CN101533559A

CN101533559A - 车辆通过检测方法和道路用灯控制的方法以及相应系统

Info

Publication number: CN101533559A
Application number: CN200910081895A
Authority: CN
Inventors: 陈益强; 钱跃良; 刘军发
Original assignee: Institute of Computing Technology of CAS
Current assignee: Institute of Computing Technology of CAS
Priority date: 2009-04-14
Filing date: 2009-04-14
Publication date: 2009-09-16
Anticipated expiration: 2029-04-14
Also published as: CN101533559B

Abstract

本发明提供一种车辆通过检测方法和道路用灯控制的方法以及相应系统。该车辆通过检测方法包括下列步骤：采集来自多个信号源的无线信号；以所述无线信号构成的信号特征向量作为输入，以所述信号特征向量的不同的数值对应的探测值作为输出，训练车辆探测模型；实时采集来自所述信号源的无线信号；对于所述实时采集的无线信号构成的信号特征向量根据所述车辆探测模型计算探测值；根据所述所计算的探测值判断是否有车辆通过。本发明中根据上述判断结果控制道路用灯。本发明无需添加新的通信设备，即可容易地实现对是否有车辆通过的检测。能够根据路面的行车情况控制路灯的亮度和开关或控制交通灯的信号。

Description

车辆通过检测方法和道路用灯控制的方法以及相应系统

技术领域

本发明涉及信号检测及控制领域，尤其涉及一种车辆通过检测方法和道路用灯的控制方法以及相应的系统。

背景技术

在很多应用中，都需要检测是否有车辆通过，例如对道路用灯的控制中，其中道路用灯包括路灯和交通灯。现有技术多是通过摄像来进行检测，其不仅需要安装较复杂的诸如摄像装置的硬件，还需要对批量的采集数据进行复杂计算的软件系统。

关于路灯控制，目前已有一些对路灯进行调控以节约能源的方法，多是通过时间段来调节路灯的明暗程度从而达到节能的目的。

例如申请号为200710075732.7、名称为《一种节能型LED路灯及一种LED路灯节能方法》的专利申请中所描述的一种LED路灯节能方法，根据用光量的不同，将LED路灯每天的工作时间拆分为若干个工作时段，再根据用光量的不同，由自动调光节能控制器控制在不同的工作时段内开启不同的工作模组数。

又例如申请号为200810026981.1、名称为《节能路灯智能控制方法》的专利申请中所描述的一种节能路灯智能控制方法，包括以下步骤：(1)当时间处于白天时，检测外界光线强度；根据检测所得光强来调节路灯工作电压的高低，得到路灯期望电压；(2)当时间处于夜晚时，设定多个时间段，根据时间段的不同调节路灯的工作电压的高低，得到路灯期望电压。

上述方法不能自动识别当前路段上车辆通过情况，即无法准确判断路面行车情况，也就无法据此采取更为智能的节能控制。另外，在第二个方法中还需要在现有基础设施上安装准确检测光线强度的装置、新的传感器或通信设备等。

对于交通灯，其在城市交通中起着重要作用，有效的协调了人与车的关系。现有的城市路口交通灯控制系统从是否智能方面可以大体上分为两种类型：定周期的信号机和具有自适应功能的智能型信号机。前者控制简单，方便，但比较单一，不符合现代智能化城市的和谐理念，特别在夜间车辆非常稀少的情况下，能根据马路上的车辆情况智能调整交通灯的切换显得十分必要。后者，例如申请号为200710303912.6的《一种交通灯的自动控制方法及系统》中，虽然实现了智能化交通灯切换；但需要安装较复杂的诸如摄像装置的硬件，且由于根据视频检测来控制交通灯，所以环境光线必须较充足，而且还需要对批量的采集数据进行复杂计算的软件系统。

