DE19646632C1 - Verfahren und Vorrichtung zur Verkehrsüberwachung - Google Patents

Description

Die Erfindung betrifft ein Verfahren und eine Vorrich­ tung zur Verkehrsüberwachung mit dem bzw. der es mög­ lich ist, einzelne Fahrzeuge zu erfassen und wiederzu­ erkennen (DE 35 21 655 A1).

Das Verkehrsaufkommen ist in den letzten Jahrzehnten stetig angestiegen. Diese Tendenz wird sich auch in der Zukunft fortsetzen. So wird es immer wichtiger, das Verkehrsnetz bis ins Detail planen zu können und mit verschiedenen Maßnahmen die Leistungsfähigkeit des Ver­ kehrsnetzes zu steigern. Der Einsatz von intelligenten Verkehrsleitsystemen, ein flexibler öffentlicher Perso­ nennahverkehr und bauliche Maßnahmen werden die wesent­ lichen Ansatzpunkte für Verbesserungen sein. Für alle Maßnahmen wird eine detaillierte Analyse des Verkehrs­ aufkommens und der derzeitigen Verkehrsströme zugrunde­ gelegt werden müssen. Um die Verkehrsströme analysieren zu können, muß man den Weg der Fahrzeuge vom Start zum Ziel feststellen.

Derzeit werden Start-Ziel-Verfolgungen mittels Befragungen durchgeführt. Diese sind aber Personal- und kostenintensiv und nur über kurze Zeiträume durchführbar. Das gleiche gilt für Verkehrszählungen, die zur Analyse von Verkehrsströmen durchgeführt werden.

Bekannt sind in die Fahrbahndecke eingelassene Induktions­ schleifen, die zum Beispiel zur Steuerung von Ampelanlagen eingesetzt werden. Einzelne Fahrzeuge können mit dieser Vorrichtung nicht erfaßt und wiedererkannt werden, allen­ falls können durch Auswertung der Induktionssignale die Fahrzeuge bestimmten Kategorien, z. B. Fahrzeugtypen, zugeordnet werden. Außerdem sind die Induktionsschleifen sowohl in der Beschaffung als auch in der Installation teuer.

Aus der DE 42 31 881 A1 ist eine Anordnung zum Erfassen von Verkehrsgrößen mit Hilfe von mehreren Induktionsschleifen bekannt. Die Induktionsschleifen sind in einer oder mehreren hintereinanderliegenden Reihen quer zur Fahrbahn angeordnet. Die Empfindlichkeit der Induktionsschleifen wird durch mehrere die eigentliche Sensorschleife umgebende Hilfs­ schleifen heraufgesetzt. Die Sensorschleifen sind an eine Auswerteeinrichtung angeschlossen, die den Phasenwinkel zwischen Spannung und Strom in der Sensorschleife mißt.

Neben der magnetischen Erfassung sind auch Vorrichtungen zur optischen Erfassung von Fahrzeugen bekannt. Solche Systeme werden zum Beispiel in Verkehrsleitsystemen auf Autobahnen eingesetzt. Mit diesen optischen Sensoren ist eine Identifizierung eines Fahrzeuges nicht möglich. Es wird bloß erkannt, ob ein Fahrzeug vorbeigefahren ist.

Mit Kameras ist es möglich, Autos zu erfassen und auch wiederzuerkennen. Problematisch sind dabei die typischer­ weise sehr großen Datensätze sowie datenschutzrechtliche Bedenken, denn das Fahrzeug wird soweit identifiziert, daß der Fahrzeughalter ermittelbar ist.

In der DE 35 21 655 A1 ist eine Einrichtung zum Erfassen von Fahrzeugverkehr mit Magnetfelddektektoren beschrieben. Die Magnetfelddetektoren messen Störungen eines vorgegebenen Magnetfeldes durch ein Fahrzeug, so daß das Vorhandensein und/oder die Bewegung eines Fahrzeuges ermittelbar ist. Mit dieser Einrichtung sind jedoch verschiedene Fahrzeugtypen unterscheidbar.

