张增超,李 强,孙红雨*,楼亮亮

(1.山东科技大学电子信息工程学院,山东 青岛 266590;2.中国科学院上海微系统与信息技术研究所,上海 200050;3.上海无线通信研究中心,上海 200050)

无线车辆检测器(WVD)是智能交通系统中最基础的一个环节[1]。目前已经有多种无线车辆检测方法,自感应线圈[2]的方法准确度较高,但是会对路面造成破坏,安装维护困难。视频检测方法[3-4]可以获取丰富的车辆信息,但是成本较高,容易受天气状况影响。地磁传感器[5-6]由于功耗低、易于安装等特点,目前已经广泛应用于车辆检测。基于单地磁传感器通常采用阈值判断的方法,但是阈值判断方法存在一定缺陷,容易出现误检和漏检问题。因此为提高单地磁传感器的检测准确度需要其他判决条件进行辅助判断。

随着人工智能的发展,使用深度学习算法进行车辆目标检测已经取得了很多成就[7],文献[8]提出一种基于深度学习通过视频监控进行车辆检测的方法,通过与雷达信息结合这种方法有较高的准确率。但是这种方法在夜间或大雾等光线不足的情况下效果较差。文献[9-10]提出一种采用无人机进行航拍,通过边缘检测和搭建卷积神经网络等方法进行车辆检测。该方法检测准确度为94%,略低于本文所提方法。而且该方法计算量大,算法设计复杂,实验室训练数据与实际测试数据可能存在域偏移,同时容易受到天气状况以及光线情况的影响。文献[11]提出一种基于LoRa的停车位状态信息采集系统,该系统集成了地磁和雷达两种检测技术,检测准确度约为96%。但是多普勒雷达与天气状况关系很大、器件损耗大,同时器件昂贵,不易于在车辆检测器中大批量生产装备。

UWB技术由于抗干扰能力强、传输速率高、发射功率小、定位精度高等优势,在室内通信、人员定位等方面已经得到广泛应用[12-13]。在室外环境下,由于车辆的存在会使UWB信号发生折射和反射,从而增加了信号传输时间,测距结果会相对增加[14]。因此UWB测距结果可以作为一种辅助判断条件用于提高地磁车辆检测的准确度。同时,UWB属于中短距离范围内的通讯技术,可以实现多个车辆检测器的联合工作,能够用于搭建高效、可靠的停车位车辆检测网络。

本文首先对地磁信号特征和UWB测距结果进行特征分析,提出了将地磁传感器与UWB测距相结合的停车位车辆检测方法,然后在实际测试中通过将PNI11096和DWM1000分别作为地磁检测模块和UWB测距模块搭建了停车场车辆检测平台。通过在室外停车场进行实际验证测试,该方法可以有效解决误检、漏检问题,能够切实提高停车位车辆检测准确度。

1 室外停车场车辆检测整体方案设计

该检测方案利用STM32作为主控芯片,在地磁检测方面本方案采用的是PNI11096,该模块具有功耗低、分辨率高、稳定性能好等优点。UWB测距方面本系统选用Deca Wave公司推出的具有测距定位功能的无线传输模块DWM1000,该模块采用IEEE802.15.4-2011协议,基于到达时间差的TDOA双向测距定位方法[15]。一对DWM1000模块最大理论测距为300 m,定位精度在10 cm左右,抗多径和抗干扰能力强,成本低,且易于实现[16]。本方案中采用ER34615M模块为系统供电,开路电压为3.6 V,额定容量为15 000 mAh,适合长时间微电流工作,工作年限可达6年～8年,方便拆卸。在安装维护方面,本设计方法采用无线地磁传感器,只需要黏附在停车位表面,可以避免对地面的破环,降低了施工难度,可以节省安装费用,易于管理维护。

图1 室外停车位车辆检测示意图

2 停车位车辆检测原理分析

2.1 地磁信号特征分析

地球是一个天然磁场,在距离地球表面一定范围内的地磁信号强度是基本稳定的[17]。但是金属物体的移动会对地磁信号强度产生影响,由于车辆主要由金属构成,所以可以通过采集停车位上方地磁信号强度变化来判断当前停车位状态[18]。实验测得的地磁信号强度变化示意图如图2所示。

图2 磁感应强度示意图

从图2中可以看出当车辆进入或离开停车位时,地磁信号强度有较大变化。否则,地磁信号强度保持相对稳定。因此,可以根据地磁信号变化特征来判断是否有车辆进出停车位。

传统的单地磁车辆检测通常采用阈值判断的方法,如以下公式所示:

(1)

