王 玮，沈继忠*，董利达

(1.浙江大学信息与电子工程学系，杭州310027;2.杭州师范大学信息科学与工程学院，杭州310012)

车辆检测器可用于采集车流量、车速、道路占有率等交通信息，是智能交通系统中最重要的数据采集设备之一［1］。常用的检测器有视频、感应线圈、微波雷达、红外、超声波等类型，其中线圈检测技术成熟且应用最广泛，但是存在安装维护复杂、对道路破坏大等缺点［2］，其他检测手段由于成本较高、易受环境影响而限制了大规模应用。磁阻传感器利用铁、钴、镍等金属的磁阻效应可以检测到车辆经过时对环境磁场的扰动，与线圈检测相比具有安装维护方便，可靠性高和耗能少等优点，有望成为线圈检测的替代方式［3］。

磁阻检测器埋于路面下工作，节点一般采用电池供电，由于寿命受电源限制，已有设计难以支持较高的采样率和无线通信负荷，无法满足高准确率和高实时性检测的要求，因此磁阻车检技术的应用范围集中在停车位或低速少车路段。目前对于磁阻车检技术研究主要集中在检测算法上［4－5］，而对节点寿命问题缺乏有效解决方法。E.Sifuentes等人［6］提出以功耗极低的光学检测来触发磁阻检测，节点仅在疑似车辆到来时才唤醒工作，不足之处是光学传感易受干扰且车流量对节点功耗影响大。郭鹏等［7］采用电源动态管理的方法一定程度上降低了传感能耗，但数据采集较慢使工作占空比较大，能量利用效率仍较低。此外上述方案均没有对节点的无线通信进行优化设计。近年来太阳能道钉技术逐渐成熟并得到广泛应用［8］，受其启发可将低功耗设计与太阳能道钉的自供电技术结合来解决磁阻车辆检测节点的寿命限制问题。为此本文从功耗控制和能量采集两方面入手，设计了一种基于磁阻传感器的自供电车辆检测节点。

1 系统结构

用于采集道路车辆信息的检测网络是由一个汇聚节点AP(Access Point)和若干个传感节点SN(Sensor Node)组成的星型网络。图1是采集系统的网络结构示意图。带有太阳能电池板的SN节点安装在车道中央，为避免妨碍行车，可借用地埋式道钉灯的安装方式，即节点表面与路面平齐，并用高强度透明壳体加以保护。SN节点对车辆信号进行实时处理检测，并将结果上传路旁的AP节点汇总，每个车道设置两个SN节点可以实现两点测速。AP节点采用有线供电，为替代线圈并兼容已有设备，AP可以使用RS232，RS485等接口和现场交通控制器通信。

图1 车辆信息采集系统网络拓扑

2 硬件设计

SN节点主要由信号采集模块、处理模块、无线收发模块以及能量管理模块四部分组成，结构如图2所示。其中MCU对采集模块的传感器及信号调理电路采用间歇供电，避免采集空闲时功耗浪费。能量管理模块自动切换供电源并控制太阳能充电。

2.1 处理和无线收发

处理模块MCU选用16 bit单片机MSP430F149。MSP430F149具有多种低功耗工作模式，睡眠到唤醒用时极短［9］，很适合周期唤醒工作的应用，自带12bit模数转换器ADC转换速率超过200 ksample/s，有助于实现快速信号采集。无线收发模块使用2.4 GHz射频芯片nRF24L01P，支持最高2 Mbit/s数据传输速率［10］，而选用较高传输速率有助于降低功耗和减少通信冲突。MSP430F149使用SPI接口与nRF24L01P通信，完成工作模式设定和数据读写。