Es ist Aufgabe der Erfindung, ein Verfahren und eine Vor­ richtung zur Verkehrsüberwachung zu schaffen, mit dem bzw. der Fahrzeuge erfaßt und wiedererkannt werden, wobei der Fahrzeughalter jedoch anonym bleibt.

Diese Aufgabe wird erfindungsgemäß mit den Merkmalen der Ansprüche 1 bzw. 5 gelöst.

Bei dem erfindungsgemäßen Verfahren wird die magneti­ sche Charakteristik eines vorbeifahrenden Fahrzeugs an mehreren quer über die Fahrbahn verteilten Magnetfeld­ sensoren jeweils an mehreren örtlich auseinanderliegen­ den Stellen selektiv gemessen. Dies erfolgt zu mehreren aufeinanderfolgenden Zeitpunkten. Aus der Vielzahl der enthaltenen Sensorsignale wird ein Merkmalsvektor er­ zeugt, der das Fahrzeug charakterisiert und es somit wiedererkennbar macht. Das Verfahren arbeitet so genau, daß selbst zwischen Fahrzeugen des gleichen Modells un­ terschieden werden kann. Da nur die magnetische Charak­ teristik des Fahrzeugs gemessen wird, sind keine Rückschlüsse auf den Halter des Fahrzeuges möglich.

Die erfindungsgemäße Vorrichtung zur Verkehrsüber­ wachung weist eine quer zur Bewegungsrichtung des Ver­ kehrs angeordnete Reihe von Magnetfeldsensoren auf, deren Signale in einer Rechnereinheit verarbeitet wer­ den. Zunächst werden die analogen Sensorsignale digital gewandelt und in einem Meßwert zusammengefaßt, mehrere dieser zu aufeinanderfolgenden Zeitpunkten entstandenen Meßwerte werden dann zu einer eindimensionalen aufbe­ reiteten Meßwertfolge zusammengefügt. Diese aufberei­ tete Meßwert folge wird mit einer Transformationsmatrix zu einem das jeweilige Fahrzeug identifizierenden Merk­ malsvektor umgewandelt. Bedingt durch diese Verarbei­ tung der Sensorsignale wird die Erkennbarkeit der Fahr­ zeuge erhöht und der Umfang des das Fahrzeug identifi­ zierenden Datensatzes verringert, wodurch die Verarbei­ tungsgeschwindigkeit der Vorrichtung erhöht wird.

In einer bevorzugten Ausführung der Erfindung sind die Magnetfeldsensoren derart empfindlich, daß sie das Erd­ magnetfeld messen und die durch das Fahrzeug hervorge­ rufenen Änderungen des Erdmagnetfeldes ermitteln. Da­ durch wird eine hohe Meßgenauigkeit der Einzelmessungen garantiert, so daß auch gleiche Fahrzeugmodelle mit identischer Ausstattung unterschieden werden können. Erprobungen der Erfindung haben ergeben, daß Fahrzeuge allein schon durch die unterschiedlichen Walzrichtungen der Karosseriebleche unterschieden werden können.

Vorteilhafterweise sind über eine Meßbreite von 3,60 m, dies entspricht einer Fahrspur, mindestens 12 Magnet­ feldsensoren in einer Reihe angeordnet. Dadurch wird eine ausreichende Meßauflösung erreicht, um die Fahr­ zeuge sicher erfassen und wiedererkennen zu können.

In einer bevorzugten Ausführung der Erfindung geben die Magnetfeldsensoren unter Vorgabe eines Taktes die Sen­ sorsignale gleichzeitig aus. Dies hat den Vorteil, daß die Sensorsignale parallel verarbeitet werden können, wodurch sie schneller und leichter zu einem Meßwert zusammenfaßbar sind.

Die Meßwerte können zunächst zu einer mehrdimensionalen Meßwertfolge zusammengefaßt werden, die dann zu einer aufbereiteten eindimensionalen Meßwert folge in Vektor­ form reduziert wird. So wird aus einer ein Fahrzeug charakterisierenden Matrix ein Vektor, der noch aus­ reichend Informationen zur Charakterisierung des Fahr­ zeuges enthält. Der Vektor kann einfacher und schneller weiterverarbeitet werden als eine Matrix.

