李 鳳,董 勝,劉守印

(華中師范大學(xué)物理科學(xué)與技術(shù)學(xué)院,武漢 430079)

隨著我國私家車保有量日益增加,交通設(shè)施受到前所未有的壓力,根據(jù)公安部公布的數(shù)據(jù),截至2018年底,全國機(jī)動(dòng)車保有量達(dá)3.25億輛,與2017年底相比增加1556萬輛,其中汽車保佑量超過2億輛[1]。國家發(fā)改委公布的數(shù)據(jù)顯示,目前我國大城市小汽車與停車位的比例約為1:0.8,中小城市約為1∶0.5,而發(fā)達(dá)國家約為1∶1.3,保守估計(jì)我國停車位缺口超過5 000萬個(gè)[2]。

由于停車場的車位數(shù)量遠(yuǎn)遠(yuǎn)不及車輛數(shù)量,“停車難”已經(jīng)成為了一個(gè)社會性問題。居民出行時(shí)間極大部分浪費(fèi)在尋找停車位上,由此造成的尾氣污染、噪聲污染相當(dāng)嚴(yán)重。同時(shí),在醫(yī)院、居民小區(qū)、火車站等車流密集地區(qū),由于尋找停車位帶來的交通擁堵情況也十分嚴(yán)重[3]。因此,及時(shí)獲取停車位占用情況,幫助居民獲取附近空余停車位非常重要。

由于近年來傳感器網(wǎng)絡(luò)的飛速發(fā)展,各種傳感器和感知技術(shù)被應(yīng)用在車輛檢測上,其中包括視頻技術(shù)[4]、感應(yīng)線圈、超聲傳感器、紅外傳感器以及磁傳感器[5-6]。其中磁傳感器因其低成本、高精度、小體積等優(yōu)勢,近年來廣受業(yè)內(nèi)學(xué)者的青睞[7]。

根據(jù)磁傳感器的測量原理可以分類為霍爾元件、磁通門傳感器、磁阻傳感器和電感式傳感器[8]?；魻栐痛磐ㄩT傳感器雖然分辨率高,但是體積過大,并不適合用于車輛檢測。磁阻傳感器易被磁性物質(zhì)磁化,導(dǎo)致基線漂移,消除漂移的方法會增加額外復(fù)雜度,因此本文選擇PNI公司的精密電感式磁傳感器RM3001,三軸傳感器配合PNI12927驅(qū)動(dòng)芯片進(jìn)行磁場測量,其輸出為數(shù)字量,直接送入單片機(jī)進(jìn)行處理計(jì)算,不需要進(jìn)行信號放大和A/D轉(zhuǎn)換。該測量方法省去了大量硬件電路,并且具有精度高、體積小、成本低、穩(wěn)定性好的優(yōu)點(diǎn)[9]。

本文基于PNI12927驅(qū)動(dòng)三軸電感式磁傳感器,設(shè)計(jì)一種基于隱馬爾可夫模型HMM(Hidden Markov Model)的車輛檢測算法。使用MSP430低功耗單片機(jī)對傳感器采集的磁場數(shù)據(jù)進(jìn)行計(jì)算,得出車輛檢測結(jié)果,獲取車位占用情況,通過LoRa將檢測結(jié)果傳輸至服務(wù)器,用戶通過客戶端軟件實(shí)時(shí)查看停車場空車位分布情況,系統(tǒng)框架如圖1所示。檢測裝置體積小,便于安裝,功耗低,壽命長,且經(jīng)過長時(shí)間實(shí)踐驗(yàn)證,算法檢測準(zhǔn)確率為98.11%。

