[0052] 优选地，所述采集模块110包括若干磁阻传感器节点111及与所述磁阻传感器节 点111信号连接的路由节点112,所述磁阻传感器节点111用于实时采集三维地磁信号，所 述路由节点112用于检测车辆运行时间及速度。
[0053] 具体地，将所述采集模块110设置为包括若干磁阻传感器节点111以及一个路由 节点112组成的子网，所述路由节点112负责实现子网内相对时间同步和车速估算，这样类 似于无线传感器网络被划分为多个子网，传感器节点检测到的车辆信息上传至路由节点进 行计算。
[0054] 可以理解，路由节点112在一跳范围内发送同步码指令与其本地时间Traut^子网 内的传感器节点根据收到的同步码指令进行同步，考虑额外增加的通信模块T rautCTTran，空气 介质的传播延迟Ttranfelay，传感器节点MCU的处理时间T_ s"pro_s，路由节点MCU处理的时间 r^routerprocess 7 结果就是总时间 r^detectedNode0
[0055] TjetecteiJNode T basestation+at，
[0056] T bSpr〇cess+TbsTran+TBS DN+T(jnproceSs
[0057] 路由节点112及磁阻传感器节点111的MCU处理时间Trouterproeess、T senscirpraeess通常 可忽略不计。而传播延迟Ttranfelay则跟环境有关，以多次同步以去均值的方式获得一个较理 想的值。为了减少通信模块的排队时间T_ CTTMn，本专利的路由协议实现中，使用两级循环 队列缓存机制。如图2为两级缓存队列的结构示意图，队列的首部与尾部由指针H与T分 别指示，队列有优先级之分，优先级高的队列中的数据优先发送，时间同步数据进入优先级 高的队列，这样可以大大缩短时间同步的发送延迟，提高时间同步的计算精度。
[0058] 在本发明一实施例方式中，所述磁阻传感器节点111设置于车道中间，将检测的 车辆位于所述磁阻传感器节点111感知范围内的时间记离开范围内的时间记 为1 etectedNodel'? 所述车辆速度记为Vpass，所述车辆的车长 Lvehicle ^ pass ^ ^TfJetectedNodel' ^detecte dNodel^ °
[0059] 具体地，提供一辆福特轿车以每公里25KM/H的速度通过传感器节点时产生的波 形，根据波动的时间长短，采用上述公式可以得出车辆的长短特征，大量实验表明，车长估 计的准确性主要取决于车辆的磁铁性物质的分布以及磁阻传感器的敏感度，通过多次测量 去平均值可以得到较为准确的长度值。
[0060] 可以理解，实际中还可以通过传感器节点检测车辆的质量，根据车辆的质量采用 地磁波形变化与经验学习库进行比较判断车型。
[0061] 进一步地，本申请通过考虑路面的静态车辆饱和容量，即车道数量Na3^与路面长 度L road的乘积，定义V ins_d为流入的车速值，V ins_d求和除以车道数量N inTraffl。代表流入平 均车流速。实验中将50m划分一个段落，50m的出入口每个车道分隔5m处布置2个车速探 测节点，将所得的车速代入下述公式中则可以得到交通的流动能力：
[0062]
[0063] 在本发明另一实施例中，请参阅图3(a)及图3(b)，分别表示传感器节点的位置 示意图及车速检测示意图，所述磁阻传感器节点为2个，记为第一磁阻传感器节点及第二 磁阻传感器节点，所述第一磁阻传感器节点及第二磁阻传感器节点间距地沿车道的中央设 置，车辆在所述第一磁阻传感器节点及第二磁阻传感器节点之间路段速度为：
[0064] V= (V^v2)/2, V1= ALZtljV2= AL/t2,
[0065] 其中：
[0066] V1为所述车辆进入所述第一磁阻传感器节点感知范围时的速度；
[0067] V2为所述车辆离开所述第二磁阻传感器节点感知范围时的速度；
[0068] Δ L为所述第一磁阻传感器节点及第二磁阻传感器节点之间的间距；
[0069] h为所述车辆进入所述第一磁阻传感器节点感知范围的时间差；
[0070] t2为所述车辆离开所述第二磁阻传感器节点感知范围的时间差。