Bevorzugterweise geht die Transformationsmatrix aus einer Kovarianzmatrix hervor, die in einer Lernphase aus aufbereiteten eindimensionalen Meßwertfolgen mehrerer Fahrzeuge gebildet wird. Eine Kovarianzmatrix ist ein unter anderem aus der Bilderkennung bekanntes statistisches Mittel, mit dem Abweichungen eines Ein­ zelmusters von dem Durchschnittswert aller Muster be­ rechnet werden können. Mit dieser Methode kann der Um­ fang des Merkmalsvektors verringert werden, da die Fahrzeuge durch Abweichungen vom Durchschnitt charak­ terisiert werden und nicht durch einen kompletten Satz von Meßwerten. Dies ermöglicht eine schnelle Verar­ beitung der Sensorsignale.

Die Analog-Digital-Wandlung der analogen Sensorsignale kann direkt in den Sensoreinheiten erfolgen, wodurch die Störanfälligkeit der Datenübertragung von den Ma­ gnetfeldsensoren zu der Rechnereinheit verringert wird.

Im folgenden wird ein Ausführungsbeispiel der Erfindung anhand der Zeichnungen näher erläutert.

Es zeigen:

Fig. 1 den prinzipiellen Aufbau einer Verkehrsüber­ wachungsvorrichtung,

Fig. 2 eine aus den Sensorsignalen der Magnetfeldsen­ soren gewonnene mehrdimensionale Meßwertfolge,

Fig. 3 eine aufbereitete Meßwertfolge,

Fig. 4 eine Kovarianzmatrix, die aus einer Stichprobe von ca. 3800 Fahrzeugen gebildet wurde,

Fig. 5 eine Transformationsmatrix als Diagonalmatrix mit den Eigenwerten der Kovarianzmatrix als Diagonalelemente,

Fig. 6 einen Merkmalsvektor, der durch Anwendung der Transformationsmatrix auf die aufbereitete Meß­ wert folge gebildet wird, und

Fig. 7 den prinzipiellen Aufbau eines Magnetfeldsen­ sors.

Fig. 1 zeigt eine Verkehrsüberwachungsvorrichtung 1 mit sechzehn Magnetfeldsensoren 2, die in einer gerad­ linigen Reihe quer zu einer Fahrbahn 3 verlegt sind. Die Sensoren 2 sind entweder in der Fahrbahndecke ein­ gelassen oder unter einer überfahrbaren Schwelle auf der Fahrbahndecke befestigt. Die Magnetfeldsensoren 2 messen die magnetische Charakteristik eines vorbeifah­ renden Fahrzeuges 4. Sie sind so empfindlich, daß sie das Erdmagnetfeld messen. Während sich kein Fahrzeug 4 im Meßbereich der Magnetfeldsensoren 2 befindet, werden die dem Wert des Erdmagnetfeldes entsprechenden Sensor­ signale der Magnetfeldsensoren 2 abgespeichert, um als Bezugswerte zur Verfügung zu stehen. Befindet sich ein Fahrzeug 4 im Meßbereich der Magnetfeldsensoren 2, wird der gemessene Wert größer als der abgespeicherte Be­ zugswert und die Differenz wird als Sensorsignal ver­ wertet.

Die Sensoren 2 sind über eine Busleitung 5 mit einer Rechnereinheit 6 verbunden. Die auf ein Taktsignal der Rechnereinheit 6 von den Magnetfeldsensoren 2 ausgege­ benen analogen Sensorsignale werden in den Magnetfeld­ sensoren 2 digital gewandelt und parallel über die Busleitung 5 an die Rechnereinheit 6 übertragen.