图2 SN节点组成框图

2.2 信号采集

信号采集模块由传感器，信号调理电路和消磁电路组成，采用两个AMR磁阻传感器HMC1021［11］进行检测。节点采用3.3 V供电，车辆磁扰动范围为±2 Gauss，传感器输出差分信号范围约±6.6 mV，为便于AD转换信号还需经调理电路放大约200倍。单轴信号采集电路如图3所示。其中调理电路的前级放大采用 AD623仪表放大器［12］，可提供高输入阻抗和高共模抑制比，后级使用 OP262运放［13］在放大同时构成有源滤波器，两个放大器都具有μV级输入失调电压及温漂，噪声密度较低，能够有效抑制信号漂移和噪声。传感器和调理电路的电源由MCU控制，间歇供电时长包括信号建立时间和模数转换时间两部分，其中MCU模数转换时间已确定，为最小化信号建立时间，需要保证调理电路带宽足够大。设置前级放大5倍时可保证AD623带宽200 kHz，后级放大40倍时OP262带宽约300 kHz，而传感器的带宽高达5 MHz，因此整个信号链路带宽为200 kHz，理论上5 μs即可完成信号建立。考虑到上电时间及滤波电容影响，实际时间应适当增加以确保信号完全建立。

图3 传感器及调理电路

磁阻传感器存在磁滞现象，通过对传感器置位/复位带阻施加瞬间强电流可恢复或保持传感器特性。电源电压无法提供足够大电流，因此设计了H桥电路［14］实现双倍电压放电效果，如图4所示。

图4 传感器置位/复位电路

2.3 能量管理模块

超级电容充电快且充放电次数无限，锂电池能量密度高漏电少［15］，因此采用超级电容加锂电池的两级能量存储方案，工作原理如图5所示。夜间或阴雨天光照不足时，超级电容与锂电池并联为节供电;光照充足时太阳能充电使电容电压升高，二极管截止降时，转为电容单独供电。选用的太阳能电池板标准电压为5 V，最大功率0.5 W，锂电池额定电压为 3.7 V，充电电压 4.2 V。选用 5.5 V、1.5 F 的小容量电容，漏电流小且足以支撑节点白天的工作。SS34是肖特基二极管，100 mA下正向压降仅为0.2 V ～ 0.3 V［16］。XC6206 线性低压差稳压器 LDO(Low Drop-Out Regulator)实现3.3 V稳压供电，LDO输出纹波小，能够降低电源对传感信号的干扰。二极管和LDO上会有一定的能量损耗，当锂电池工作电压为4 V时，根据LDO转换效率计算公式［17］锂电池电源利用效率可达到82%。

图5 能量管理模块原理框图

LDO输入端经分压后输入到MCU的ADC，实时监测该处电压可获知超级电容或锂电池电量信息。需对锂电池充电时，MCU控制IRF7105接通充电电路。充电管理芯片CN3063有效充电输入电压为4.35 V～6 V，与太阳能电池板输出匹配，能自动控制锂电池的预充、恒流以及恒压充电［18］。

3 无线通信协议设计

3.1 TDMA和时间同步

基于TDMA的MAC协议不存在数据碰撞，空闲时隙能够及时进入睡眠［19］，满足网络节能需求的同时还可提供测速所需的时间同步，非常适合车辆信息采集系统。所有节点以AP为时钟基准，信道在时间上划分为周期1.25 s的超帧，每个超帧又划分S0～S127共128个时隙。S0为管理时隙，允许AP向SN节点广播命令包;S1～S127被分配给各SN节点向AP上传数据，AP在此期间始终处于监听状态。AP对SN发送的所有数据包进行确认，SN收到ACK确认包后执行传感器网络时间同步算法［20］TPSN(Timing-Sync Protocol for Sensor Network)计算同步偏差:

式(1)中T1和T4分别是SN发送数据和收到ACK的时间戳，保存在SN节点上;T2和T3是AP收到数据和发送ACK的时间戳，包含在ACK包中。SN定时发送同步包来维持时间同步，由于发送其他数据包时也能实现同步，因此可减少冗余的同步包发送。

3.2 跳频与节点加入

为提高通信可靠性，降低同频干扰影响，引入循环跳频机制。同一网络内使用相同的信道表和跳频方法，S1～S127时隙的信道由时隙号计算得到:

式(2)中Nchannel表示信道编号，Nslot为当前时隙号，Nnode是SN节点总数。S0时隙也跳频，但信道号由超帧号所决定，采用与其他时隙不同的信道表。根据式(2)，信道总数为Nnode+1，AP会周期跳至特定信道，因此SN搜索网络时可以尝试在某一信道上不断发送加入请求，若收到ACK则可实现同步并加入，否则随机退避后再尝试。信道数大于节点数，节点可从不同信道同时请求接入从而避免竞争，有助于在系统重启或睡眠唤醒时快速组网。

4 软件设计

4.1 总体软件设计

由于SN节点资源及功耗限制不宜采用操作系统，考虑到应用特点以及降耗需要，程序使用时隙驱动的运行方式。SN节点划分为 WORK、JOIN和SLEEP 3个状态，每个时隙开始节点唤醒并根据工作状态进入不同任务处理模块，处理完成后又进入睡眠。WORK状态是正常工作状态，SN与AP保持时间同步，根据时隙号执行不同的任务。SN丢失同步后进入JOIN状态，执行请求加入流程。需要关闭节点时，AP向SN发出定时睡眠命令使其进入SLEEP状态，唤醒后节点进入JOIN状态执行重新加入。

在WORK状态下节点在每个时隙首先执行采样及算法检测，然后根据需要执行通信任务。由于采样间隔与通信时隙长度一致，因此采样频率为102.4 Hz，而车辆信号频率范围一般小于 10 Hz［21］，较高的采样率便于获取更多信息用于测速或车辆分类。SN节点采用了基于状态机的在线检测算法［22］，算法中时间相关参数均可根据采样率进行调整，且算法可实时将每辆车到来和离开时间分别上传AP。

4.2 能量管理策略

硬件中已实现供电源的自动切换，软件中能量管理仅需完成电源监测和锂电池充电控制。为避免锂电池深充深放缩减寿命，设定电量低于70%时进行充电。为充分利用太阳能，充电时需控制太阳能板输出电压在其最大功率区内［15］，根据所选太阳能板及充电芯片参数，设定控制窗口为4.7 V～5.5 V。充电控制算法用图6的状态转换图描述。电池电量低于70%即电池电压低于3.9 V时，LDO的输入ULDO低于3.7 V，进入待充电状态。在待充电状态下，若ULDO大于5.3 V说明此时电容电量充足且光照较好，进入充电状态。充电中若ULDO降低到4.5 V以下，表明充电条件较差，返回待充电状态。锂电池充电到截止电压4.25 V时，充电芯片输出DONE信号，停止充电进入满电量状态。

图6 充电管理算法

5 实验和结果

5.1 功耗评估

功耗测量方法是在对应模块的电源端串联精度1%的10 Ω电阻，用示波器观察电阻压降来间接获取电流波形。以单轴传感器和信号调理电路为例，单轴间歇供电时间设置为40 μs，电阻上的压降波形如图7所示，电压最大值约50 mV对应最大电流约5 mA。相同方法可测得其他主要模块功耗。

节点实际功耗与工作模式和车流量相关，评估时设定工作负荷为:采样频率102.4 Hz，节点每1 s向AP发送一次，即模拟车流量达到1 800辆/h，能够满足大多数路况。在此条件下，经过测量和计算将节点各模块工作情况以及电流消耗统计如表1所示。电路中一些元件会产生漏电流，这部分功耗极小因此没有考虑在内。由于采集一次数据工作占空比仅为0.4%，其他能耗较高的模块工作占空比均小于2%，因此平均电流很小，节点总电流约89 μA。若采用200 mAh容量的电池单独供电，电源利用效率为80%时可支撑节点连续工作74 d。文献［6］节点在车流量180辆/h条件下的功耗为0.39 mW，相同条件下本文节点功耗为0.26 mW。文献［6］节点在无车时功耗极低，但其功耗随车辆数显著增加，在1 800辆/h条件下其功耗高达3.9 mW，而本文节点功耗仅为0.29 mW，受车流量影响很小。