[0071] 可以理解，采用2个磁阻传感器节点检测车辆的速度是其中一个较为优选的方 式，实际中还可以才用1个磁阻传感器节点实现对车辆速度的检测。具体地，车辆在所述第 一磁阻传感器节点路段速度为：
[0072] V = L/t
[0073] 其中：
[0074] L为车辆进入所述磁阻传感器节点感知范围到离开所述磁阻传感器节点感知范围 之间的间距；
[0075] t为车辆进入所述磁阻传感器节点感知范围到离开所述磁阻传感器节点感知范围 之间的时间差。
[0076] 可以理解，由于传感器节点的间距是已知的，车辆经过时，前后部署的传感器节点 先后检测到的车辆磁场信号波形相似，由于距离已知，只要估算两个传感器节点的感知时 间间隔就能够计算出车辆的行驶速度。
[0077] 滤波模块120信号连接于所述采集模块110,用于对所述三维地磁信号进行滤波 处理；
[0078] 可以理解，经滤波处理后的磁场信号，有效去除毛刺，能够获取更加的真实车辆信 号。
[0079] 优选地，所述滤波模块120采用均值滤波和中值滤波相结合的方法对所述三维地 磁信号进行滤波处理。
[0080] 具体地，均值滤波法比较适用于波动较小的范围，削弱信号的高频干扰，详见下述 公式：
[0081]
[0082] 其中，K表示为第K个值，M是采集到的数据，滤波得到的值为f，Ms(k)就是第K个 采集到的传感器节点的值。
[0083] 具体地，中值滤波方法是指对连续的N次采样数据进行排序，N通常为奇数，取其 中间值作为本次采样值，可见中值滤波方法比较适用于传感器不稳定而引起的脉动干扰， 比均值滤波更为可靠。
[0084] 可以理解，本专利采用两种滤波方法的结合，已达到更好的检测信号结果，在磁信 号平稳时，即没有车辆通过时采用均值滤波方法可以过滤除毛刺，当检测到信号发生剧烈 波动时，即车辆通过引发磁场扭曲，磁信号会有上下起伏的波动，为了有效除去信号的脉动 干扰，此时采用中值滤波方法。
[0085] 检测模块130信号连接于所述滤波模块120,所述检测模块130上设定有X轴地磁 阈值、Y轴地磁阈值及Z轴地磁阈值，所述X轴地磁阈值、Y轴地磁阈值及Z轴地磁阈值的阈 值为a，所述检测模块130用于将滤波后的三维地磁信号与所述基线数据作差，若作差后的 地磁信号中大于所述X轴地磁阈值、Y轴地磁阈值及Z轴地磁阈值中的一个，则判断为有车 状态；
[0086] 其中，所述a为200~400,优选为300。可以理解，a还可以选取其他的数值。
[0087] 可以理解，基线数据作为地球背景磁场强度，传感器节点开机会被初始化（即初 始值为〇)，在以后的运行中会动态更新；X轴地磁阈值、Y轴地磁阈值及Z轴地磁阈值是依 据车辆检测规则设置的数字，用来判断磁场信号是否为车辆信号。
[0088] 进一步地，所述检测模块130还包括速度计算单元131和车型自学习单元132。 所述速度计算单元131用于检测通过车辆的速度，所述车型自学习单元132用于根据地磁 波形变化进行车速计算，并对波形进行经验分类学习，判断车型，将结果存储，并返回步骤 SllOo
[0089] 请参阅图4,为车型自学习单元132采用的自学习适应流程图。车型自学习单元 132根据采集的训练样本集，采用AdaBoost或者SVM分类算法对未为标记的样本进行标签 预测，并将识别的样本加入到样本库中。
[0090] 实际中，车型自学习单元132中主要需要完成下述三步骤：信息特征提取，信息特 征优化，以及特征自适应学习，其中：
[0091] 特征提取：从通过车辆行驶通过磁阻传感节点产生的波形原始数据中提取出并选 取有利于分类的特征信息，该信息包含车头进入波形已经车尾开出磁场波形，即提取出车 辆磁场强度扰动信号的初始特征集；
[0092] 特征优化：首先是从上述初始特征集中选取一个特征子集，然后使用一定的评价 准则对特征子集进行评价，评价结果与评价准则进行比较，若评价结果比评价准则差，就继 续选取特征子集，否则特征优化完毕，可以理解，评价准则是本领域技术人员根据经验设 定；
[0093] 特征训练：训练两个具有较好检测性能的初始分类器，采用SVM和AdaBoost分类 算法对特征进行分类。<