Nach jedem Taktimpuls, bei einem benutzten Takt von 1000 Hz, also nach jeder 1000stel Sekunde, liegt am Eingang der Rechnereinheit 6 ein digitaler Meßwert 7 (Fig. 2) mit einer Wortbreite von 16 Stellen (ent­ sprechend den 16 Sensoren), wobei jede Stelle den zuge­ hörigen Amplitudenwert A angibt. Der Meßwert 7 setzt sich also aus den einzelnen digital gewandelten und parallel übertragenen Sensorsignalen aller 16 Magnet­ feldsensoren 2 zusammen.

In einem Meßwertfolgegenerator 8 werden die beim Pas­ sieren eines Fahrzeugs 4 nacheinander erzeugten Meßwer­ te 7 zu einer charakteristischen mehrdimensionalen Meß­ wertfolge 9 zusammengefaßt. Dabei wird nach jedem Takt­ impuls ein Meßwert 7 zu den vorher aufgenommenen Meß­ werten hinzugenommen, bis das Fahrzeug 4 die Reihe von Magnetfeldsensoren 2 komplett überfahren hat. In Fig. 2 ist eine derartige Meßwertfolge 9 in dreidimensionaler Form vereinfacht oder für ein sehr langsam fahrendes Fahrzeug dargestellt. Normalerweise besteht eine mehr­ dimensionale Meßwertfolge 9 aus wesentlich mehr Meßwer­ ten 7.

Die Punkte S1 bis S16 auf der quer zur Fahrbahn gerich­ teten Koordinate S sind den einzelnen Magnetfeldsenso­ ren 2 zugeordnet. In Fahrbahnlängsrichtung ist die Ko­ ordinate t der Zeit aufgetragen. Nach jedem Taktimpuls wird zu den bis zu dem Zeitpunkt t_n aufgenommenen Meß­ werten der aktuelle Meßwert 7 zu dem Zeitpunkt t_n+1 hin­ zugefügt. Der Index n gibt dabei fortlaufend die Zahl der Taktzyklen an. So entsteht der nur durch den Zeit­ takt festgelegte Gitterabstand in Richtung der Koordi­ nate t. Die Amplitude A eines Gitterpunktes steht in Relation zu dem gemessenen Magnetfeld zu dem jeweiligen Zeitpunkt t_n an dem jeweiligen Magnetfeldsensor S. Der Gitterpunkt 11 charakterisiert ein Sensorsignal, das zum Zeitpunkt t₅, d. h. fünf Taktzyklen nachdem das Fahrzeug 4 in dem Meßbereich der Sensoren 2 gelangt ist, von dem Sensor S2 aufgenommen wurde.

Die stärksten Amplituden A sind an vier Stellen 10 zu beobachten. Diese werden durch die Räder bzw. die Me­ tallfelgen des Fahrzeuges 4 verursacht. Da Magnetfelder exponentiell abfallen, werden Teile des Fahrzeuges 4, die den Magnetfeldsensoren 2 am nächsten sind, stärker erfaßt als weiter entfernte Teile. Dies erklärt die hohen Amplituden an den Stellen 10 im Bereich der Räder des Fahrzeuges 4.

Um die verschiedenen charakteristischen mehrdimensio­ nalen Meßwertfolgen 9 vergleichbar zu machen, wird eine solche Meßwertfolge 9 in einer Extraktionsstufe 8a zu einer aufbereiteten eindimensionalen Meßwertfolge 9a zusammengefaßt, wobei der mehrdimensionalen Meßwertfol­ ge 9 Merkmale entzogen werden.

Die diskreten quantisierten Abtastwerte der charak­ teristischen mehrdimensionalen Meßwertfolge 9 der Fahr­ zeuge können bereits als fahrzeugbeschreibend betrach­ tet werden. Die Datenmenge pro Fahrzeug ist jedoch relativ groß. Beispielsweise ergeben sich für ein 30 km/h schnelles Fahrzeug von 4 m Länge 480 Meßwerte pro Sensor (bei einem Takt von 1000 Hz). Bei 16 verwendeten Sensoren ergeben sich somit insgesamt 7680 Merkmalskom­ ponenten, die nicht in einer für die Fahrzeugerkennung realistischen Zeit verarbeitbar sind. In der Extrak­ tionsstufe 8a wird die Zahl der Merkmalskomponenten auf 64 reduziert.