圖1 系統(tǒng)框架圖

圖2 部分車輛磁場分布實(shí)驗(yàn)結(jié)果

1 研究基礎(chǔ)與本文工作

在進(jìn)行車輛檢測算法設(shè)計(jì)之前,本文作者結(jié)合磁阻式傳感器HMC5983和ZigBee無線傳輸方式,進(jìn)行了乘用車底部地磁場分布特性的實(shí)驗(yàn)研究。實(shí)驗(yàn)中每隔10 cm取一個(gè)點(diǎn)進(jìn)行磁場測量,最終繪制三維圖,直觀體現(xiàn)乘用車底部地磁場分布情況,詳細(xì)實(shí)驗(yàn)結(jié)果在文獻(xiàn)[10]中,于2016年12月公開發(fā)表,其中部分實(shí)驗(yàn)結(jié)果如圖2所示。從實(shí)驗(yàn)結(jié)果中,我們可以發(fā)現(xiàn):①車輛對地磁場產(chǎn)生的擾動(dòng)具有邊界性。乘用車對車輛四周30 cm以外的區(qū)域擾動(dòng)較小,在車輛底部磁場擾動(dòng)非常明顯,車輛外圍擾動(dòng)急劇減小,由此可見通過磁場檢測判斷車輛存在與否的方案是可行的。②車輛停放方向與車輛對磁場擾動(dòng)分布相關(guān)性較小。當(dāng)車輛停放方向分別為南北、東西等方向時(shí),乘用車對從停車位上的磁場擾動(dòng)并不會隨方向變化而產(chǎn)生較大變化,這說明根據(jù)磁場判斷車輛存在與否的結(jié)果與停車位的朝向無關(guān)。③在車輛底部不同部位,磁場的擾動(dòng)存在較大范圍差異。由于車輛材料分布不均,例如乘用車車頭發(fā)動(dòng)機(jī)部分、車輪、車軸金屬材料部分,對磁場的擾動(dòng)明顯與車輛中部座椅部分不同。因此,車輛和檢測節(jié)點(diǎn)的相對位置變化,對檢測結(jié)果具有明顯影響。實(shí)際應(yīng)用中,我們需要將節(jié)點(diǎn)安裝在車位靠近車頭或車尾1/3處(即偏移車位中點(diǎn)1/3處),盡量減小檢測節(jié)點(diǎn)與車輛的相對位置變化帶來的誤差。

在現(xiàn)有研究基礎(chǔ)上,本文的研究工作主要包括以下幾點(diǎn):①基于電感式磁傳感器設(shè)計(jì)了地磁車位檢測節(jié)點(diǎn)硬件電路,使用LoRa無線傳輸技術(shù),將測試結(jié)果上傳至網(wǎng)關(guān),再經(jīng)由網(wǎng)關(guān)傳輸至服務(wù)器存儲,以供測試查看。②將停車位狀態(tài)轉(zhuǎn)換抽象為一種隱馬爾可夫模型,從檢測節(jié)點(diǎn)角度出發(fā),建立了便于算法設(shè)計(jì)的車位狀態(tài)轉(zhuǎn)換模型。③利用HMM的特點(diǎn),設(shè)計(jì)了一種基于HMM的車輛檢測算法,并驗(yàn)證了算法可行性,通過長時(shí)間實(shí)際應(yīng)用測試了算法檢測準(zhǔn)確率。④建立了車位無車基線更新、穩(wěn)定狀態(tài)更正等機(jī)制,增加檢測算法的魯棒性和準(zhǔn)確性。

2 硬件設(shè)計(jì)

車位檢測節(jié)點(diǎn)硬件部分主要采用了PNI12927驅(qū)動(dòng)三軸電感式磁傳感器,測量范圍為-1 100 μT至1 100 μT,空閑模式電流低至1 μA,工作溫度為 -40 ℃～85 ℃,能夠在冬夏時(shí)節(jié)露天停車場的溫度環(huán)境中保持正常工作。

圖3 檢測節(jié)點(diǎn)硬件設(shè)計(jì)框圖

將PNI12927(即MagIC)和3個(gè)單軸電感式磁傳感器作為磁傳感器整體,通過SPI接口與低功耗單片機(jī)MSP430相連,單片機(jī)計(jì)算結(jié)果通過串口送至LoRa模塊,以無線的方式上傳至網(wǎng)關(guān)。檢測節(jié)點(diǎn)硬件設(shè)計(jì)框圖如圖3所示。