如上所述，迫切需要一种方便易行的检测是否有车辆通过的方法，从而能够进一步获得道路用灯智能控制方法和系统。

发明内容

本发明提供一种车辆通过检测方法，进而提供一种方便易行的根据现场环境控制道路用灯的方法和系统。

根据本发明的一个方面，提供了一种车辆探测模型训练方法，包括如下步骤：

采集来自多个信号源的无线信号；

以所述无线信号构成的信号特征向量作为输入，以所述信号特征向量的不同的数值对应的探测值作为输出，训练车辆探测模型。

上述的训练方法中，所述信号源是3至10个。

上述的训练方法中，所述训练车辆探测模型采用机器学习方法。

根据本发明的另一方面，提供了一种基于上述车辆探测模型的车辆通过检测方法，包括如下步骤：

实时采集来自多个信号源的无线信号；

对于所述实时采集的无线信号构成的信号特征向量根据所述车辆探测模型计算探测值；

根据所述所计算的探测值判断是否有车辆通过。

根据本发明的又一方面，提供了一种基于上述的车辆探测模型的车辆通过检测系统，包括如下部件：

数据采集部件，用于实时采集来自多个信号源的无线信号；

计算部件，用于以所述实时采集的无线信号构成的信号特征向量根据所述车辆探测模型计算探测值，并根据所述所计算的探测值判断是否有车辆通过。

根据本发明的又一方面，提供了一种上述的检测方法的道路用灯控制方法，包括根据所述判断结果控制道路用灯的步骤。

上述的控制方法中，所述道路用灯是路灯。若所述判断结果为无车辆通过，将所述所计算的探测值控制范围内的路灯关闭或者微亮照明；若所述判断结果为有车辆通过，将所述所计算的探测值控制范围内的路灯打开。

上述的控制方法中，所述道路用灯是交通灯。若所述判断结果为东西方向无车而南北方向有车，则当东西方向交通灯为绿灯时将交通灯马上切换；当东西方向交通灯为红灯时则将交通灯延时切换；若所述判断结果为东西方向有车而南北方向无车，则做相反操作。

根据本发明的又一方面，还提供了一种包含上述的检测系统的道路用灯控制系统，还包括灯控部件，用于根据所述判断结果控制道路用灯。

本发明的优点在于，有效利用了现代城市中的无线信号，无需添加新的通信设备，即可容易地实现对是否有车辆通过的检测。能够根据路面的行车情况控制路灯的亮度和开关或控制交通灯的信号，从而通过前者不仅确保了为车辆提供有效照明，还能够节约能源，通过后者智能控制交通。

附图说明

图1是根据本发明一个实施例的信号探测区域示意图；

图2是根据本发明一个实施例的方法流程图；

图3是根据本发明一个实施例的用于控制路灯的街道信号探测点布置示意图；

图4是根据本发明一个实施例的控制路灯的规则示意图；

图5是根据本发明一个实施例的用于控制交通灯的交通路口信号探测点布置示意图；

图6是根据本发明一个实施例的用于控制交通灯的十字路口探测值示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

现代的城市环境中，逐渐为各种无线信号所覆盖。在提供无线上网服务的同时，WiFi无线信号的大面积覆盖也同时带来了其它可能的潜在应用。对于环境中处处覆盖的由多个无线信号源发射的WiFi信号，随着无线信号源的增减和建筑物的变化，形成不断变化的WiFi场；但在局部区域一定范围内，对于指定的几个无线信号源，其信号场是相对稳定的。如图1所示，该区域共有4个无线信号源，如果没有任何干扰，其发射的无线信号在该区域形成一个稳定的信号场，且信号场中任意点的信号可以由无线信号探测点WSD进行探测。道路上是否有车辆行使对该信号场会有影响，利用该现象，本发明根据WiFi信号的变化对马路上的行车情况进行检测，从而对道路两边的路灯或路口的交通灯实现智能控制。

根据本发明的一个方面，本发明提供一种车辆通过检测的方法，如图2的流程图所示，该方法主要涉及采集无线信号、利用所采集的无线信号和其对应的行车情况(即，是否有车)训练车辆探测模型、通过车辆训练模型的在线应用根据实时测量的无线信号判断行车情况等步骤。根据本发明的一个实施例，无线信号以WiFi无线信号为例，无线城市正是以WiFi信号为渠道向公众开放无线上网服务的。通过上述流程可知，该车辆通过检测方法是基于一种车辆探测模型训练方法。该车辆探测模型训练方法包括如下步骤：

