朱嘉睿,熊樹生,2▲,趙家豪,吳占寬,韓澤宇

(1.浙江大學(xué),浙江 杭州 310012;2.浙江省龍泉產(chǎn)業(yè)創(chuàng)新研究院,浙江 麗水 323700)

0 引言

隨著經(jīng)濟(jì)社會的進(jìn)步與發(fā)展,汽車保有量和現(xiàn)有泊車位之間的供需矛盾正日益凸顯,由此帶來的“停車難”問題受到了社會各界的廣泛關(guān)注。由此,城市道路側(cè)停車作為一種緩解停車壓力的方式,在近年來開始逐漸興起,而當(dāng)前大部分路邊泊車位的主要管理方式仍然以人工監(jiān)管方法為主,智能檢測技術(shù)為輔,甚至在部分地區(qū)還出現(xiàn)無人監(jiān)管的狀況。

本文針對當(dāng)前僅依賴人工的城市道路側(cè)停車管理效率低下,而現(xiàn)存的智能道路側(cè)停車管理系統(tǒng)檢測準(zhǔn)確度亟需提高的問題,以提高城市交通智能化為目的,設(shè)計(jì)了一種基于多傳感器融合的泊車位信息感知終端。

該終端基于模糊邏輯理論和D-S證據(jù)理論的多傳感器融合算法,實(shí)現(xiàn)對地磁傳感器、微波雷達(dá)、紅外位移傳感器三種傳感器采集信息的有效融合,并得出綜合判決結(jié)果,實(shí)現(xiàn)對車輛在位信息進(jìn)行有效監(jiān)測。

1 泊車位信息感知終端框架設(shè)計(jì)

泊車位信息感知終端節(jié)點(diǎn)部署在泊車位上,是智能道路側(cè)停車管理系統(tǒng)的重要組成部分,其利用自身的傳感器采集泊車位信息值,并基于特定算法實(shí)現(xiàn)對車輛在位狀態(tài)的有效監(jiān)測,最后將泊車位的車輛占用信息上報(bào)至后端服務(wù)器,方便路邊巡查人員進(jìn)行泊車位的管理和收費(fèi)。

泊車位信息感知終端的硬件部分包括傳感器殼體以及硬件電路。其中硬件電路包括內(nèi)部的傳感器及信號處理單元、主控單元、通信模塊和電源模塊等;而殼體可分為上蓋、中蓋和下殼體三大部分,殼體結(jié)構(gòu)除上蓋采用透明PC材料外,其余部分均采用增強(qiáng)尼龍,并通過柵條狀華夫餅、加強(qiáng)筋、增加壁厚等方式增加殼體結(jié)構(gòu)強(qiáng)度。

終端采用標(biāo)稱額定電壓為3.7 V的38000 mA·h鋰離子電池ER34615硬件濾波后為終端供電,正常情況下使用可以滿足兩年的供電需求。在終端正常工作時(shí),鋰電池輸出的3.7 V外部供電電壓一路給藍(lán)牙和NB-IoT模塊供電,另一路經(jīng)穩(wěn)壓模塊后轉(zhuǎn)成3.3 V電壓為微波雷達(dá)和地磁傳感器供電,而紅外位移傳感器則由升壓模塊轉(zhuǎn)成的5 V電壓供電。

2 泊車位信息感知終端硬件電路設(shè)計(jì)

2.1 傳感器及信號處理單元

傳感器及信號處理單元由USRR187P微波雷達(dá)、GP2Y0A21YK0F紅外位移傳感器、QMC5883地磁傳感器構(gòu)成。其中,QMC5883地磁傳感器功耗最低,是車輛在位監(jiān)測終端的主傳感器,其硬件電路如圖3所示,該傳感器使用I2C與MCU通信,在硬件電路設(shè)計(jì)時(shí)將時(shí)鐘線SCL和數(shù)據(jù)線SDA接上拉電阻以保證通訊的穩(wěn)定性。

微波雷達(dá)(圖4)和紅外位移傳感器(圖5)功耗相對較大,為輔助傳感器,二者均通過接插件與主板電路相連。其中微波雷達(dá)在完成上電初始化以及參數(shù)指令配置后會進(jìn)入喚醒休眠模式,需要MCU通過串口發(fā)送喚醒指令對其喚醒,喚醒后雷達(dá)開啟檢測,返回障礙物有無信息。紅外位移傳感器輸出電壓值,該電壓值與其探測距離成一定函數(shù)曲線關(guān)系,可通過最小二乘法對其進(jìn)行擬合。

