基于地磁传感器网络的低功耗路边停车检测方法
【专利说明】基于地磁传感器网络的低功耗路边停车检测方法 【技术领域】
[0001] 本发明设及车辆检测技术，尤其设及一种基于地磁传感器网络的低功耗路边停车 检测方法。 【【背景技术】】
[0002] 路边停车检测是实现智能交通的重要部分，目前主要的检测方法有:超声、地感线 圈、视频和地磁传感器等手段。其中，虽然超声检测准确度较高，但是不适合在路边停车场 安装和维护;地感线圈检测性能稳定，但是安装和维护需要切割路面，妨碍正常交通;视频 检测信息量丰富而且直观，但是需要更大的存储能力和计算能力，其检测性能极易受到光 照条件及雨雪天气的影响。相比较而言，地磁传感器具有低功耗、低成本、高灵敏度、小体 积、易于集成W及安装和维护方便等优点。把地磁传感器放置于车辆经过的区域就可W采 集到车辆对地磁的扰动信号，扰动信号进行处理后可W用来检测车辆的存在、车型、车速等 交通信息。
[0003] 地面磁场强度在几公里范围内认为是均匀稳定的，当含有大量铁磁的车辆经过时 将对地磁场产生较大的扰动，外部磁场的变化导致地磁传感器输出值发生变化。输出的信 号经过处理后可W用来检测车辆的存在，布设两个地磁传感器节点即可估计车辆行驶速 度，输出信号的波形与车辆本身构造 W及含铁磁量有很大关系，因此根据此特征可W实现 车型识别。目前的已有的算法主要分为两种:基于阔值的状态机检测和基于相似性的互相 关检测方法。
[0004] 基于阔值的状态机检测算法，主要的思想是将车辆检测过程分为不同的状态，当 满足相应的条件后状态进行跳转，从而得出车位状态。其中，状态机跳转条件主要依赖其监 测信号与设定阔值的比较。其优点是方法简单，功耗低，计算量小，便于在传感器节点上实 现，但是其缺点是阔值是经验值，难W保证其客观性，在信号扰动强度较小时，容易出现误 判或漏判。路边停车的背景信号复杂，存在道路行车的干扰信号，信噪比较低，运种简单的 状态机方法在路边停车检测中检测精度难W保证。
[0005] 基于相似性的互相关检测方法可W有效滤掉与参考信号不相关的噪声信号，使得 有效信号得W加强，从而提高检测准确率。互相关检测的检测精度受所选取的参考信号影 响较大，已有的互相关检测采用的参考信号有地磁场变化模型和高斯拟合曲线等，可是运 些研究主要是针对运动车辆，不适用于停车场车辆检测，因此本发明通过K-means聚类算法 找到与实际的车辆扰动信号最相关的参考信号，同时均衡了功耗与性能，将状态机检测算 法与互相关检测算法相结合得到一种低功耗的路边停车车辆检测方法。 【
【发明内容】
】
[0006] 有鉴于此，有必要提供一种低功耗的路边停车场车辆检测方法。所述地磁传感器 节点采集停车场车辆对地磁的扰动信号，并对采集的信号进行预处理，对根据处理后的信 号强度来选择停车检测方法，如果信号强度低于挟择阔值(TH_0P)则选择复杂度较低的状 态机检测算法，根据状态机的跳转结果得到车位状态的判断，否则选择相对复杂的互相关 检测方法，根据信号与K-means聚类得到的参考模型的相关性判断车位的状态。
[0007]在优选的实施方式中，对采集信号的预处理步骤包括下述步骤:所述采集信号进 行高斯滤波处理;所述滤波后信号进行求模计算。其中高斯滤波采用下述公式：
[000引
[0009] 其中，σ决定了高斯函数的宽度，xs是所述X轴平滑滤波后的信号，y轴和Z轴采用与 X轴相同的方法进行高斯滤波。
[0010] 计算模值采用下述公式：
[0011]
[001 ^ 其中，Bx、By和Bz分别表示X、y和Z轴的高斯滤波后的信号，Bxo、Byo和Bzo分别表示X，y 和Z轴基线值。
[0013] 在优选的实施方式中，所述选取路边停车车辆检测算法包括下述步骤:将预处理 后信号的模值与挟择阔值(TH_0P)进行比较，如果超过挟择阔值(TH_0P)则选择复杂度较低 的状态机检测方法，否则选择精确度较高的互相关检测算法。
[0014] 在优选的实施方式中，所述低复杂度状态机检测方法包括W下步骤：