Die mehrdimensionalen Meßwertfolgen 9 enthalten zusätz­ lich Informationen, die nicht fahrzeugspezifisch sind (Irrelevanz), wie zum Beispiel die von den Rädern der Fahrzeuge hervorgerufenen Merkmalskomponenten 10. Die mehrdimensionalen Meßwertfolgen 9 werden so aufbe­ reitet, daß objektspezifische Eigenschaften wie Momen­ tangeschwindigkeit der Fahrzeuge, Fahrzeuglängen, Rausch- und Störanteile, Empfindlichkeit und Verstär­ kungsfaktoren der Detektoren unterschiedliche Boden­ freiheiten, Einfedern bei Fahrbahnunebenheiten be­ seitigt sind.

Zunächst wird die mehrdimensionale Meßwertfolge 9 in Richtung der t-Koordinate auf eine Länge von 32 Stütz­ stellen reduziert. Diese Komprimierung entspricht einer Zeitnormierung, da die Geschwindigkeit bzw. die Länge des Fahrzeuge eliminiert wird. Ein Zeitnormierungsfak­ tor wird aus dem Verhältnis zwischen Anzahl der aufge­ nommenen Stützpunkte der mehrdimensionalen Meßwertfolge 9 in Richtung der t-Koordinate und der vordefinierten Anzahl (32) der Stützstellen definiert. Dieser Normie­ rungsfaktor bestimmt die Anzahl der Stützpunkte der originalen mehrdimensionalen Meßwertfolge, die zu einer Stützstelle der zeitnormierten mehrdimensionalen Meß­ wertfolge zusammengefaßt werden. Durch diese zusammen­ zufassenden Stützpunkte der originalen Meßwertfolge wird jeweils eine Regressionsgrade gelegt, deren Stei­ gung für die zeitnormierte Meßwert folge umgerechnet wird.

In einem zweiten Schritt werden die Merkmalswerte be­ reichsweise zusammengefaßt und eine aufbereitete ein­ dimensionale Meßwertfolge 9a in Vektorform (Fig. 3) gebildet. Dies ist möglich, da eine heuristische Ana­ lyse der mehrdimensionalen Meßwertfolgen 9 zeigt, daß eine statistische Bindung zwischen den Merkmalskompo­ nenten besteht. Sie wird vor allem durch die sta­ tistische Abhängigkeit des Eingangssignales verursacht. Allgemeine Konstruktionsprinzipien beeinflussen die Me­ tallmassenverteilung an der Fahrzeugunterseite, so daß auch bei idealer Betrachtung keine unabhängigen Merk­ malskomponenten gewonnen werden können. Darunter fallen insbesondere die von den Rädern des Fahrzeuges hervor­ gerufenen Merkmalskomponenten 10. Deshalb werden zur weiteren Informationskomprimierung die Merkmalskompo­ nenten, die von den Sensoren aufgenommen worden sind, welche im Bereich der Räder des Fahrzeuges angeordnet sind, aus der mehrdimensionalen Meßwertfolge 9 ent­ fernt. In diesem Fall werden die Merkmalskomponenten der Sensoren S₁ bis S₅ und S₁₂ bis S₁₆, die die Fahrzeug­ räder erfaßt haben, unterdrückt. Diese Merkmalskompo­ nenten können jedoch zur Bestimmung der Fahrzeugbreite und des Achsenabstandes benutzt werden. Sie sind daher zur Unterscheidung verschiedener Fahrzeugarten, insbe­ sondere zur PKW-, LKW- und Motorrad-Klassifizierung gut geeignet.