2.2 主控單元

終端采用意法半導(dǎo)體公司的STM32L151CCT6芯片作為微處理器。該款芯片是32位Cortex-M3內(nèi)核的ARM處理器,主頻可高達(dá)32 MHz,足以保證數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性,通信接口豐富,具有包括同步/異步串行通信接口、I2通信接口在內(nèi)的通信接口。微處理器的低速外部時(shí)鐘(LSE)及高速外部時(shí)鐘(HSE)分別選用32.768 K和8 MHz石英晶振為晶振源。

2.3 通信模塊

終端的通信部分采用移遠(yuǎn)BC28 NB-IoT無線通信模組,相較于LoRa等自組網(wǎng)絡(luò)而言,更加穩(wěn)定,能夠滿足各種室外場地的數(shù)據(jù)上行和下行需求。

藍(lán)牙模塊采用HJ-132c模塊,休眠狀態(tài)下其功耗小于5 μA,2 s間隔廣播下電流僅為15 μA,可以滿足產(chǎn)品的功耗需求。該模塊供電電壓范圍為1.6～3.8 V,可直接用外置電池供電,提高了部署的靈活度。

3 泊車位信息感知終端軟件設(shè)計(jì)

在現(xiàn)有的路邊停車場景下,單一的傳感器無法有效應(yīng)對路邊泊車位這一復(fù)雜的檢測環(huán)境,存在較大的漏檢概率,為提高檢測的準(zhǔn)確性,在算法設(shè)計(jì)綜合各傳感器對車位狀態(tài)的判決,其中地磁傳感器曲線包含信息豐富,為充分利用地磁變化曲線,地磁判決算法基于模糊理論實(shí)現(xiàn),模糊邏輯系統(tǒng)解模糊后的輸出信度將作為多狀態(tài)機(jī)狀態(tài)變更的重要判決依據(jù)之一,當(dāng)?shù)卮排袥Q和其余傳感器判決存在沖突后,終端將基于D-S證據(jù)理論進(jìn)行綜合判決。

3.1 基于模糊邏輯理論的地磁檢測算法

3.1.1 數(shù)據(jù)預(yù)處理

為有效應(yīng)用地磁傳感器三軸數(shù)據(jù),選用三軸磁場數(shù)據(jù)的平方和的二次方根值作為研究變量,該研究變量在本文中稱作地磁綜合值,用Ma(s)表示。如圖7所示,車輛在出入位的過程中地磁綜合值會發(fā)生劇烈波動(dòng),同時(shí)也會存在部分高頻噪聲,本文選用窗口值為6、加權(quán)系數(shù)K1～Kn的滑動(dòng)加權(quán)濾波消除這部分噪聲。

F(s)=

(1)

圖8為經(jīng)窗口值為6、加權(quán)系數(shù)集合K={0.1,0.1,0.15,0.15,0.2,0.3}的滑動(dòng)加權(quán)濾波處理后的地磁綜合值信號變化圖。從圖中可以看出,地磁綜合值變化曲線的高頻噪聲被較好地抑制,而主體特征保留完好,同時(shí),波形的實(shí)時(shí)性較好,滿足濾波需求。

3.1.2 模糊邏輯推理

選用地磁綜合值原始信號變化曲線上等周期間隔點(diǎn)連線的斜率絕對值Ki以及地磁綜合值相對于基線偏移量的絕對值Mch作為系統(tǒng)的輸入變量。對于斜率絕對值Ki組成的論域UK,可將其劃分為H、M、L三個(gè)模糊集,分別代表高、中、低斜率絕對值;對于地磁綜合值相對于基線偏移量的絕對值Mch組成的論域UM,也將其劃分為H、M、L三個(gè)模糊集,分別代表高、中、低偏移量絕對值。

選用梯形型隸屬度函數(shù)作為模糊化的工具。因此對于論域UK下的模糊子集L、M、H,其隸屬度函數(shù)LK(x)、MK(x)、HK(x),可以用下列式子表示。

對于LK(x),有:

(2)

對于MK(x),有:

(3)

對于HK(x),有:

(4)

式中:Thk0、Thk1、Thk2、Thk3為斜率閾值,其值依次增大。且Thk0為判決的無車輛狀態(tài)變更的最小臨界斜率閾值,對于論域UM下的模糊子集L、M、H,其隸屬度函數(shù)LM(x)、MM(x)、HM(x)在形式上與式(2)、式(3)、式(4)相似,此處不再一一贅述。

定制模糊邏輯推理規(guī)則如表1所示,邏輯規(guī)則基于“IF-THEN”形式體現(xiàn)。

表1 模糊邏輯推理規(guī)則

本文選用加權(quán)平均判決法處理獲得最后的融合輸出結(jié)果Pout,其表達(dá)式滿足:

(5)

