楊舒媛，王 娟，許 欽

（阜陽師范學院 數學與統(tǒng)計學院 安徽 阜陽 236000）

1 引言

隨著我國傳感器技術的發(fā)展，應用的傳感技術考察高速公路上的車輛通行等情況越來越普遍。近年來，由于汽車持有量和交通量的迅猛增長，因此帶來的巨大交通壓力需要高效智能的交通管理加以化解。這樣的背景下，為考察高速公路的車輛通行情況，試圖利用安裝在路側的傳感裝置獲取的數據來對通過的車輛類型及數量進行計量。

2 問題分析

2.1 車輛的幾何特征

幾何特征即車輛的長寬高。

2.2 異常數據判別及處理

由附件2可得到，受到車輛的顏色和車窗以及車輛形狀的影響；其次，激光在工作過程中無法進行正常反射。

2.3 模型應用

根據數學模型及MATLAB仿真，畫出車輛的三維立體圖形并得出相應數據對應的車輛形狀及所在車道等信息。此外，通過所給數據得出車輛的幾何特征。綜合國家管理條例實際分類和數據特征，對附件3中兩組數據給出分類結果（包括種類及數量），進一步討論算法效率。

2.4 速度檢測設備

綜合實際情況，我們從中選取了一種最為合適的檢測設備并且描述增加何種設備，以何種方式準確測速，如何調整安裝方式等。

3 模型建立和求解結論

3.1 模型假設與約定

假設該激光傳感器一直處于正常工作狀態(tài)，激光頭一直以25HZ的頻率旋轉，未出現偏差和損壞。路面是水平的，無道路順壞。無多輛車并排行駛。車輛通過激光傳感器所掃描的路段行駛速度近似為勻速，且設為90km/h。無車輛跨道行駛。

3.2 模型建立與求解

用Visual Studio 2015編寫、提取和轉化進制的程序（見附錄1），生成了一個ProcessData提取轉化機器，用最低的Framwork 2.02013直接打開。用此程序可以將附件中6個文本中的表示激光頭到阻礙物的反射距離的數據提取出來，并轉化為十進制，并以每一周期作為一行，形成一個矩陣 [Iij]100×148。

3.3 車輛所在車道及其幾何形狀描述的模型[1]

激光傳感器距地面垂直高度約5.9m，激光傳感器距離第一個車道最近邊沿的水平距離約1.7m，同時掃描雙向四個車道（兩個車道一個方向），一個車道寬3.75m。在建立模型時假設激光傳感器形成一組垂直車身的平行線，則利用三角函數關系、建立車身長度模型，根據計算所得的數據可以通過算法將車輛的立體圖形展示出來，從而進行幾何特征的描述。

3.4 異常數據的處理

在交通場景中，車輛之間不可避免的會發(fā)生遮擋、粘連等情況，而陰影也影響所測車輛的輪廓特征。在此時傳感器所輸出的數據也為異常數據，我們利用狄克遜（Dixon）準則來做異常數據的處理[4]，把異常數據帶換成前一個正常數據或后一個正常數據。通過觀察數據，發(fā)現異常數據比正常數據要小得多。發(fā)現在掃描的一個周期內，數據中最后都有33個零，結合3.2的模型，得出這些均為異常數據，故剔除。根據狄克遜（Dixon）準則，可以判斷出其他異常數據均小于5mm。利用數據預處理的方法，將每一行的異常數據用與其最近的正常數據代替，用Visual Studio 2015編寫相應的程序處理數據。

利用數據預處理的方法，將每一行的異常數據用與其最近的正常數據代替，用Visual Studio 2015編寫相應的程序處理數據。用MATLAB軟件對處理前后的數據作圖并進行比較，部分處理結果如下。

文本1

3.5 車輛所在車道及其幾何形狀的求解

在建立模型一時，曾認為路面在y=0的水平面上，根據數據作圖發(fā)現路面并不是水平的，所以將研究對象的范圍修改為y≥30cm。由假設中的速度90km/h可以求出車輛的長度與高度。

車道信息：綜合國際車輛標準，每條車道的寬度為3.75米[2]，通過距離檢測桿的距離對車輛進行依次編號：

通過MATLAB進行求解[5]，得出車輛的數據信息。

3.6 車輛分類

首先分車道進行處理，在獲得車輛幾何特征的前提下增加計數功能。

分類標準：根據國內外的一些分類標準[2]。選擇車輛的長度作為分類的標準。通過模型一，利用附件3中的數據即可計算出所有車輛的車身長度，進而確定車輛種類以及數量。

?

為了通過附件3中的數據得到車輛類型及數量，利用附件中的數據及已知分類標準的算法進行匹配，統(tǒng)計得出具有不同車輛類型的車輛數量。運行改進后的算法大約需要10s左右，速度較快且可以將大部分的車輛信息反應出來。但是跨車道行駛時，會有個別車輛的車身長度出現較大誤差，且不易剔除。

4 模型評價

通過本文對傳感器的研究，有以下幾方面優(yōu)點：首先，建立合理的坐標系具體量化，將數據進行計算，得出車輛的長寬高。其次，利用visual studio 2015生成了對于數據的提取轉化機器，大大的提高了數據分析的效率。最后，在進行車輛類型分類時，由于寬度在計算時易受到干擾，我們利用車身長度作為分類的標準。另外，需要改進的是：該模型只研究了車輛勻速行駛的情況，實際上車輛在行駛過程中速度是時刻發(fā)生變化的。同時，在車輛分類的標準中忽略了車輛的速度。我們可以通過對數據的分析計算激光傳感器在掃描車輛時形成兩截面間時間，從而解得車輛的行駛速度，進而把速度作為衡量車輛類型的標準之一。

[1] 岳亭，尤天鵬，黎虹.基于激光傳感器的原理來確定車輛種類數學模型的建立[J].數碼世界，15-15，2017.

[2] Bouhalais kamel.車輛自動檢測與分類研究使用激光傳感器[D].哈爾濱工程大學，2011.

[3] 解博文.基于激光傳感器的車輛類型與數量自動檢測算法的研究[J].中國科技論文在線，2016.