首先，在待检测区域附近布设WiFi信号探测点WSD，如图1所示，以用于采集其周边若干个信号源发出的无线信号。

然后，以WSD采集到的周边若干个信号源的无线信号为输入，以车辆的行车情况为输出，来训练机器学习方法的车辆探测模型。该训练过程是利用人工采集的若干数据。对新采集的无线信号根据上述车辆探测模型判断当前车辆通过情况。该操作具体描述如下：

基于无线城市已经建设好的WiFi无线覆盖环境进行无线信号的采集，例如将遍布城市的无线交换机AP作为无线信号源进行信号采集。根据本发明的具体实施例，对每一个信号探测点，分别指定范围内N个AP_i进行信号采集，其中N为3～10。采集的具体过程是：在WSD对AP_i进行信号强度采集。来自AP_i的信号强度为x_i，则对N个AP采集形成信号特征向量X(x₁，x₂，...，x_N)。通过人工观察，当采集信号特征向量X_k时，记录相应的探测值Y_k。用Y_k值表示当前是否有车辆通过，有车则Y_k＝1，无车则Y_k＝0。这样就形成训练特征对(X_k，Y_k)。每10秒采集一次，在较长时间内采集一批这样的数据，比如24小时，则可以形成足够多的训练数据，对该训练数据利用机器学习方法进行训练。

对于每一时刻采集的训练特征对(X_k，Y_k)，训练车辆探测模型Y＝f(X)，以学习道路上车辆通过情况，从而根据采集到的当前无线信号判断是否有车辆通过。此训练过程可以采用一些经典机器学习方法进行模型训练，比如神经网络学习方法或支持向量机SVM等。支持向量机是机器学习领域常用的训练方法之一，具体使用方法具有公开的工具软件和说明，可参考：http://svmlight.joachims.org/。支持向量机的输入是采集到的训练特征对(X_k，Y_k)，输出是一个SVM模型Y＝f(X)。

根据上述车辆探测模型训练方法训练得到的车辆探测模型Y＝f(X)可以植入WSD进行应用，从而判断行车情况。实时对该马路区域的AP进行实时扫描采集后，得到信号特征向量X’(x’₁，x’₂，...，x’_N)，将X’代入f(X)进行探测计算，则可以获得该WSD的探测值Y’，通过该探测值即可判断该待检测区域当前是否有车辆通过。

根据上述车辆通过检测方法，本发明还提供了一种道路用灯智能控制的方法，以实现对道路用灯的智能化管理。本发明能够直接利用现有道路用灯设施，对路灯的开关与光亮情况或交通灯的开关进行智能调节。

对于路灯控制，在需要进行路灯控制路段按照一定间距D布设信号探测点WSD，如图3所示。D可以根据城市路段的重要性来确定。一般重要性越大，D越小。优选的，D取值在100～300米之间。此外，要设置WSD的路灯控制区域参数S，即WSD在检测到车辆行驶过来时，控制车辆前方S米范围内的路灯全部打开。根据本发明的该具体实施例，S的取值条件为：在车辆驶出S范围时，下一个信号探测点获得足够的时间能够为其打开下一个S范围内的路灯。本发明中，一般S取值200～500米。图3中所示的S对应第二个WSD的开灯范围，从图中可以看出每两个相邻WSD的路灯控制区域有一定范围的交集。

利用如上布设的信号探测点WSD根据车辆通过检测方法的判断结果采用如下规则对路灯进行节能控制。

WSD与控制范围内的路灯通过电力线载波方式进行通信，实现对路灯的实时控制。因为本发明中只需要通过WSD向控制范围中的路灯发送简单的控制命令，因此电力线载波方式完全能够满足本发明的需求。

根据如图4示意图所示的控制规则对路灯实时控制，即获得道路车辆通过情况后，根据如下的策略对道路提供适当的照明服务。如果Y’＝0，则无车通过，可采取以下两种措施中的任意一个，1)使该探测点控制范围内的路灯处于关闭状态、2)使该探测点控制范围内的路灯处于微亮照明状态。采用何种措施可事先由人工在控制程序中设定，两种措施都可以比原来更为节能。如果Y’＝1，表示有车通过，则通过通信渠道打开车辆前方S米范围内的路等提供照明。