式中:fsi為各個(gè)推論的模糊量;σow為各個(gè)推論的模糊量權(quán)重。

在實(shí)際應(yīng)用上述算法進(jìn)行檢測時(shí),當(dāng)輸出結(jié)果概率大于0.85時(shí),地磁傳感器判定此時(shí)泊車位存在車輛狀態(tài)變更。

3.2 基于D-S證據(jù)理論的多狀態(tài)機(jī)檢測算法

如圖9所示為本文設(shè)計(jì)的泊車位車輛檢測狀態(tài)機(jī),該狀態(tài)檢測機(jī)總共分為7種狀態(tài),其中中間狀態(tài)有5個(gè),Occupied以及Vacant為狀態(tài)機(jī)的最終穩(wěn)定狀態(tài)。

Initiate:該狀態(tài)是泊車位信息感知終端上電后的初始狀態(tài),在完成上電初始化后,只有當(dāng)Radar_detection=0(雷達(dá)檢測無障礙物)時(shí),才會轉(zhuǎn)到Vacant狀態(tài)。

Vacant:該狀態(tài)表明泊車位上不存在車輛。在此狀態(tài)下會對停車位狀態(tài)值State置0以更新該值。當(dāng)前僅當(dāng)滿足斜率Ki大于Thk0或偏移量Mch大于Thm0時(shí),程序會轉(zhuǎn)入下一狀態(tài),即采用FL模糊邏輯推理對地磁信息進(jìn)行融合處理,否則會在此處停留。

FL:該狀態(tài)為模糊邏輯推理狀態(tài)。依據(jù)3.1節(jié)所述算法對地磁綜合值曲線斜率Ki和偏移量Mch進(jìn)行信息融合處理,根據(jù)模糊推理系統(tǒng)輸出信度Pout和判決閾值0.85的相對大小,做出最終判決。當(dāng)State等于1(車位占用),若邏輯推理系統(tǒng)輸出量Pout大于判決閾值0.85,說明此時(shí)地磁傳感器判定當(dāng)前泊車位上的車輛狀態(tài)發(fā)生變更,此時(shí)會轉(zhuǎn)入U(xiǎn)ncertain Vacant State 狀態(tài);若Pout小于判決閾值則說明這是泊車位有車狀態(tài)下的一次小的地磁擾動(dòng),且未發(fā)生車輛狀態(tài)變更,此時(shí)轉(zhuǎn)入Occupied狀態(tài)。相應(yīng)地,當(dāng)State為0(車位空閑),若Pout大于判決閾值,此時(shí)會轉(zhuǎn)入U(xiǎn)ncertain Occupation狀態(tài);若Pout小于判決閾值,則返回Vacant狀態(tài)。

Occupied:該狀態(tài)為泊車位占用狀態(tài)。此狀態(tài)下會對停車位狀態(tài)值State置1以更新該值。在該狀態(tài)下,當(dāng)前僅當(dāng)滿足斜率Ki大于Thk0或偏移量Mch大于Thm0時(shí),程序會轉(zhuǎn)入下一狀態(tài),即采用FL模糊邏輯推理對地磁信息進(jìn)行融合處理,否則會在此處停留。

Uncertain Vacant State:該狀態(tài)為非確定的泊車位空閑狀態(tài)。在該狀態(tài)下,當(dāng)Radar_detection為0(雷達(dá)檢測目標(biāo)判決無障礙物)且紅外位移傳感器采集到的距離值Dinfrared大于其閥值Thf(紅外位移傳感器認(rèn)為此時(shí)不存在車輛)時(shí),則說明此時(shí)三個(gè)傳感器均認(rèn)為泊車位車輛狀態(tài)為空,此時(shí)轉(zhuǎn)入Vacant狀態(tài)。若此時(shí)Radar_detection不為0(雷達(dá)檢測目標(biāo)判決存在覆蓋或障礙物)或Dinfrared小于其閥值Thf(紅外位移傳感器認(rèn)為此時(shí)存在車輛),則說明三傳感器之間存在矛盾判決,此時(shí)交由DS融合機(jī)進(jìn)行數(shù)據(jù)融合處理,并得到最終的判決結(jié)果。

Uncertain Occupation:該狀態(tài)為不確定占用狀態(tài)。在該狀態(tài)下,若Radar_detection為0或紅外位移傳感器采集到的距離值Dinfrared大于其閥值Thf時(shí),則此時(shí)三傳感器之間的判決存在矛盾,此時(shí)將最終判決交由DS融合機(jī)對泊車位信息做最后的判決。若此時(shí)Radar_detection不為0且紅外位移傳感器采集到的距離值Dinfrared小于其閥值Thf,則此時(shí)三傳感器的認(rèn)知趨同,且一致認(rèn)為泊車位上存在車輛,因此系統(tǒng)會轉(zhuǎn)入Occupied狀態(tài)。