图7 传感器和信号调理电路的功耗波形

表1 SN节点各模块的电流消耗

5.2 能量状态评估

采用超大容量电池虽然可以延长节点寿命，但会使成本增加，体积变大，为此引入太阳能供电，节点实物如图8所示。用于测试的太阳能板由10片0.5 V光伏电池串联组成，总面积仅40 cm2，保证了节点小型化。车辆经过虽会短暂遮住节点上方，但总遮盖时间比例较小并且太阳能板也可利用散射光转换能量，因此太阳能的获取受车辆影响小。由于灰尘，雨雪，磨损等因素影响可能导致转换效率下降，甚至一段时间内无法充电，为避免效率过低采用转换效率达15%的单晶硅电池，适当增加电池容量来降低节点因长时间无法充电而失效的概率。

图8 节点实物图

将节点放在朝北的阳台上测试白天模拟运行时的能量状况，节点工作负荷与5.1相同，实验时间为2013年4月15日，天气为阴转多云。图9记录了能量管理模块中主要元件的状态。早上8:00光伏电池开路电压为4.3 V，高于锂电池电压，节点接上太阳能板后开始充电。16:00之前电容曲线大都处于上升或平稳状态，且太阳能板电压多曲线位于电容曲线之上，表明电容大部分时间处在充电或充电饱和状态。16:00之后光照逐渐变差，但仍可收集太阳能，电容随太阳能板电压缓慢下降。17:30左右光照急剧下降，无法收集太阳能，依靠电容剩余电量维持。19:00后电容电压下降到4.05 V并一直保持，说明已切换为锂电池供电。实验虽在模拟负荷下进行，但节点的采样和处理活动都与实际应用时相同，在整个白天运行期间都保持了稳定。实验中白天依靠收集太阳能工作的时长达到11 h，虽然实际该时长可能受天气、季节、地域以及车辆等因素影响，但节点在弱光照条件下显示出较强的适应能力，对锂电池的依赖程度极大降低。

图9 节点运行时的能量状况

查阅相关气象数据［23］，哈尔滨等东北城市冬季正午时水平面上的平均太阳辐照度超过400 W/m2，假设实际太阳能转换效率为7%，充电效率和电源利用效率按80%计算，可获得有效功率71.68 mW;节点功耗为0.29 mW时，一个晴天内充电2 h即可满足至少20 d工作所需能量，由此看出节点工作具有很好的可持续性。

5.3 在线车辆检测

用节点在不同地方进行实地测试，地点1在浙江大学玉泉校区正门出口，地点2在杭州玉古路南段，测试时车辆从SN节点上方驶过，AP收到SN发送的检测结果并用串口上传笔记本电脑实时显示，检测结果如表2所示。结果中虚检是影响准确率的主要原因，而虚检车辆是车速低且车速不均引起的误判，地点一车速较低因此虚检率也比地点二而高。由于检测算法的参数适用于一定的速度区间，后续工作还需要对算法改进来增强适用性。

表2 实地车辆检测结果

6 结论

本文提出了一种利用太阳能自供电的磁阻车辆检测节点设计方法。针对传感能耗设计了快速信号采集电路来提高能量利用效率，针对通信能耗采用专门定制的无线通信协议来减少通信次数和避免数据碰撞，车流量达到1 800辆/h时节点平均功耗可以控制在0.29 mW以内。加入太阳能自供电模块后的评估表明节点可依靠外部能量持续工作，解决了节点寿命受电源限制的问题。由于功耗低且能量供给较充裕，采样频率、通信数据量以及检测算法复杂度仍有进一步提高的余地，节点经过进一步小型化和工程化还可以用于超速检测以及车辆分类检测等复杂应用，在智能交通信息采集方面具有很高的实用性和可扩展性。

［1］ 杨晓明，李宗津.基于水泥基压电传感器的车辆监测研究［J］.传感技术学报，2013，26(2):266－270.