圖3中,P NI12927和MSP430之間使用SPI接口進(jìn)行通信。由于PNI12927和三軸電感式磁傳感器的輸出是數(shù)字式的,不需要AD轉(zhuǎn)換和濾波電路,所以SPI接口可以滿足需求。LoRa模塊和MSP430之間使用串口通信,主要用于MSP430向LoRa模塊傳輸計(jì)算結(jié)果和由MSP430定時(shí)上傳的心跳信息(其中包括當(dāng)前車位狀態(tài)和磁場測量值等內(nèi)容),同時(shí),用戶通過無線傳輸下發(fā)指令至LoRa模塊,再經(jīng)由串口送至MSP430進(jìn)行指令響應(yīng)操作,其中指令包括初始化指令、心跳周期更改指令等。

節(jié)點(diǎn)采用一次性鋰亞電池ER34615M供電,電池供電電壓3.6 V,經(jīng)過MCP33轉(zhuǎn)為3.3 V為傳感器供電,電池容量為13 000 mAh。經(jīng)測試,節(jié)點(diǎn)發(fā)送電流為48 mA,接收電流為12 mA,磁場采集電流為3.5 mA,休眠電流為3.6 μA,經(jīng)計(jì)算,在正常運(yùn)行的停車場中,采用2 min/次的心跳發(fā)送頻率,節(jié)點(diǎn)使用壽命為3.8年。

電池尺寸為33 mm(直徑)×61.5 mm(高),節(jié)點(diǎn)電路板為40 mm×51 mm,整個(gè)節(jié)點(diǎn)外殼尺寸為100 mm(直徑)×95 mm(高)。因此只需要在車位地面鉆一個(gè)直徑為10 cm深度為10 cm的孔即可安裝,采用水泥或灌封膠固定節(jié)點(diǎn),并且可以將節(jié)點(diǎn)內(nèi)膽取出,進(jìn)行電池更換或電路檢修工作。因此節(jié)點(diǎn)的硬件及實(shí)物設(shè)計(jì)具有壽命長、易安裝、易維護(hù)的優(yōu)點(diǎn)。

圖6 車輛停入、駛出車位的波形和狀態(tài)

3 車位檢測算法設(shè)計(jì)

3.1 車位狀態(tài)模型化

馬爾可夫模型是基于馬爾可夫鏈提取的系統(tǒng)模型,馬爾可夫鏈的含義是已知系統(tǒng)的現(xiàn)在,那么系統(tǒng)的將來與過去無關(guān)[11],即馬爾可夫模型具有離散性、隨機(jī)性和無后效性[12]。通常意義上我們理解為馬爾可夫模型中,每一個(gè)狀態(tài)只與系統(tǒng)前一個(gè)狀態(tài)有關(guān)。在停車事件中,我們將停車位狀態(tài)分為車來、有車、車走、無車4個(gè)狀態(tài),每一個(gè)狀態(tài)只與前一個(gè)狀態(tài)有關(guān),符合馬爾可夫模型的概念。

HMM具有馬爾可夫鏈的無記憶特性,即每一個(gè)狀態(tài)只跟前一個(gè)狀態(tài)有關(guān),同時(shí)具有隱藏性[13],即每一個(gè)狀態(tài)都含有隱藏狀態(tài)。隱馬爾可夫模型的狀態(tài)轉(zhuǎn)換如圖4所示。其中ωi為隱藏狀態(tài),vi為可見狀態(tài),aij為轉(zhuǎn)換概率。通常我們是通過對可見狀態(tài)vi的規(guī)律研究,推斷隱藏狀態(tài)ωi。

圖4 HMM狀態(tài)轉(zhuǎn)換圖

在車位檢測系統(tǒng)中,從檢測節(jié)點(diǎn)的角度出發(fā),只能獲得磁場的波動(dòng)和穩(wěn)定兩種狀態(tài),波動(dòng)狀態(tài)即地磁場被擾動(dòng)時(shí)產(chǎn)生劇烈波動(dòng)的情況,穩(wěn)定狀態(tài)即車位上地磁場沒有較大變化的情況。而車輛是否停入車位,在檢測節(jié)點(diǎn)角度觀察屬于隱藏狀態(tài),需要通過算法判定。