DS:該狀態(tài)為D-S融合處理狀態(tài)。通過綜合地磁傳感器、紅外位移傳感器和微波雷達(dá)對泊車位信息的認(rèn)知,得出最終的判決結(jié)果。由于轉(zhuǎn)到DS狀態(tài)的前狀態(tài)為Uncertain Vacant State或Uncertain Occupation狀態(tài),二者的判別過程存在相似性,因此本文以前狀態(tài)為Uncertain Occupation 對D-S融合算法作出說明。

首先確定D-S證據(jù)理論的識別框架Θ為:

Θ={Γ1,Γ2}

(6)

式中:Γ1表示泊車位上存在車輛占用,Γ2表示泊車位處于空閑狀態(tài)。

基于識別框架得到的三條證據(jù)信息分別是:

證據(jù)1:基于地磁傳感器的泊車位檢測信息,構(gòu)造基本信任分配函數(shù)M1α:

(7)

式中:α為證據(jù)權(quán)重因子,其所對應(yīng)的調(diào)整范圍為[0,1];Pout為依據(jù)模糊邏輯推理得出的信度值函數(shù)。

證據(jù)2:基于紅外位移傳感器的泊車位檢測信息,構(gòu)建紅外位移傳感器的信度量化函數(shù)Pinf_ce:

式中:Thf為紅外位移傳感器識別車輛有無覆蓋上限閾值;Thl為紅外位移傳感器識別車輛有無覆蓋下限閾值;ω為最優(yōu)值權(quán)值系數(shù),當(dāng)距離D與ω·Thf越接近,Pinf_ce函數(shù)輸出值越大;D為紅外位移傳感器和外界障礙物之間的距離。

此時(shí)的基本信度分配函數(shù)M2a為:

(8)

式中:β為證據(jù)權(quán)重因子。

證據(jù)3:基于微波雷達(dá)傳感器的泊位檢測信息,構(gòu)造微波雷達(dá)的量化函數(shù):

(9)

式中:RVal是微波雷達(dá)返回?cái)?shù)據(jù)包中的障礙物信息位數(shù)值。

構(gòu)造的基本信度分配函數(shù)為:

(10)

式中:γ為證據(jù)權(quán)重因子。

計(jì)算證據(jù)1、2和3融合后的沖突因子K1,2,3和信度值:

(11)

(12)

將設(shè)定的信度閾值Thr與M1,2,3(Γ2)比較,若M1,2,3(Γ2)大于Thr則輸出0,跳轉(zhuǎn)至Vacant狀態(tài),否則輸出1,跳轉(zhuǎn)至Occupied狀態(tài)。

4 實(shí)驗(yàn)及結(jié)果分析

為測試驗(yàn)證該車輛在位遠(yuǎn)程監(jiān)測系統(tǒng)的整體功能,我們將節(jié)點(diǎn)安裝到浙江大學(xué)玉泉校區(qū)校內(nèi)的停車位小批量部署測試,泊車位信息感知終端節(jié)點(diǎn)安裝在泊車位中心靠后30 cm的位置,部署情況如圖10所示,節(jié)點(diǎn)通過NB-IoT網(wǎng)絡(luò)將數(shù)據(jù)傳輸?shù)胶笈_服務(wù)器。

圖1 路邊停車管理系統(tǒng)結(jié)構(gòu)框圖

圖2 泊車位信息感知終端節(jié)點(diǎn)結(jié)構(gòu)框圖

圖3 地磁傳感器電路

圖4 微波雷達(dá)模塊圖5 紅外位移傳感器模塊

圖6 微控制器模塊硬件電路

圖7 車輛入位過程地磁綜合值原始信號變化圖

圖8 濾波后的車輛入位過程地磁綜合值原始信號變化圖

圖9 泊車位車輛檢測多狀態(tài)機(jī)

圖10 路邊部署示意圖

圖11 部署后的泊車位信息感知終端

在小批量部署測試中,我們在路側(cè)旁安裝監(jiān)控,同時(shí)配合人工,觀測泊車位實(shí)際的停車情況是否與服務(wù)器端上報(bào)情況相同。依據(jù)該方法對2022年3月21日至4月21日期間的停車情況進(jìn)行統(tǒng)計(jì),共計(jì)1181次,漏檢9次,檢測正確率達(dá)到99.2%。綜上所述,該泊車位信息感知終端可以有效判斷車位狀態(tài),對車位狀態(tài)實(shí)現(xiàn)準(zhǔn)確檢測。