一种多特征量交通检测系统

黄丹　何春虎　李雪

【摘 要】本文结合多种传感器技术，对车辆进行数字化与动态建模，设计了一种新型的多特征量综合交通检测系统，可获取车辆流量、车型、速度、加速度、轮重、轴重、轴组重、总重、当量轴次、轴距、车高、车长、车宽、车辆轮廓、通行时间、行驶方向、超重、超速、车牌、车辆图片等20种车辆交通数据，大幅提高公路超限检测、交通情况调查、公路计重收费等领域自动化、数字化水平，对推动交通检测领域内的科学技术发展起到重要作用。

【关键词】多特征量；交通检测；信息系统

0 引言

随着世界各国公路交通流量的不断增长，交通数据的自动化获取成为未来公路交通情况调查工作的必然选择。目前国外发达国家还在对现有的车辆检测技术做进一步深入地研究，试图提高检测精度，扩大使用范围[1-3]。但是从国内实践来看，多种检测技术相互搭配运用，是比较现实的做法。每种检测技术都有其检测原理上的限制，因此无法获得所需的所有交通参数，为了获取智能交通应用所需的所有交通参数，可选择多种检测器互相搭配，做到不同的检测技术在功能上互补。

在此前提下，结合多种传感器技术，提出一种新型的多特征量综合交通检测技术，可获取车辆全方位交通数据，对车辆进行动态建模与数字化，并根据车辆全方位交通数据提出一种基于多特征量的车型自动识别技术

系统能提供全方位车辆特征量，可服务于公路设计、建设、运营、维护，应用在高速公路联网收费通行费拆分、高速公路收费站通行费全自动计算、自动超限检测、交通情况调查、轴载调查、道路养护管理等领域，大大提高相关交通单位自动化、数字化水平，能更好的维护公路业主方、运营方及使用方的利益。

1 系统结构

整个系统由数据采集子系统、数据处理子系统、数据融合子系统三部分组成。

由数据采集子系统进行多数据源数据的采集，包括动态称重弯板传感器数据、激光轮廓检测仪数据、视频数据等；由数据处理子系统对采集到的原始数据进行分析与处理，得到车辆流量、车型、速度、加速度、轮重、轴重、轴组重、总重、当量轴次、轴距、车高、车长、车宽、车辆轮廓、通行时间、行驶方向、超重、超速、车牌、车辆图片等20种车辆交通数据；数据融合子系统将车辆特征数据反复进行模型仿真、分组与对比，将融合后的特征数据作为最终数据。

1.1 数据采集子系统

数据采集子系统包括动态称重数据采集、激光轮廓检测数据采集、车辆视频数据采集三个部分。

动态称重数据采集部分包括弯板式传感器、信号调理模块、智能称重仪器主机几大部分。弯板式传感器将车辆轴重转换为传感器信号；信号调理模块主要用于对传感器信号转换为有效的电平信号，以及对电平信号进行放大、滤波、线性化补偿、隔离、保护等功能，使电平信号符合后端仪器采集卡的阻抗匹配要求；智能称重仪器主机是动态称重数据采集的控制中心，主要负责控制原始车辆数据的采集、实时处理以及发送。

激光轮廓检测主要通过电磁波连续检测车辆顶部的高度，然后将车辆高度值通过数学模型还原成车辆剖面轮廓。根据测量时间方法的不同，通常可分为脉冲式和相位式两种测量形式，为了实现快速、准确的测距要求，一般采用相位方式进行测量。相位式测距是对电波进行幅度调制并测定调制波往返测线一次所产生的相位延迟，再根据调制波的波长，换算此相位延迟所代表的距离，即用间接方法测定出光经往返测线所需的时间。

车辆视频数据采集主要使用摄像头完成，对于车道全景数据使用标清摄像头，对于车牌识别使用高清摄像头。

1.2 数据处理子系统

数据处理子系统综合运用多种数据处理分析手段，从已采集数据中分析出车辆特征数据。

动态称重数据的处理分为软件滤波、波形匹配、车辆信息获取三个步骤。软件滤波使用波峰波谷算法，将原始波形中的各种噪声、杂波滤除；波形匹配使用过滤后的波形信息，根据车辆本身的轴特征，以及传感器埋设距离等条件，将对应的两个波形匹配为车辆的一根轴；车辆信息获取根据车辆运动特征，将多根轴匹配为一个车，并得到车辆的相应特征数据。

激光轮廓检测数据处理可以得到车辆的长、宽、高信息。其关键点在于激光波形关键点的寻找，使用拐点逼近的算法，可较好的找到波形关键点。

视频数据的处理需要用到车辆视频检测技术。车辆视频检测技术运用模式识别、图像处理技术，对运动车辆连续图像帧进行分析处理，基本流程主要采用建立图像背景模型、图像背景模型的更新、图像差分处理、图像二值化、形态学滤波、阴影去除、运动轨迹跟踪等软件技术和算法，使用标清相机分析连续图像帧，识别运动车辆，获取车辆图像外部轮廓；同时使用高清相机软触发或硬触发抓拍高清车辆图片，分析抓拍车辆图像局部纹理，并进行车牌识别。

1.3 数据融合子系统

整个系统主要利用动态称重技术、激光车辆轮廓检测技术、视频车辆检测技术获取车辆特征量，获取的数据中，既有重复的，也有互补的。

为了将不同格式多种数据快速准确进行融合，采取了以下手段：建立日志分析机制，采用数据同步方法，确保不同传感器获取的不同数据反映的是同一时刻的车辆状态；针对重复的数据，运用类比的方法，对重复的特征量进行干扰消除、取舍与校正；设计特征提取算法，对数据进行再次重组；最后根据多特征量对车辆进行建模，得到真正的车辆特征数据。

2 结语

整个系统结合多种传感器技术，对车辆进行数字化与动态建模，可获取车辆流量、车型、速度、加速度、轮重、轴重、轴组重、总重、当量轴次、轴距、车高、车长、车宽、车辆轮廓、通行时间、行驶方向、超重、超速、车牌、车辆图片等20种车辆交通数据；根据不同用户群需求，系统可应用于高速公路联网收费通行费拆分、高速公路收费站通行费全自动计算、自动超限检测、交通情况调查、车辆轴载情况调查、道路养护管理等领域。

【参考文献】

[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，Fascioli 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.

[责任编辑：杨玉洁]