CN103646553A - 道路交通流量调查***及其实现方法 - Google Patents

Abstract

本发明公开一种道路交通流量调查***及其实现方法，其中，道路交通流量调查***包括依次相连的磁芯感应传感器、信号处理电路、数据采集电路和数据处理***，磁芯感应传感器包括第一线圈、第二线圈和磁芯；信号处理电路对信号进行滤波、放大；数据采集电路将模拟信号转换为数字信号；数据处理***对输入的数字信号进行计算和统计，得到包含有车型、车速和车辆流量的交通流量信息。本发明采用的磁芯感应传感器不但具有体积小、安装简单、道路破坏面小的特点，而且输出信号强度高，输出波形对应车型特征明显。另外，本发明采用RBF神经网络进行车型识别，对车型识别率高。

Description

道路交通流量调查***及其实现方法

技术领域

本发明涉及道路交通管理领域，特别涉及一种道路交通流量调查***及其实现方法。 

背景技术

我国各种道路的发展已经由大规模的建设期进入到管理、控制和优化阶段。包括交通流量、车型、车速、车道占有率以及车流密度等参数的道路交通流信息是实现交通优化和智能交通管理的主要依据。通过实时准确的道路车辆交通流信息，不仅可以完全了解和掌握当前的路况信息，而且可以利用智能控制和预测等手段，进行有效的交通控制和交通诱导，确保道路交通的畅通和现有道路的最佳利用率。 

根据所采用传感器的不同，道路交通流调主要分为感应线圈检测、超声波检测、微波检测、红外线检测、视频检测等几种形式。感应线圈是交通流调中应用最为广泛的方式之一，可以获得车辆出现、经过、计数及车道占有率等基本交通流信息。其突出优点是技术比较成熟、车辆计数精确，但存在的主要不足是安装过程中对路面破坏大，需要中断交通，影响道路寿命，使用过程中容易被重型车辆、路面修理等损坏，同时存在车型识别率低的问题。对于基于超声波、微波、红外线和视频等手段进行的交通流调***，就检测原理而言，具有一定的先进性和可实现性，但存在诸如***安装条件要求高、受环境条件影响大、成本较高和可靠性较低等问题，在实际应用中受到限制。 

发明内容

本发明要解决的技术问题就是克服上述技术问题，提出一种道路交通流量调查***及其实现方法，其安装简单、道路破坏面小。 

为了解决上述问题，本发明提供一种道路交通流量调查***，包括依次相连的磁芯感应传感器、信号处理电路、数据采集电路和数据处理***，其中， 

所述磁芯感应传感器包括第一线圈、第二线圈和磁芯，所述第一线圈和第二线圈串联且绕向相同；所述磁芯穿过所述第一线圈和第二线圈；在所述第一线圈和第二线圈之间有恒定的激励电压输入； 

所述信号处理电路接收所述磁芯感应传感器输出的车辆信号，进行滤波、放大后输出至所述数据采集电路； 

所述数据采集电路将信号处理电路输出的模拟信号转换为数字信号输出至所述数据处理***； 

所述数据处理***对输入的数字信号进行计算和统计，得到包含有车型、车速和车辆流量的交通流量信息；其中，所述数据处理***采用RBF神经网络模型识别车型。 

优选地，所述***包括两个磁芯感应传感器，所述两个磁芯感应传感器之间具有预设的距离间隔，根据同一根车轴通过两个传感器的时间间隔和传感器之间的距离间隔得到车速。 

优选地，所述磁芯的材料为无定形含有稀土材料。 

优选地，所述磁芯感应传感器的半线圈长度为25mm，线圈直径为2.3mm。 

优选地，所述信号处理电路包括依次相连的滤波电路、调零电路、减法电路、积分电路、调幅电路和放大电路，其中， 

所述滤波电路与所述磁芯感应传感器相连，对磁芯感应传感器输出的车辆信号进行低通滤波； 

所述调零电路用于当输入无信号时，调节输出为零信号； 

所述减法电路对输入的差分信号进行减法运算并进行初步放大； 

所述积分电路对输入信号进行积分，以增加信号强度； 

所述调幅电路将信号处理电路的输出幅值控制在5V以内； 

所述放大电路对输入信号进一步放大，输出至数据采集电路。 

优选地，所述数据处理***采用动态自适应RBF神经网络模型识别车型，其中，对车的全车波形曲线与横坐标时间轴围成的区域沿时间轴等间隔划分，计算每一部分的面积，然后进行归一化处理，作为RBF神经网络的输入。 