本文將停車位狀態(tài)變化抽象為HMM模型,狀態(tài)轉(zhuǎn)換如圖5所示。

圖5 停車位HMM狀態(tài)轉(zhuǎn)換圖

車輛停入、駛出車位的波形和狀態(tài)如圖6,其中①為穩(wěn)定狀態(tài),②為波動(dòng)狀態(tài)?？梢钥闯?磁場數(shù)據(jù)劇烈波動(dòng)時(shí),都是車輛在停入和駛出車位的過程。但是穩(wěn)定狀態(tài)雖然磁場數(shù)據(jù)沒有大幅度波動(dòng),卻穩(wěn)定在不同的數(shù)值附近。由于磁場環(huán)境量會隨時(shí)間發(fā)生漂移,所以不一定低的數(shù)值就是無車狀態(tài),單純根據(jù)穩(wěn)定時(shí)的數(shù)值無法判斷當(dāng)前的穩(wěn)定狀態(tài)是有車還是無車。因此,在穩(wěn)定狀態(tài)的前一個(gè)波動(dòng)狀態(tài),也無法簡單根據(jù)數(shù)據(jù)變化判斷是車輛停入還是駛出。

3.2 算法設(shè)計(jì)

車位檢測算法的設(shè)計(jì)主要從HMM的特性考慮,可見狀態(tài)的規(guī)律特性中可以找出隱藏狀態(tài)。檢測算法流程圖如圖7所示。

圖7 檢測算法流程圖

檢測節(jié)點(diǎn)安裝完成后進(jìn)行初始化操作,采集車位上無車時(shí)的磁場作為無車基線值,初始化完成之后進(jìn)入數(shù)據(jù)處理過程。根據(jù)車位隱馬爾可夫模型的分析,將磁場分為穩(wěn)定狀態(tài)和波動(dòng)狀態(tài)。穩(wěn)定狀態(tài)數(shù)據(jù)處理中包含狀態(tài)轉(zhuǎn)換判斷、無車基線更新、穩(wěn)定狀態(tài)更正等操作。波動(dòng)狀態(tài)數(shù)據(jù)處理中包含狀態(tài)轉(zhuǎn)換判斷、特征值組成、結(jié)果判斷、結(jié)果輸出等操作。

3.2.1 初始化算法

保證車位當(dāng)前無車占用時(shí),初始化操作令節(jié)點(diǎn)采集一段無車時(shí)磁場值作為背景值,是實(shí)現(xiàn)車位占用情況判斷的重要依據(jù)。初始化流程如圖8所示。

圖8 初始化操作流程圖

將檢測節(jié)點(diǎn)安裝好后,保持車位處于無車狀態(tài),發(fā)送初始化指令,啟動(dòng)初始化程序,傳感器將采集車位無車時(shí)的地磁場數(shù)據(jù),存入長度為n的容器BaseLine_RingBuffer,直到將其存滿。

我們將當(dāng)前車位無車時(shí)的磁場背景值稱為基線值,即無車基線(BaseLine)。獲取基線值的方法如式(1),給最新存入的數(shù)據(jù)點(diǎn)賦予最高的權(quán)值,更往前的數(shù)據(jù)權(quán)值依次降低,使基線既能更貼近當(dāng)前環(huán)境磁場的變化,又不丟失歷史數(shù)據(jù)信息。經(jīng)過計(jì)算,獲得的BaseLine[n]即為當(dāng)前車位無車基線。

(1)

3.2.2 穩(wěn)定狀態(tài)數(shù)據(jù)處理

磁場處于穩(wěn)定狀態(tài)時(shí),傳感器仍按照3 Hz的采樣速率繼續(xù)采集磁場值。在穩(wěn)定狀態(tài)中,磁場保持穩(wěn)定,無法提取較多的信息用于判斷,我們在穩(wěn)定狀態(tài)處理過程中,操作過程較為簡單。狀態(tài)轉(zhuǎn)換判斷操作即判斷當(dāng)前磁場狀態(tài)是否由穩(wěn)定狀態(tài)轉(zhuǎn)換為波動(dòng)狀態(tài),判斷標(biāo)志是連續(xù)1 s的每一個(gè)采樣值和上一個(gè)采樣值之差都超過了穩(wěn)定轉(zhuǎn)換到波動(dòng)的閾值(StoF_TH),當(dāng)穩(wěn)定狀態(tài)轉(zhuǎn)換為波動(dòng)狀態(tài),后續(xù)的磁場采樣值都會進(jìn)入波動(dòng)狀態(tài)處理過程。無車基線更新操作即在車位無車的穩(wěn)定狀態(tài)下,實(shí)時(shí)跟蹤車位基線值,避免長時(shí)間的地磁場緩慢漂移引起一系列錯(cuò)誤。穩(wěn)定狀態(tài)更正即在穩(wěn)定狀態(tài)中同時(shí)檢測磁場值突變,避免上一個(gè)波動(dòng)狀態(tài)的判斷錯(cuò)誤導(dǎo)致后續(xù)判斷無法糾正的問題。

