一种智能交通中基于分布式光纤传感的车辆识别方法与流程

本发明涉及一种智能交通中基于分布式光纤传感的车辆识别方法,用于城市道路和高速公路的车辆检测和交通管理，属于智能交通和信号处理领域。

背景技术：

对城市道路和高速公路上的车辆进行连续的检测和位置估计，可以为交通管理者和驾驶人员提供动态的车辆位置、车速和交通事件信息，也为改进交通管理方法和交通决策提供数据支持。

在当前的道路交通中，识别车辆主要依靠于地埋式环形感应线圈检测器、雷达测速检测器以及视频检测器等。传统的基于振动信号的车辆识别，主要依赖于麦克风、加速度计、地震检波器、工程地震仪等点式分布传感器对地面振动情况的检测。以上检测方式普遍存在易损坏、埋设成本高、无法连续路段检测识别车辆的缺陷，且目前所推广的信号处理方式的车辆识别率仍有提升空间。

分布式光纤传感基于基础通信光纤，在光纤初始点加装光子处理器，将光纤附近的振动牵引光纤产生的小范围位移形成的数据加以收集和处理分析，从而将通信光纤转化为一个监听设备，其对地面振动的检测所带来的检测无盲点、运算速度快、成本降低的优势是目前其他技术难以取代的。

技术实现要素：

本发明的目的是克服现有技术的不足，提供一种智能交通中基于分布式光纤传感的车辆识别方法。

本发明的目的是通过以下技术方案来实现的：一种智能交通中基于分布式光纤传感的车辆识别方法，包括以下步骤：

(1)利用路侧铺设的通信光纤，接入光纤振动传感单元，组成分布式光纤传感系统；

(2)利用分布式光纤传感系统，对光纤实时振动进行连续检测，得到振动发生位置，并保存振动数据；

(3)对振动数据进行消噪，再进行时域、频域以及时-频结合分析，提取与车辆振动相关的时域、频域特征量；

(4)根据步骤(3)所得的结果，依据车辆振动的时频特性，对振动信号进行分类，判断振动信号是否属于车辆振动，从而判断车辆位置和数量，并进一步判断车辆类型；

(5)存储振动特征量和识别结果，形成样本特征库，使用特征库进行模式识别，提高后续车辆识别率和可靠性。

进一步地，所述步骤(1)中，所述路侧铺设的通信光纤为自行铺设的单模通信光纤，或是已经铺设好的通信光缆，光纤检测长度可达几十千米；所述光纤振动传感单元是连接待测光纤，采用cotdr原理，发射检测光脉冲和参考光脉冲到待测光纤，检测检测光脉冲产生的瑞利散射信号，并对其与参考光形成相干信号，并进行光电转换的处理单元。

进一步地，所述步骤(3)中，对振动数据消噪的方法包括小波去噪法；时域分析方法包括过零率分析等；频域分析方法包括功率谱分析、快速傅里叶变换分析、谱相关分析等；时-频结合分析方法包括小波变换法、hilbert-huang变换法等。

进一步地，所述步骤(3)中，提取的振动特征包括短时过零率特征、频域分布特征、功率谱特征，hilbert-huang变换时频分布特征，imf分量能量特征，边际谱特征等，以及上述谱分布等的统计特征如均值、方差、互相关、高阶统计特征等统计量。

进一步地，所述步骤(4)中，利用时域分析获得过零率特征，可以判定是否在光纤附近出现振动事件；利用频域分析得到的频域分布特征、功率谱特征等统计量，可以判断振动信号是否符合车辆振动特征；利用时-频变换分析获得的时频特征，如hilbert-huang变换时频分布特征，imf分量能量特征，边际谱特征，小波变换特征及其相关统计量等，可以进一步判断信号所属的车辆类型等更精确的判定结果。

进一步地，所述步骤(5)中，模式识别的方法为神经网络分类器或支持向量机分类器；其提高识别率的方法具体是，利用存储的样本特征库作为训练集，对分类器进行训练，将检测得到的振动数据经过步骤(3)、(4)，输入到分类器，从而识别振动是否来自车辆，并将新的振动数据和识别结果作为样本加入特征库中，进一步优化识别率和可靠性。