优选地，还包括道路交通控制中心，所述数据处理***通过无线网络将交通流量信息发送至所述道路交通控制中心。 

为了解决上述问题，本发明提供一种道路交通流量调查***的实现方法，包括： 

磁芯感应传感器将检测到的车辆信号输出至信号处理电路； 

所述信号处理电路对接收到的车辆信号进行滤波、放大后输出至采集电路； 

所述数据采集电路将信号处理电路输出的模拟信号转换为数字信号输出至数据处理***； 

所述数据处理***对输入的数字信号进行计算和统计，得到包含有车型、车速和车辆流量的交通流量信息，并上报至道路交通控制中心；其中，所述数据处理***采用RBF神经网络模型识别车型。 

为了解决上述问题，本发明提供一种磁芯感应传感器，包括第一线圈、第二线圈和磁芯，所述第一线圈和第二线圈串联且绕向相同；所述磁芯穿过所述第一线圈和第二线圈；在所述第一线圈和第二线圈之间有恒定的激励电压输入。 

优选地，所述磁芯的材料为无定形含有稀土材料。 

发明提出的道路交通流调***，采用微型磁芯感应传感器，该传感器体积小（直径10mm，长度120mm），安装简单（在路中央钻等长度的孔埋入、引线即可）。由于传感器的特殊设计，信号输出强，车型特征明显。与传统的感应线圈工作原理不同，不需要高频激波，经电路处理后输出为电压值，处理电路简单，抗干扰能力强。对不同车型由于底盘结构、高度等因素的差 异所产生的车型特征信号曲线进行RBF（Radical Basis Function，径向基函数）神经网络学习后，完成车型的识别工作。同时，根据***工作的特点，结合ARM嵌入式***及3G网络配置，实现道路实时交通数据向控制中心的无线传输，为中心了解和控制交通提供依据。经过实际测试和验证，***满足设计要求。 

附图说明

图1为本发明实施例的道路交通流量调查***示意图； 

图2为本发明实施例的磁芯感应传感器示意图； 

图3为本发明实施例的信号处理电路的组成示意图； 

图4（a）～（d）为本发明实施例的不同车型通过传感器时实际测量获得的波形； 

图5为本发明实施例的马六轿车以44km/h的速度通过两个传感器的信号波形； 

图6为RBF神经网络拓扑结构； 

图7为本发明实施例的RBF神经网络训练过程； 

图8为本发明实施例的计算结果与实际车型的比较。 

具体实施方式

下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。 

如图1所示，本发明实施例的道路交通流量调查***包括依次相连的磁芯感应传感器、信号处理电路、数据采集电路和数据处理***，其中， 

所述磁芯感应传感器包括第一线圈、第二线圈和磁芯，所述第一线圈和第二线圈串联且绕向相同；所述磁芯穿过所述第一线圈和第二线圈；在所述第一线圈和第二线圈之间有恒定的激励电压输入； 