［2］ 张豫鹤，黄希，崔莉，等.面向交通信息采集的无线传感器网络节点［J］.计算机研究与发展，2008，45(1):110－118.

［3］ Isaksson M.Vehicle Detection Using Anisotropic Magnetoresistors［R］.Chalmers University of Technology，Sweden，2008.

［4］ 杨波，邹富强.异向性磁阻传感器检测车流量的新方法［J］.浙江大学学报(工学版)，2011，45(12):2109－2114.

［5］ Kanathantip P，Kumwilaisak W，Chinrungrueng J.Robust Vehicle Detection Algorithm with Magnetic Sensor［C］//International Conference on Electrical Engineering/Electronic Computer Telecommunications and Information Technology，2010:1060－1064.

［6］ Sifuentes E，Casas O，Pallas-Areny R.Wireless Magnetic Sensor Node for Vehicle Detection with Optical Wake-Up［J］.Sensors Journal，2011，11(8):1669－1676.

［7］ 郭鹏.应用于交通参数监测的无线网络传感器研究［D］.北京:中国科学研究院，2007.

［8］ Eliasson J，Birk W.Towards Road Surface Monitoring:Experiments and Technical Challenges［C］//Control Applications(CCA)and Intelligent Control(ISIC)，IEEE，2009:655－659.

［9］ Texas Instruments.MSP430F149 Datasheet［EB/OL］.http://www.ti.com.cn/cn/lit/ds/symlink/msp430f149.pdf.

［10］ Nordic Semiconductor.nRF24L01P Datasheet［EB/OL］.http://www.nordicsemi.com/eng/content/download/2726/34069/file/nRF24L01P_Product_Specification_1_0.pdf.

［11］ Honeywell.HMC1021 Dataheet［EB/OL］.http://www.honeywell.com/aero/common/documents/myaerospacecatalog-documents/Missiles-Munitions/HMC_1001－1002－1021－1022_Data_Sheet.pdf.

［12］ Analog Device.AD623Datasheet.［EB/OL］.http://www.analog.com/static/imported－files/data_sheets/AD623.pdf.

［13］ Analog Device.OP262Datasheet.［EB/OL］.http://www.analog.com/static/imported－files/data_sheets/OP162_262_462.pdf.

［14］ Set/Reset Function for Magnetic Sensors［EB/OL］.http://magneticsensors.com/literature.php.

［15］张静静，赵泽，陈海明，等.一种高效的太阳能传感器网络节点系统设计与实现［J］.仪器仪表学报，2012，33(9):1954－1960.

［16］ Vishay.SS32S_SS33S_SS34S Datasheet.［EB/OL］.http://www.vishay.com/docs/89927/ss32s.pdf.

［17］黄继昌，仝庆居，乔苏文，等.电源专用集成电路及其应用［M］.北京:人民邮电出版社，2006:1－3.

［18］ Consonance Electronics.CN3063 Datasheet［EB/OL］.http://www.consonance－elec.com/seriesCN3063.htm.

［19］于凯，谢志军，金光，等.基于功率控制的无线传感器网络MAC协议研究［J］.传感技术学报，2013，26(9):1297－1302.

［20］孙立民，李建中，陈渝，等.无线传感器网络［M］.北京:清华大学出版社，2005.

［21］ Lan Jinhui，Shi Yuqiao.Vehicle Detection and Recognition Based on a MEMS Magnetic Sensor［C］//4th IEEE International Conference on Nano/Micro Engineered and Molecular Systems，2009:404－408.

［22］ Cheung S Y，Varaiya P.Traffic Surveillance by Wireless Sensor Networks:Final Report［R］.University of California，Berkeley，Jan.2007.

［23］民用建筑热工设计规范(GB50176—93)［S］.北京:中国建筑科学研究院，1993.