式中:n是采样点的序列号,Am(n)是地磁信号强度的当前值,Bm(n)是当前磁感应强度的基线值,Tm1是单地磁车辆检测方法判定阈值。F(n)是磁信号波动检测结果,该值从0变为1,表示有车辆进入停车位。

通过阈值判断是基于地磁传感器进行车辆检测最常见的方法,但是基于阈值判断存在一定缺陷。首先目前没有标准的阈值设定方法,若地磁信号判定阈值较小,在低信噪比环境下,本车位状态容易受到相邻车位车辆进出或其他因素的影响;若地磁信号判断阈值较大,则容易遗漏掉本车位小型车辆或其他弱磁车辆[19]。同时不同车型引起的磁感应强度变化情况不同,无法采用统一阈值作为判决标准。在实际测试中,我们将单地磁传感器分别安装在三个相邻车位中央,当强磁车辆进出某一车位停放不规范时,如图3(a)所示,相邻车位地磁传感器也会收集到类似磁感应强度变化,如图3(b)所示,此时根据单地磁检测的方法容易对停车位的状态做出误判。

图3 临车位车辆干扰示意图

本文中我们对阈值判断的方法做了改进,根据以下公式进行车辆检测分析。

党中央、国务院高度重视，国家防总全力组织，三省（自治区）党委、政府把抗洪抢险救灾工作作为中心工作来抓，主要领导亲自安排部署、亲赴一线组织指挥，动员有关部门和广大军民奋力抗灾，保障了各项工作有力有序有效开展。

(2)

式中:n是采样点的序列号。Am(n)是磁信号的当前值。Bm(n)是当前磁感应强度的基线值。v是临时变量。N表示磁感应强度选取长度,本文中的选取长度为10。F(n)是地磁信号波动检测结果,该值从0变为1,表示地磁信号强度出现抖动,此时可能有车辆进入停车位,需要根据车辆判断计数器或开启UWB测距功能做进一步判断,UWB的测距原理将在下文2.2节做出详细分析。Tm2是地磁检测方法判定阈值,该值经过了大量的数据验证分析。本文中由于引入了UWB测距结果可以将Tm2设定的较小,即Tm2

根据地磁信号强度变化特征,本文中设计了t1和t2两个特殊的检测窗口,如图2(a)所示。t1和t2分别是车辆进入和离开停车位的判断窗口,其值分别为30 s和15 s。在t1和t2窗口中分别设计了有车判断临界值V1(Vehicle-1)、有车判断计数器C1(Counter-1)和无车判断计数器C0(Counter-0)、无车判断临界值V0(Vehicle-0)。整体设计思路是在一定时间内,当地磁信号强度超过一定阈值且达到一定次数要求,此时判断车辆进入或离开某一停车位。

由于地磁信号强度受温度等影响存在基线漂移现象,在本文中我们采用以下公式对基线值进行更新:

(3)

式中:Bm(n)和Bm(n-1)分别表示当前时刻和前一时刻的基线值。α是加权系数,本文中α的值为0.05。Am(n)表示当前时刻的地磁信号强度,w表示时间窗长度,本文中w的值设定为30。从式(3)中可以看出只有在停车位处于空闲状态时对基线值进行更新。

2.2 UWB测距误差分析

为了解决相邻车位车辆进出或停放不规范引起的停车位误判问题,本文提出在地磁信号强度不确定时唤醒UWB测距功能,将测距数据与地磁信号强度融合,进一步分析停车位状态。

在实际测试时,首先将UWB标签放置在停车位中央,信号接入节点(WAP)固定在停车位附近一定高度。在视距传输条件下,即当前停车位没有车辆停放时,UWB信号会通过直线传输路径到达WAP。在非视距传输条件下,即停车位有车辆停放时,由于受车体阻挡,UWB信号会在车辆底部与地面之间来回反射然后到达WAP。简化后的UWB信号传输示意图如图4(a)所示。

图4 UWB测距误差分析图和变化示意图

图4(a)中LLos表示没有车辆停放时的测距结果。d1,d2,d3表示有车辆停放时UWB信号经过的路径。可以明显看出当有车辆停放时,UWB的测距结果会相对增加。经过实际测试,图4(b)表示车辆进出停车位整个过程UWB测距结果的变化。从图4(b)中可以看出当有车辆停放时,UWB测距结果有0.6 m左右的增长。虽然噪声也可以引起测量误差,但是非视距误差是距离测量误差的主要来源[20]。因此,我们提出的通过UWB测距结果来进行车辆检测的方法是可行的。

通过UWB测距结果进行车辆检测同样采用了阈值判断的方法。当车辆检测器上方没有车辆时,LLos的值基本保持不变。因此,我们将使用此数据作为UWB测距结果的参考值。具体判决方法如以下公式所示:

(4)

式中:i是UWB测距操作的序列号。Auwb(k)是UWB的当前测距结果。LLos是车辆检测器上方没有车辆停放时的测距结果。在我们提出的方法中,TL是决策阈值,TL的值是0.3 M,该值来自大量数据分析。M是平均计算的长度,本文中M的值设为5。L(i)是车辆检测结果,该值从0变为1,表示车辆正在进入停车位。

3 地磁信号与UWB测距融合算法分析

根据以上分析,我们发现地磁信号强度与UWB测距结果都可以作为车辆检测的依据,因此可以将地磁信号强度与UWB测距结果融合来提高停车位车辆检测准确度。但是UWB测距模块的功耗较高,若长期开启UWB测距功能会减少车辆检测器的使用寿命。为了提高车辆检测准确度,降低功耗。在本文中我们提出根据地磁信号强度变化唤醒UWB测距功能的方法。为了便于分析,根据地磁信号强度变化特征与UWB测距结果,我们采用流程图分析方法,停车位可以分成具体5种状态。具体流程图算法分析如图5所示。

图5 流程图算法分析

①S1“初始化状态”

仅在微控制器启动时才进入该状态。在这种状态下,进行车辆检测算法所需参数的初始化。例如,地磁信号强度参考基线和判定阈值,以及UWB测距结果判定阈值。假设在车辆检测器安放后停车位中没有车辆,它将从初始状态进入空置状态。

②S2“空闲状态”

在空闲状态下,如果地磁信号根据式(2)满足抖动条件,则进入“车辆进入抖动检测状态”。否则,它将保持在空闲状态。

③S3“车辆进入抖动检测状态”

在这种状态下,无车判断计数器C0清零,有车判断计数器C1开始计数。在t1时间内,根据式(2),每输入一个抖动判断标志F(n)=1,有车判断计数器C1的值加1。在t1时间内,若当前时刻已停止抖动且C1

④S4“占用状态”

如果地磁信号根据式(2)满足抖动条件,则该状态类似于空闲状态,进入“车辆离开-抖动检测状态”。否则,它将保持在被占用状态。

⑤S5“车辆离开抖动检测状态”

该状态类似于S3状态,在该状态中有车判断计数器C1清零,无车判断计数器C0开始计数。在t2时间内,根据式(2),每输入一个抖动判断标志F(n)=1,无车判断计数器C0的值加1。在t2时间内,若当前时刻已停止抖动且C0

4 系统功能测试

通过使用真实的检测系统,在室外停车场进行了实际测试,其中一处部署情况如图6所示。传感器节点部署在停车位中央。汇聚节点和笔记本电脑被部署在相邻停车位。

图6 室外停车位车辆测试环境

在实际测试中,针对相邻停车位车辆干扰,采用普通车辆和高底盘车辆两种不同类型车辆,使用两种不同车辆检测方法,分别测试了相邻停车位没有车辆、停车位左侧有车、右侧有车和两侧都有车辆时的情况。每种场景下两种车型分别进行了100次停车测试,各自包括约50个顺方向停车和反方向停车操作。实际测试结果如表1所示。为了保证客观性和可靠性,两种方法的地磁传感器采样率为1Hz。

表1 实际测试结果

表1是在不同场景下进行试验测试的结果,其中单地磁检测方法是根据式(1)进行阈值判断的结果,本文所提方法是根据式(2)和式(4)综合判断的结果。

从表1中可以看出,相对于单地磁传感器检测方法,本文所提方法可以提高约6.0%的准确率。根据测试分析可得,当相邻停车位有车辆停放时,由于受到临车位地磁信号干扰影响,单地磁车辆检测的准确率会低于两侧没有车辆的准确率。同时单地磁传感器在应对别克GL8等较高底盘车辆的准确率会低于标志408等普通车辆的准确率。通过对比可知,本文所提出的数据融合算法在面对临车位有车辆停放时依然有较高的准确率。但是由于多径效应对UWB测距作用的影响,当停车位两侧有车辆停放时,数据融合方法的准确率会略低于两侧没有车或单侧有车时的准确率,但依然明显高于单地磁检测方法的准确率。因此本文所提方法具有一定的先进性。

5 总结

本文提出了一种改进的车辆检测方法。该方法基于地磁信号强度,结合UWB测距结果,可有效解决由于附近停车位车辆进出或车辆停放不规范造成的本停车位状态误判问题。通过实际现场测试,将本文中所提出的数据融合方法和基于单地磁传感器的方法进行性能对比,实验结果表明,本文所提的地磁检测与UWB测距结合的方法高出单地磁传感器检测方法约6.0%的准确度。因此,我们的研究具有一定的理论和实践价值。