所述信号处理电路接收所述磁芯感应传感器输出的车辆信号，进行滤 波、放大后输出至所述数据采集电路； 

所述数据采集电路用于将信号处理电路输出的模拟信号转换为数字信号输出至所述数据处理***； 

所述数据处理***对输入的数字信号进行计算和统计，得到包含有车型、车速和车辆流量的交通流量信息；其中，所述数据处理***采用RBF神经网络模型识别车型。 

另外，道路交通流量调查***还可包括道路交通控制中心，所述数据处理***通过无线网络（如3G网络）将交通流量信息发送至所述道路交通控制中心。 

下面对道路交通流量调查***的各个组成部分进行详细描述： 

一、磁芯感应传感器 

不同于传统的感应线圈式检测器，本发明采用的微型磁芯感应传感器由绕向相同的两个串联线圈和特殊设计的磁芯组成，其基本结构如图2： 

该传感器工作原理比较简单，是一种基于法拉第电磁感应定律的车辆传感器。根据法拉第电磁感应定理： 

V_i=dΦ/dt    （1） 

其中V_i是线圈中的感应电压，Φ是线圈中的磁通量，其值由下式确定。 

Φ=NA_cμ₀μ_cH    （2） 

N是线圈匝数，A_c是线圈的横截面积，H是磁场强度，μ₀是真空磁导率，μ_c是磁芯的相对磁导率。对于固定结构的传感器来说，磁通量的变化只和磁场强度有关。 

应用时，传感器垂直埋在路面下，在两个串联线圈的中间给定一个恒定的激磁电压，本发明的***采用的是5V。在电磁环境不发生变化时，通过两个线圈的磁场强度和磁通量固定，因此两个输出端均为***5V电压。当有导磁材料如金属车辆通过时，由于磁路发生变化，导致线圈中的磁场强度发生变化引起磁通量的改变，在线圈中产生感应电压，由于线圈绕向相同，相当于中间的5V电压端子，两输出端的感应电压极性相反。传感器产生感应电压的大小除与通过车辆的速度有关外，其连续波形形状特征主要与通过 传感器的车辆的车身和底盘结构有关，通过检测车辆经过时传感器的输出波形，就可以确定车辆的基本类型。因此采用该传感器的检测***不仅可以检测车辆的存在，而且可以确定车辆的结构类型。 

磁芯线圈是在空心线圈的中心插上磁芯棒构成。由于传感器结构微小，要产生足够大的感应电压，磁芯的材料的选择至关重要，要求磁芯材料具有高磁导率、低矫顽力、高磁饱和强度等特性。感应线圈传感器采用的磁芯材料通常有铁氧体、坡莫合金和无定形材料三种基本类型。铁氧体的涡流损耗小，但磁导率小不适用于低频和中频段***的使用；坡莫合金磁导率高，矫顽力小，但存在涡流损耗，加工过程复杂；无定形材料的相对磁导率比坡莫合金要大，涡流损耗也小，因此对于相同尺寸的磁芯，它的电感也要大一些。因此本发明实施例采用无定形含有稀土材料形式的磁芯结构。 

本发明实施例采用的磁芯相对磁导率μ_c很高，使磁芯感应线圈的电压灵敏度比空心感应线圈要提高μ_c倍，考虑到退磁系数的影响，实际相对磁导率μ_c的值由式（3）求得。 

${\mathrm{\μ}}_c=\frac{{\mathrm{\μ}}_r}{1+N_d({\mathrm{\μ}}_r-1)}---\left(3\right)$

其中,μ_r为理论相对磁导率，N_d是退磁系数，是由磁芯形状决定的。对于圆柱体磁芯，N_d可以由Stoner简化公式（4）计算得到。 

$N_d\≈\frac{d^2}{l^2}(1n\frac{2l}{d}-1)---\left(4\right)$

其中d是线圈直径，l是线圈长度。 

在确定最终磁芯相对磁导率μ_c的基础上，通过理论计算和实验验证，确定传感器半线圈的长度为25mm，线圈直径为2.3mm，其输出满足***检测的要求。 

实际应用当中，为了获得车辆的速度和长度，安装两个一定距离间隔的传感器，这样可以得到同一根车轴通过两个传感器的时间间隔，结合传感器的距离计算得到车速，再根据整车通过单根传感器所需的时间即可以求得车长的信息。 

二、信号处理电路 

如图3所示，本发明实施例的信号处理电路包括依次相连的滤波电路、调零电路、减法电路、积分电路、调幅电路和放大电路，其中， 

所述滤波电路与所述磁芯感应传感器相连，对磁芯感应传感器输出的车辆信号进行低通滤波，其中，可采用几组RC电路实现低通滤波的功能； 

所述调零电路用于当输入无信号时，调节输出为零信号，该电路可通过调零电位器实现该功能； 

所述减法电路对输入的差分信号进行减法运算并进行初步放大；该电路课采用两个三极管对传感器两端信号采取差分输入，高精密运算放大器对差分信号进行减法运算并进行一定的信号放大，在消除5V***激磁电压的同时，为后续电路提供初步放大的传感器输出信号； 

所述积分电路对输入信号进行积分，以增加信号强度，同时反应车辆不同部分经过传感器时的信号的变化趋势； 

所述调幅电路将信号处理电路的输出幅值控制在5V以内；在对不同车型进行实验的基础上，通过调节放大电路的放大倍数来选择合适的输出幅值，同时在该电路中增加电压跟随器与后续电路进行阻抗匹配； 

所述放大电路对输入信号进一步放大，输出至数据采集电路；该电路还可配置保护电路和具有限幅功能的电路。 

滤波电路、调零电路、减法电路、积分电路、调幅电路和放大电路可采用现有的成熟电路，不是本发明的重点，在本发明中不再赘述。 

三、数据采集电路 

数据采集电路将信号处理电路输出的模拟信号转换为数字信号输出至所述数据处理***，通常为数据采集卡，因为数据采集卡为现有技术，所以在本发明中不再赘述。 

四、数据处理*** 

数据处理***可以是采用ARM的嵌入式计算机处理***，该***进行数据处理和车型识别，将包括流量、车型、车速等信息的处理结果通过3G网络发送到道路交通控制中心。 