[0015] (1)初始化所有参数及基线，初始化完成后设置标志Flag_Initial为1，并跳转至 步骤(2);
[0016] (2)车位状态为空闲。S = 0)，并在该步骤进行基线更新，基线更新公式如下：
[0017]
[0018] 式中，Bio(t-l)是前一时刻的i轴基线值，ie{x，y，z};Bl(t)是当前i轴的高斯滤波 后的信号;α为遗忘因子，其范围是[0-1] ;PS(t-l)为前一时刻的车位状态；
[0019] 当检测信号有扰动，并且扰动信号超过设定驶入阔值(TH_AR)则设置驶入扰动标 志（Fluctuation_A;r;rival = 1)，跳转至步骤（3);
[0020] (3)记录超过驶入阔值(TH_AR)的驶入扰动次数(Cnt_Arriva 1)，如果出现了扰动 低于驶入阔值(TH_AR)则设置驶入扰动标志为0(Fluc化ation_A;r;rival = 0)并跳转至步骤 (4)，否则当车辆驶入扰动次数超过设定驶入次数阔值(N_Arrival)时跳转至步骤(5);
[0021] (4)清零驶入扰动次数Cnt_Arrival，并记录无车辆驶入扰动次数（Cnt_ noArrival)，如果扰动再次超过驶入阔值（TH_AR)，再次设置驶入扰动标志为1 (Flue化ation_Arrival = 1)，跳转至步骤(3);否则，当无车辆驶入扰动次数超过设定无驶 入次数阔值(N_noArrival)，贝峭巧专至步骤(2);
[0022] (5)车位被占用(设置标志PS=1)，如果扰动超过车辆驶出阔值(TH_DP)，贝峭巧专步 骤(6);
[0023] (6)设置车辆驶出扰动标志（Fluctuation_depa;rture = 1)，并记录驶出扰动次数 (Cnt_Departure)，如果扰动低于驶出阔值(TH_DP)则设置驶出扰动标志为0(Fluctuation_ departure = 0)，并跳转至步骤（5);否则，当驶出扰动次数（Cnt_Departure)超过设定驶出 次数阔值(N_Depadure)则跳转步骤(2);
[0024] 在优选的实施方式中，所述高精度互相关检测方法包括W下步骤：
[0025] (1)所述预处理后信号与K-means聚类获取的参考信号进行互相关计算；
[0026]
[0027] 其中，SD(t)是预处理后模值，客氏为模值均值，R(t)为参考信号，反,为参考信号均 值，CC(T)表示两个信号的互相关系数，且在[-1,1]范围内，当两个信号互相关程度较高时， 越趋近于1，当两个信号完全不相关时，越趋近于0。
[0028] (2)互相关计算结果CC(T)与设定互相关阔值(TH_C0)进行比较，车位状态更新公 式如下
[0029]
[0030] 其中，Event(t)表示状态是否改变，为1时表示改变，为加寸表示状态不变;TH_C0为 设定互相关阔值;CC( τ)为互相关计算结果。
[0031] 在优选的实施方式中，所述判断车位最新状态采用下述公式：
[0032]
[0033] 其中，PS(t)=0表示车位空闲，PS(t) = l表示车位被占用。
[0034] 在优选的实施方式中，所述参考信号获取方法包括W下步骤:所述预处理信号进 行截取处理;所述截取信号进行插值处理;所述插值后信号进行归一化处理;所述归一化处 理后信号进行K-means聚类，得到的聚类中屯、即为参考信号。
[0035] 所述预处理后信号进行特征曲线截取，去除静态部分，采用下述公式；
[0036] SD_A = SD(t),{(ti-td) < t< (t2+td)}
[0037] SD_D = SD(t)，{(t3-td) < t< (t4+td)}
[0038] 其中，SD(t)是预处理后信号模值，ti是车辆到达的时间，t2是停车后信号从不稳定 状态转变为稳定状态的时间点；同样，t3是车辆离开的时间，t4是车离开后信号从不稳定状 态转变为稳定状态的时间点，td是时间延迟参数。
[0039] 所述对截取的特征曲线进行插值处理，使特征曲线