本发明的有益效果是：本发明在路侧安装分布式光纤传感系统，利用传感器检测的振动信息，分析振动时-频特征，提取更有效的车辆振动信息，并利用神经网络等机器学习的方法，随使用积累，可以进一步提高利用振动检测车辆的识别率和可靠性。这种方法实现了车辆振动检测全程无盲点，降低了安装使用成本，识别方法快速稳定且易于实现。

附图说明

图1是智能交通中分布式光纤传感系统示意图；

图2是本发明中车辆识别方法流程图。

具体实施方式

本发明智能交通中基于分布式光纤传感的车辆识别方法，包括以下步骤：

(1)在路侧铺设单模通信光纤，或使用已有通信光纤，将光纤振动传感单元接入通信光纤，组成分布式光纤传感系统。

(2)利用步骤(1)的分布式光纤传感系统，对光纤进行连续的振动检测，得到振动发生位置，并保存振动数据。

(3)对获得的振动数据进行消噪，再进行时域、频域以及时-频结合分析，提取与车辆振动相关的时域、频域特征量。

(4)根据步骤(3)所得的结果，依据车辆振动的时频特性，对振动信号进行分类，判断振动信号是否属于车辆振动，从而判断车辆位置和数量，并进一步判断车辆类型；

(5)存储振动特征量和识别结果，形成样本特征库，使用特征库进行模式识别、训练，提高后续车辆识别率和可靠性。

下面结合附图对本发明进行详细阐述：

如图1所示，在一条双向行驶的道路一侧，将光纤振动传感单元连接到路侧光纤/光缆，形成分布式光纤传感系统，可以检测到由道路车辆行驶产生的震动，经地面传导至路侧光纤处，使光纤发生形变，由于形变，产生瑞利相干信号。光纤振动传感单元检测该信号，得到光纤振动信息，即代表特定时刻和位置，车辆行驶产生的震动。一个光纤振动传感单元所能检测的光纤长度通常在40-80公里。在检测到光纤振动信号后，光纤振动传感单元将数据传导至上位机(一般为计算机)，对原始数据做进一步处理，并保存数据。

在光纤振动传感单元采集振动信号后，数据被传输到上位机，在上位机中，对振动信号进行信号处理，即选择对信号进行时域分析、频域分析、时-频结合分析，包括过零率分析、功率谱分析、快速傅里叶变换分析、小波变换法、hilbert-huang变换法等，得到信号中包含的有用信息，包括频谱分布、时频分布等谱分布和其他分量。

如图2所示，在信号处理分析后，对分析结果进行特征提取。提取的振动特征包括短时过零率特征、频域分布特征、功率谱特征，hilbert-huang变换，imf分量能量分布特征、时频分布特征、边际谱特征等，以及上述谱分布等的统计特征如均值、方差、互相关等统计量。

特征提取过程首先考虑样本可分性，目的是通过选择信号特征，可以显著区别出振动信号是否属于车辆、属于何种类型的车辆。在选择初始特征后，利用主成分分析，设置，筛选出与车辆振动信号相关性较大的特征作为识别特征。此过程降低了识别车辆所需特征的维数，简化了识别过程，提高识别效率。

在提取特征以后，进入车辆识别单元，利用所提取的特征向量判别信号是否属于车辆振动，并获得车辆车型、位置等信息，并从该模块输出识别结果。同时，将识别结果存储，并与特征向量组成样本特征库，用于模式识别的训练集。当训练样本积累到一定程度后，利用模式识别识别车辆比原先的识别方法准确性得到提高。此后，将所提取的特征量直接输入模式识别模块，可进一步提高车辆识别可靠性。

重复上述步骤，可有效对光纤沿线车辆振动进行识别，从而保证识别可靠性。

以上所述的车辆识别方法仅为本发明的一个实例，本发明适用于任何利用分布式光纤传感的车辆识别方法，并不构成对本发明的限制，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。