图4为不同车型通过传感器时实际测量获得的波形，其中（a）为二轴 货车，（b）为马六轿车，（c）为六轴货车，（d）为大客车的输出波形，每种车辆给出两个速度波形。可以看出，对同一种车辆来说，不同速度通过传感器时，其输出波形的形状高度相似，只是因为速度变化，其波形宽度发生变化，波形幅值也因磁通量变化的快慢有一定的差别。但对不同车型来说，波形的形状差别比较明显，这也是我们通过RBF神经网络进行车型识别的主要特征。 

实际应用当中，采用了两个具有预设的距离间隔的磁芯感应传感器，图5为马六轿车以44km/h的速度通过两个传感器的信号波形，该波形进行了数字滤波处理，信号具有明显的起点和终点特征，根据该特征可以获得车辆通过一个传感器时的全车波形。 

根据检测器输出波形特征进行基于模式识别的车型识别***，有模糊算法、BP神经网络、小波分析处理等方法，每种算法都有自己的优缺点和适应范围。由于市场车型不断增加，检测器所得到的特征波形也***，采用模糊算法的***，在比较全面确定模糊规则方面就存在问题；BP神经网络理论上可以获得模型最优匹配的功能，但前提是样本的穷尽性要达到要求；小波分析处理等现代信号处理手段可以实现相同的功能，但存在的问题是算法的复杂性导致***实时性存在问题。 

在分析比较的基础上，本发明采用径向基函数RBF神经网络作为车型识别方法，该方法不仅可以实现离线训练，而且能够在线学习和完善，算法也比较简单，速度也快，克服了以上算法存在的一些不足。 

RBF神经网络是一种采用局部感受域来执行函数映射的人工神经网络，是一种单隐层前馈神经网络，具有最优逼近和全局逼近的特性，其拓扑结构如图6所示。 

其中：X=[x₁,x₁,...,x_n]^T为网络输入向量；k是隐层节点(即感受野)数； 

是感受野i的Gauss核函数，||·||表示欧氏泛数；C_i=[c_i,1,c_i,2…c_i,n]^T为感受野i的数据中心；σ_i为第i个非线性变换单元的宽度；ω_ij是第i个隐层节点与第j个输出节点之间的权值。RBF网输出是感受野核函数输出的线性加 权，为 

只要确定了各数据中心和宽度，即可通过解线性方程得到输出权。因此，RBF网设计的主要任务是确定其数据中心和宽度。 

RBF神经网络学习有随机算法、自组织学习算法和最近邻聚类学习算法等几种形式，目的是用于选取RBF中心。随机算法、自组织学习算法主要用于静态模式的离线学习，不仅需要获得所有可能的样本，而且需要事先确定中心个数，结合***的实际需求，这两种方法不适合在本***中使用。本发明实施例采用动态自适应RBF神经网络模型，该模型是基于最近邻聚类学习算法，是一种自适应聚类学习算法，不需要事先确定隐含层单元的个数，完成聚类所得到的RBF网络是最优的，并且可以进行在线学习，这样就保证在车型多变、不能事先采集所有车型样本的情况下，通过实际道路上样本采集与在线学习获得最优RBF网络的能力。 

根据***输出的波形，反映车型特征应该包括幅值、脉宽、极大极小点等参数，但在分析过程中发现，对于相同类型的车辆，如同是小型客车或同轴数的载货汽车，这些特征值都会有差异，只是在波形的整体形状上具有相似性。结合这一特点，在选取车辆波形特征参数上采取区域归一化面积的方法，即对一辆车的全车波形曲线与横坐标时间轴围成的区域沿时间轴等间隔划分，计算每一部分的面积，然后进行归一化处理，作为RBF的输入。这样的划分方法，不受车辆速度的影响，只要划分的足够细，就能准确反映波形的形状特征。 

本发明实施例的网络训练选择了小型客车、二轴到六轴共7种车型进行了训练，输入为每种车型的等分归一化面积，输出为相应车型对应值为1，核函数为高斯函数，训练方法采用自适应近邻聚类算法。经过25个周期的训练，形成具有28个隐层的网络，精度为0.01。同时用7类29辆车对训练结果进行了验证，训练过程和结果比较如图7和图8。从比较结果可知，网络对实际车型的识别率很高，超过95%。根据交通部公路交通情况调查的要求及检测路段实际交通流成分的特点将车型分为型客车、大型客车、小型货 车、中型货车、大型货车、摩托车等几种形式，结合车长的信息，就可以对这些车型进行准确分类。 

