處理以及發(fā)送。

激光輪廓檢測主要通過電磁波連續(xù)檢測車輛頂部的高度，然后將車輛高度值通過數(shù)學(xué)模型還原成車輛剖面輪廓。根據(jù)測量時間方法的不同，通?？煞譃槊}沖式和相位式兩種測量形式，為了實現(xiàn)快速、準(zhǔn)確的測距要求，一般采用相位方式進(jìn)行測量。相位式測距是對電波進(jìn)行幅度調(diào)制并測定調(diào)制波往返測線一次所產(chǎn)生的相位延遲，再根據(jù)調(diào)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(jīng)往返測線所需的時間。

車輛視頻數(shù)據(jù)采集主要使用攝像頭完成，對于車道全景數(shù)據(jù)使用標(biāo)清攝像頭，對于車牌識別使用高清攝像頭。

1.2 數(shù)據(jù)處理子系統(tǒng)

數(shù)據(jù)處理子系統(tǒng)綜合運(yùn)用多種數(shù)據(jù)處理分析手段，從已采集數(shù)據(jù)中分析出車輛特征數(shù)據(jù)。

動態(tài)稱重數(shù)據(jù)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(jù)車輛本身的軸特征，以及傳感器埋設(shè)距離等條件，將對應(yīng)的兩個波形匹配為車輛的一根軸；車輛信息獲取根據(jù)車輛運(yùn)動特征，將多根軸匹配為一個車，并得到車輛的相應(yīng)特征數(shù)據(jù)。

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

視頻數(shù)據(jù)的處理需要用到車輛視頻檢測技術(shù)。車輛視頻檢測技術(shù)運(yùn)用模式識別、圖像處理技術(shù)，對運(yùn)動車輛連續(xù)圖像幀進(jìn)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(tài)學(xué)濾波、陰影去除、運(yùn)動軌跡跟蹤等軟件技術(shù)和算法，使用標(biāo)清相機(jī)分析連續(xù)圖像幀，識別運(yùn)動車輛，獲取車輛圖像外部輪廓；同時使用高清相機(jī)軟觸發(fā)或硬觸發(fā)抓拍高清車輛圖片，分析抓拍車輛圖像局部紋理，并進(jìn)行車牌識別。

1.3 數(shù)據(jù)融合子系統(tǒng)

整個系統(tǒng)主要利用動態(tài)稱重技術(shù)、激光車輛輪廓檢測技術(shù)、視頻車輛檢測技術(shù)獲取車輛特征量，獲取的數(shù)據(jù)中，既有重復(fù)的，也有互補(bǔ)的。

為了將不同格式多種數(shù)據(jù)快速準(zhǔn)確進(jìn)行融合，采取了以下手段：建立日志分析機(jī)制，采用數(shù)據(jù)同步方法，確保不同傳感器獲取的不同數(shù)據(jù)反映的是同一時刻的車輛狀態(tài)；針對重復(fù)的數(shù)據(jù)，運(yùn)用類比的方法，對重復(fù)的特征量進(jìn)行干擾消除、取舍與校正；設(shè)計特征提取算法，對數(shù)據(jù)進(jìn)行再次重組；最后根據(jù)多特征量對車輛進(jìn)行建模，得到真正的車輛特征數(shù)據(jù)。

2 結(jié)語

整個系統(tǒng)結(jié)合多種傳感器技術(shù)，對車輛進(jìn)行數(shù)字化與動態(tài)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(dāng)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(shù)據(jù)；根據(jù)不同用戶群需求，系統(tǒng)可應(yīng)用于高速公路聯(lián)網(wǎng)收費(fèi)通行費(fèi)拆分、高速公路收費(fèi)站通行費(fèi)全自動計算、自動超限檢測、交通情況調(diào)查、車輛軸載情況調(diào)查、道路養(yǎng)護(hù)管理等領(lǐng)域。

【參考文獻(xiàn)】

[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，F(xiàn)ascioli 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(zé)任編輯：楊玉潔]