Die verbliebenen Merkmalskomponenten der Sensoren S₆ bis S₁₁ werden zu zwei Gruppen zusammengefaßt. Dazu werden die Werte der ersten drei Sensoren (S₆ bis S₈) an den 32 Stützstellen jeweils zu einem Mittelwert zu­ sammengefaßt, so daß eine Folge von 32 gemittelten Merkmalskomponenten entsteht. Die Merkmalskomponenten der drei Sensoren S₉ bis S₁₁ werden entsprechend zusam­ mengefaßt. Die beiden Folgen werden aneinander gehängt, so daß eine eindimensionale Meßwertfolge 9a in Form eines Meßwertvektors entsteht (Fig. 3). Die ersten 32 Werte der eindimensionalen Meßwertfolge 9a stammen dabei von den Sensoren S₆ bis S₈, die letzten 32 Werte von den Sensoren S₉ bis S₁₁. So kann die Anzahl der Wer­ te, die das Fahrzeug charakterisieren, auf 64 pro Fahr­ zeug beschränkt werden. Diese Anzahl liegt in einer für die Fahrzeugerkennung günstigen Größenordnung.

Abschließend wird in der Extraktionsstufe 8a noch die Amplitude der eindimensionalen Meßwertfolge normiert. Dazu wird zunächst die Maximalamplitude der eindimen­ sionalen Meßwertfolge gesucht. Dieser Wert wird auf 255 festgelegt und bildet nach folgender Formel die Bezugs­ größe für alle anderen Stützpunkte:

Nach der Formel wird der Amplitudenwert eines Meßpunk­ tes (X(n)_Abtast) durch den Wert der maximalen Amplitude (X_max) geteilt und mit 255 multipliziert, um so amplitu­ dennormierte Werte zu erhalten.

In Fig. 3 sind entlang der Abszisse die Nummern der das Fahrzeug charakterisierenden Werte und entlang der Or­ dinate die (auf 255 normierten) Beträge dieser Werte angegeben.

Nach Durchführung dieser drei Normierungen erhält man komplett normierte Komponenten einer aufbereiteten ein­ dimensionalen Meßwertfolge 9a mit 64 Werte, die das Fahrzeug vollständig beschreiben und weitgehend von nicht fahrzeugtypischen Einflüssen befreit sind.

Die charakteristische mehrdimensionale Meßwertfolge eines schrägfahrenden, z. B. überholenden, Fahrzeuges kann ebenfalls zu einer mit anderen aufbereiteten Meß­ wert folgen vergleichbaren Meßwertvektor 9a normiert werden.

Der Meßwertvektor 9a wird in einem Merkmalsvektor­ generator 12 mit einer Transformationsmatrix M_T (Fig. 5) multipliziert. Die Transformationsmatrix M_T wird aus einer Kovarianzmatrix M_K, die in Fig. 4 dargestellt ist, gewonnen. Die Kovarianzmatrix M_K wird in einer Lernphase aus den Meßwertvektoren 9a zahlreicher Fahr­ zeuge in einem Lernteil 13 gebildet.

Dazu wird die Kenntnis der statistischen Eigenschaften der mehrdimensionalen Meßwertfolge 9 benötigt. Die Ent­ wicklung der Kovarianzmatrix M_K basiert auf der allge­ meinen Karhunen-Loeve-Entwicklung (erläutert in "Klas­ sifikation von Mustern", Heinrich Niemann, Springer Verlag, 1983). Es handelt sich dabei um eine Reihenent­ wicklung auf der Basis eines autonormalen problemabhän­ gigen Funktionensystems, das den Gesamtprozeß opti­ miert. Durch diesen Ansatz wird ohne Rücksicht auf eine Fahrzeugklasseneinteilung der Abstand aller Merkmals­ vektoren V_M untereinander maximiert (Maximierung der Gesamtabstände). Eine Maximierung der Gesamtabstände läßt sich darstellen, indem die Vektoren im mehrdimen­ sionalen Merkmalsraum möglichst weit auseinandergerückt werden. Die Klassifizierung wird dadurch erleichtert, daß eine einfache Unterscheidung der Vektoren möglich ist. Da jedes Fahrzeug durch einen Vektor repräsentiert wird, führt die Maximierung des Vektorabstandes zu einer guten Klassifikation.