综上所述，微型磁芯感应线圈的工作原理不同于传统环形感应线圈式车辆检测器，具有体积小、安装简单、对道路破坏面小的特点。通过对传感器磁芯和线圈的特殊设计，传感器输出信号强，信号处理电路不需要加载激振电路，信号处理电路简单。采用该传感器设计的道路交通流调***，检测器输出的信号波形特征明显，利于采用模式识别的方式进行车型的辨识，***通过采用RBF神经网络对不同车型进行训练和识别，结果准确，识别率高。同时***在硬件设计中可采用ARM嵌入式处理***和3G无线网络传输***，可以将实时采集和处理后的交通流调信息发送到交通控制中心，进行实时路况监测和道路交通管理。 

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。 

Claims (10)

1.一种道路交通流量调查***，其特征在于，包括依次相连的磁芯感应传感器、信号处理电路、数据采集电路和数据处理***，其中，

所述磁芯感应传感器包括第一线圈、第二线圈和磁芯，所述第一线圈和第二线圈串联且绕向相同；所述磁芯穿过所述第一线圈和第二线圈；在所述第一线圈和第二线圈之间有恒定的激励电压输入；

所述信号处理电路接收所述磁芯感应传感器输出的车辆信号，进行滤波、放大后输出至所述数据采集电路；

所述数据采集电路将信号处理电路输出的模拟信号转换为数字信号输出至所述数据处理***；

所述数据处理***对输入的数字信号进行计算和统计，得到包含有车型、车速和车辆流量的交通流量信息；其中，所述数据处理***采用RBF神经网络模型识别车型。

2.如权利要求1所述的***，其特征在于，

所述***包括两个磁芯感应传感器，所述两个磁芯感应传感器之间具有预设的距离间隔，根据同一根车轴通过两个传感器的时间间隔和传感器之间的距离间隔得到车速。

3.如权利要求1或2所述的***，其特征在于，

所述磁芯的材料为无定形含有稀土材料。

4.如权利要求1或2所述的***，其特征在于，

所述磁芯感应传感器的半线圈长度为25mm，线圈直径为2.3mm。

5.如权利要求1所述的***，其特征在于，

所述信号处理电路包括依次相连的滤波电路、调零电路、减法电路、积分电路、调幅电路和放大电路，其中，

所述滤波电路与所述磁芯感应传感器相连，对磁芯感应传感器输出的车辆信号进行低通滤波；

所述调零电路用于当输入无信号时，调节输出为零信号；

所述减法电路对输入的差分信号进行减法运算并进行初步放大；

所述积分电路对输入信号进行积分，以增加信号强度；

所述调幅电路将信号处理电路的输出幅值控制在5V以内；

所述放大电路对输入信号进一步放大，输出至数据采集电路。

6.如权利要求1所述的***，其特征在于，

所述数据处理***采用动态自适应RBF神经网络模型识别车型，其中，对车的全车波形曲线与横坐标时间轴围成的区域沿时间轴等间隔划分，计算每一部分的面积，然后进行归一化处理，作为RBF神经网络的输入。

7.如权利要求1～6中任意一项所述的***，其特征在于，

还包括道路交通控制中心，所述数据处理***通过无线网络将交通流量信息发送至所述道路交通控制中心。

8.一种道路交通流量调查***的实现方法，包括：

磁芯感应传感器将检测到的车辆信号输出至信号处理电路；

所述信号处理电路对接收到的车辆信号进行滤波、放大后输出至采集电路；

所述数据采集电路将信号处理电路输出的模拟信号转换为数字信号输出至数据处理***；

所述数据处理***对输入的数字信号进行计算和统计，得到包含有车型、车速和车辆流量的交通流量信息，并上报至道路交通控制中心；其中，所述数据处理***采用RBF神经网络模型识别车型。

9.一种磁芯感应传感器，其特征在于，包括第一线圈、第二线圈和磁芯，所述第一线圈和第二线圈串联且绕向相同；所述磁芯穿过所述第一线圈和第二线圈；在所述第一线圈和第二线圈之间有恒定的激励电压输入。

10.如权利要求9所述的磁芯感应传感器，其特征在于，

所述磁芯的材料为无定形含有稀土材料。

Images