穩(wěn)定狀態(tài)數(shù)據(jù)處理算法見算法1。其中車位信息包括包括當(dāng)前狀態(tài)、無車基線緩存器BaseLine_RingBuffer、穩(wěn)定轉(zhuǎn)為波動(dòng)門限值StoF_TH、無車基線更新周期Update_Period、穩(wěn)定狀態(tài)更正周期Testify_Period、基線更新門限值Update_TH、穩(wěn)定狀態(tài)更正門限值Testify_TH等。

算法中NowToStandInc指新采樣點(diǎn)NewData與基線BaseLine之差,反映了當(dāng)前磁場與無車背景值之差;NowToBiasInc指新采樣點(diǎn)NewData與磁場跟蹤值之差,反映了當(dāng)前磁場的突變情況;StandToBiasInc指磁場跟蹤值與基線BaseLine之差,反映了磁場的偏移程度。

3.2.3 波動(dòng)狀態(tài)數(shù)據(jù)處理

波動(dòng)狀態(tài)持續(xù)時(shí)間一般比穩(wěn)定狀態(tài)短,而且波動(dòng)狀態(tài)結(jié)束之后的穩(wěn)定狀態(tài)必須通過算法重新判定是否有車。實(shí)際應(yīng)用來說,只需要判斷波動(dòng)狀態(tài)結(jié)束之后車位的狀態(tài)是無車或有車,就能夠達(dá)到車位檢測的目標(biāo),因此不必要判斷波動(dòng)狀態(tài)是車輛停入還是駛出車位。所以在本算法只判斷圖5中的“有車”和“無車”狀態(tài),對“車來”和“車走”狀態(tài)不作判斷。

波動(dòng)狀態(tài)數(shù)據(jù)處理過程見算法2。波動(dòng)狀態(tài)中,從波動(dòng)狀態(tài)開始至結(jié)束,算法需要記錄整個(gè)過程中的特征值,包括時(shí)間、最大值、穩(wěn)定之后的磁場平均值、穩(wěn)定點(diǎn)當(dāng)前磁場值等信息。確定車位從波動(dòng)狀態(tài)轉(zhuǎn)為穩(wěn)定之后,用上述信息獲取用于車位狀態(tài)判斷的特征值位(FeatureByte,結(jié)合了多種停車過程特征量的特征組合值),通過查表獲取判斷結(jié)果。最終上報(bào)這一次波動(dòng)狀態(tài)完成后的判斷結(jié)果,完成本次波動(dòng)狀態(tài)數(shù)據(jù)處理過程。

其中,FeatureByte的獲取方法是將波動(dòng)狀態(tài)過程中的一些特征值通過處理之后,存入一個(gè)byte中,以供后續(xù)算法查表判斷。我們將一些停車過程中的最典型的過程量結(jié)合,組成強(qiáng)特征值,用以表征明顯的停車行為。

我們在室外溫度6 ℃～30 ℃的條件下,進(jìn)行了為期6個(gè)月,超過200次的停車數(shù)據(jù)采集實(shí)驗(yàn),涉及車型包括SUV、三廂轎車、兩廂轎車、電動(dòng)汽車及不同品牌乘用車,通過正常倒車入庫、正向停車和側(cè)方位停車、多次反復(fù)停車、極慢或極快停車,以及東西南北不同朝向停車等實(shí)驗(yàn),總結(jié)出有車和無車的強(qiáng)特征值表,如表1。

表1 停車狀態(tài)強(qiáng)特征值表

車位檢測系統(tǒng)在正常運(yùn)行中,波動(dòng)狀態(tài)的特征量組成FeatureByte后通過查強(qiáng)特征值表,判斷車位有車或無車。