Die Eigenwerte der Kovarianzmatrix M_K sind die Diago­ nalelemente der eigentlichen Transformationsmatrix M_T. Die anderen Elemente der Transformationsmatrix M_T sind gleich Null. Bei der vorausgesetzten Gaußverteilung bedeutet das die statistische Unabhängigkeit (Unkorre­ liertheit) der Komponenten. Die Diagonalkomponenten sind zuerst sehr groß (das entspricht einem sehr hohen Informationsgehalt) und fallen dann sehr stark ab. Die Selektion der wichtigsten Komponenten erfolgt durch Vernachlässigung derjenigen Komponenten, die ent­ sprechend ihren Eigenwerten nur noch einen geringen Informationsgehalt haben.

Die Vorschrift zur Berechnung des Merkmalsvektors V_M lautet V_M = M_T × X. Mit dem Merkmalsvektor

der mit der aufbereiteten eindimensionalen Meßwertfolge 9a gebildet wurde, sowie der Transformationsmatrix M_T in Diagonalform mit den Diagonalwerten Ω₁₁-Ω_MN.

Der aus der Transformation erhaltene Merkmalsvektor V_M ist in Fig. 6 dargestellt. Entlang der Abszisse sind die Elemente des Merkmalsvektors V₁₁ aufgetragen, wäh­ rend auf der Ordinate die bei der Transformation ent­ standenen und nicht normierten Werte der Elemente ange­ geben sind. Die Transformationsmatrix M_T wurde auf den Meßwertvektor angewendet, der 64 Elemente aufweist. Deshalb besteht auch der Merkmalsvektor V_M aus 64 Ele­ menten. Die Elemente mit den höchsten Werten, d. h. mit der höchsten Unterscheidungskraft befinden sich unter den ersten 32 Elementen des Merkmalsvektors V_M. Die letzten 32 Elemente haben sehr kleine Werte oder den Wert Null, d. h. sie steuern keine wesentlichen Informa­ tionen zur Unterscheidung von Fahrzeugen bei. Daher können die letzten 32 Elemente vernachlässigt werden. Somit ergibt sich ein Merkmalsvektor V_M mit 32 Stellen, der ein Fahrzeug eindeutig charakterisiert.

In einem Komparator 15 wird der in dem Merkmalsvektor­ generator 12 erzeugte Merkmalsvektor V_M abgespeichert und mit den im Rechner 6 zuvor gespeicherten Merkmals­ vektoren früherer Fahrzeuge verglichen. Ist der neue Merkmalsvektor V_M unbekannt, wird ein neuer Datensatz für das Fahrzeug 4 angelegt und gespeichert. Kann das Fahrzeug 4 anhand seines Merkmalsvektors V_M identifi­ ziert werden, werden Ort und Zeitpunkt des Fahrzeuges 4 in den Datensatz aufgenommen.

In Fig. 7 ist der Aufbau eines Magnetfeldsensors 2 gezeigt. Der Magnetfeldsensor 2 besteht aus zwei ein­ zelnen Sensorkomponenten 2a und 2b, die in ihrer Längs­ richtung um 90° zueinander verdreht angeordnet sind. Die Sensorkomponenten 2a und 2b haben Vorzugsrichtungen bezüglich der Meßempfindlichkeit. In Richtung ihrer Längsachsen ist die Meßempfindlichkeit gering. Um alle Richtungskomponenten des Magnetfeldes mit gleicher Emp­ findlichkeit erfassen zu können, werden die Sensorkom­ ponenten 2a und 2b um 90° versetzt angeordnet, so daß die nachteilige Meßcharakteristik der einzelnen Sensor­ komponenten 2a, 2b ausgeglichen wird. Zur Erzeugung des Sensorsignals werden die beiden Komponentensignale geo­ metrisch addiert. Das Sensorsignal wird digital gewan­ delt und über die Busleitung 5 an die Rechnereinheit 6 weitergegeben.

Der Meßwertfolgegenerator 8, die Extraktionsstufe 8a, der Merkmalsvektorgenerator 12 und der Komparator 15 können in der Rechnereinheit 6 auch durch entsprechende Software realisiert werden.

Claims (10)

1. Verfahren zur Verkehrsüberwachung mit den folgenden Schritten:

• - Messung der magnetischen Charakteristik eines vorbeifahrenden Fahrzeugs mit mehreren quer über die Fahrbahn (3) in einer Reihe angeordneten Magnetfeld­ sensoren (2) an mehreren örtlich auseinander­ liegenden Stellen.
• - Analog-Digital-Wandlung der von den Magnetfeld­ sensoren (2) erzeugten Sensorsignale,
• - Zusammenfassen der einzelnen digital gewandelten Sensorsignale aller Sensoren (2) der Reihe zu einem Meßwert (7),
• - Umwandeln der Meßwerte (7) in eine aufbereitete eindimensionale Meßwertfolge (9a),
• - Transformieren der aufbereiteten eindimensionalen Meßwertfolge (9a) mit Hilfe einer Transformations­ matrix (M_T) in einen Merkmalsvektor (V_M), der dem Fahrzeug (4) zugeordnet und abgespeichert wird, und
• - Vergleichen des Merkmalsvektors (V_M) mit früher ermittelten Merkmalsvektoren.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Meßwerte (7) zu einer mehrdimensionalen charakteristischen Meßwertfolge (9) zusammengefügt werden, welche auf die aufbereitete eindimensionale Meßwertfolge (9a) reduziert wird.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekenn­ zeichnet, daß die Transformationsmatrix (M_T) eine Diagonalmatrix ist, deren Diagonalelemente Eigenwerte einer Kovarianzmatrix (M_K) sind, wobei die Kovarianz­ matrix (M_K) in einer Lernphase aus aufbereiteten mehr­ dimensionalen Meßwertfolgen (9a) mehrerer Fahrzeuge (4) gebildet wird.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß die Analog-Digital-Wandlung der Sensorsignale in den Sensoreinheiten (2) erfolgt.

5. Verkehrsüberwachungsvorrichtung mit mehreren quer über die Fahrbahn (3) in einer Reihe angeordneten Magnetfeld­ sensoren (2) an mehreren örtlich auseinanderliegenden Stellen und mit einer die Sensorsignale verarbeitenden Rechnereinheit (6), die den analogen Sensorsignalen entsprechende digitale Meßwerte (7) zu einer eindimensionalen aufbereiteten Meßwertfolge (9a) umwandelt, welche mit einer Transformationsmatrix (M_T) zu einem das jeweilige Fahrzeug (4) identifizierenden Merkmalsvektor (V_M) transformiert wird.

6. Vorrichtung nach Anspruch 5, dadurch gekennzeichnet, daß die Magnetfeldsensoren (2) die durch das Fahrzeug (4) hervorgerufenen Änderungen des Erdmagnetfeldes messen.

7. Vorrichtung nach Anspruch 5 oder 6, dadurch gekenn­ zeichnet, daß über eine Meßbreite von 3,60 m mindestens zwölf Magnetfeldsensoren (2) in einer Reihe angeordnet sind.

8. Vorrichtung nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, daß die Magnetfeldsensoren (2) unter Vorgabe eines Taktes die Sensorsignale gleichzeitig ausgeben.

9. Vorrichtung nach einem der Ansprüche 5 bis 8, dadurch gekennzeichnet, daß die Transformationsmatrix (M_T) eine Diagonalmatrix ist, deren Diagonalelemente Eigenwerte einer Kovarianzmatrix (M_K) sind, wobei die Kovarianz­ matrix (M_K) in einer Lernphase aus aufbereiteten, ein­ dimensionalen Meßwertfolgen (9a) mehrerer Fahrzeuge (4) gebildet ist.

10. Vorrichtung nach einem der Ansprüche 5 bis 9, dadurch gekennzeichnet, daß die Analog-Digital-Wandlung der Sensorsignale in den Sensoreinheiten (2) erfolgt.