組成FeatureByte的方法見表2。其中低五位是有效值,高三位是預(yù)留值,默認(rèn)為0。

查表時(shí)如果能在強(qiáng)特征值表中找到結(jié)果,返回車位狀態(tài)state(有車或無車),直接完成本次判斷;如果不能在強(qiáng)特征值表中找到結(jié)果,則將結(jié)果state置為不確定狀態(tài)(即當(dāng)前停車過程量無法在實(shí)驗(yàn)所得結(jié)果中找到類似樣本,需要后續(xù)算法判斷當(dāng)前狀態(tài)),在算法2中進(jìn)行后續(xù)處理。

表2 FeatureByte組成方法

4 測試

為了驗(yàn)證本文所設(shè)計(jì)算法對于乘用車的檢測準(zhǔn)確率,我們在華中師范大學(xué)校內(nèi)多個(gè)露天停車場進(jìn)行了為期超過10個(gè)月的實(shí)際測試。測試過程中所涉及車輛與停車數(shù)據(jù)采集實(shí)驗(yàn)類似,包括各類常見的品牌和車型,停車過程同樣包括倒車入庫、正向停車、側(cè)方位停車、斜方位停車,以及極快、極慢出入停車位或不按車位劃線位置停車等各種行為。另外,除實(shí)驗(yàn)人員組織進(jìn)行的測試外,我們還在車流量較大的九號教學(xué)樓露天停車場進(jìn)行了真實(shí)環(huán)境測試,測試場景如圖9所示。

圖9 真實(shí)環(huán)境測試場地

我們在停車場上方安裝了攝像頭進(jìn)行視頻記錄,作為車位檢測的佐證,加上實(shí)驗(yàn)人員組織的停車實(shí)驗(yàn)數(shù)據(jù),最終統(tǒng)計(jì)出所有的判斷結(jié)果,如表3。可以得出算法準(zhǔn)確率為98.11%,漏檢率為1.13%,誤判率為0.75%,較理想地完成了車位檢測的目標(biāo)。

表3 測試結(jié)果表

經(jīng)過實(shí)際檢驗(yàn),本文提出的車輛檢測算法優(yōu)于文獻(xiàn)[14]中檢測準(zhǔn)確率97%、文獻(xiàn)[15]中的96%、文獻(xiàn)[16]中的96.4%等;同時(shí),由于低功耗設(shè)計(jì)和大容量電池的使用,節(jié)點(diǎn)使用壽命得以延長;雖然由于使用了電感式磁傳感器,比起當(dāng)前大多數(shù)研究人員使用的磁阻式傳感器增加了少量的生產(chǎn)成本,但是也帶來了更高的魯棒性。

5 結(jié)論

本文提出了一種基于電感式磁傳感器的車位檢測方法,將停車位狀態(tài)轉(zhuǎn)換抽象為一種隱馬爾可夫模型,并利用隱馬爾可夫模型的狀態(tài)轉(zhuǎn)換特點(diǎn),設(shè)計(jì)了一種車位檢測算法,在實(shí)際應(yīng)用中對算法準(zhǔn)確率進(jìn)行了檢測,證明該算法較為理想地完成了車位檢測的目標(biāo)。

經(jīng)過長時(shí)間測試,總結(jié)該算法的優(yōu)點(diǎn)是:①準(zhǔn)確率高,對于正常停車和刻意提高判斷難度的快速停車、慢速停車等過程,都能夠得出正確的判斷結(jié)果。②魯棒性好,節(jié)點(diǎn)埋入停車場后,能夠一直穩(wěn)定運(yùn)行,不會因?yàn)槟骋淮五e(cuò)判造成系統(tǒng)紊亂,也不需要人工糾正。

對于實(shí)際測試中出現(xiàn)的錯(cuò)判和漏判,分析具體情況,我們發(fā)現(xiàn)這是由于部分車輛的材質(zhì)原因,對地磁場的擾動(dòng)過小,導(dǎo)致傳感器無法采集到明顯的特征值用于判斷,得出了錯(cuò)誤的結(jié)果。后續(xù)工作中將繼續(xù)針對性優(yōu)化算法,提高準(zhǔn)確率。