本领域普通技术人员可以理解，优选的，上述路灯为LED路灯。LED路灯具有开关、亮度调节方便、寿命长的特点，用本发明的方法经常对LED路灯进行开关，调节控制，不会影响其使用寿命，这为本发明的推广提供了便利。目前已有城市的试点表明，LED路灯在同样照明效果的情况下，耗电量是白炽灯泡的八分之一，荧光灯管的二分之一。总体说，LED路灯可节能40％左右。从环境方面考虑，LED灯具不含汞、钠等有害元素，不会对环境造成污染，是更符合绿色照明的产品，具有良好的社会效应。

本领域普通技术人员可以理解，与对路灯的控制类似，本发明还提供一种交通灯控制方法，图5是根据本发明一个实施例的用于控制交通灯的交通路口信号探测点布置示意图。从图5中可知，当控制交通灯时，仅在交通路口布设信号探测点。利用该信号探测点探测十字路口的探测值，如图6所示，向南得到探测值f₁(X)，向北得到探测值f₃(X)，向东得到探测值f₂(X)，向西得到探测值f₄(X)。

其中f₁(X)和f₃(X)可以合并为南北方向探测值f_sn(X)，即

当f₁(X)＝1或f₃(X)＝1时，f_sn(X)＝1；

当f₁(X)＝0且f₃(X)＝0时，f_sn(X)＝0。

同理：

当f₂(X)＝1或f₄(X)＝1时，f_ew(X)＝1；

当f₂(X)＝0且f₄(X)＝0时，f_ew(X)＝0。

其中f_sn和f_ew的值为1表示对应的方向有车，值为0表示对应的方向无车。根据下表所示的规则控制交通灯，其中T表示交通灯的状态。T＝0表示短时间内没有红绿灯切换操作，T＝1表示交通灯即将由南北方向通行切换为东西方向通行，即南北方向绿灯切换为东西方向绿灯，T＝-1表示交通灯即将由东西方向通行切换为南北方向通行，即东西方向绿灯切换为南北方向绿灯。

表1 交通灯控制规则

	f_sn(X)＝0	f_sn(X)＝1
	f_sn(X)＝0	f_sn(X)＝1	f_ew(X)＝0	(即东西、南北方向均无车)对T无影响。	(即东西方向无车，南北方向有车)若T＝-1：无影响若T＝0：改变T＝-1.若T＝1：延时切换
f_ew(X)＝1	(即东西方向有车、南北方向无车)若T＝-1：延时切换若T＝0：改变T＝1.若T＝1：无影响	(即东西方向有车，南北方向有车)对T无影响。	f_ew(X)＝0	(即东西、南北方向均无车)对T无影响。	(即东西方向无车，南北方向有车)若T＝-1：无影响若T＝0：改变T＝-1.若T＝1：延时切换

本领域普通技术人员可以理解，上述交通灯的控制仅以十字路口处的交通灯为例进行说明，对于诸如三岔路的其它的路口，也可以采用类似的方法进行交通灯控制。

本发明还提供了一种车辆通过检测系统，包括下列部件：

数据采集部件：在训练过程中，负责采集大量的无线信号数据，以作为输入用于探测模型的训练；在应用过程中，负责实时采集当前的信号数据，构成信号向量，作为探测模型的新的输入。

计算部件：和数据采集部件相连接，负责训练过程中训练车辆探测模型和应用过程中的计算探测值。

基于上述车辆通过检测系统，本发明还提供了一种用于道路用灯控制的系统，除了上述车辆通过检测系统的部件还包括下列部件：

灯控部件：负责把计算部件在应用过程中计算的探测值反映到路灯状态上去，即根据应用过程中的计算结果控制路灯的开关和明暗变化或交通灯的切换。

根据本发明的实施例对车辆通过进行检测，实验结果如表2所示：

表2 车辆通过检测率表

天气环境	白天	夜晚
天气环境	白天	夜晚	道路车辆检测率	73.5％	78.8％
交通路口车辆检测率	77.2％	80.8％	道路车辆检测率	73.5％	78.8％

从表2可知，根据本发明的实施例对车辆通过进行检测，大部分车辆能够被检测出，从而能够根据路面的行车情况控制路灯的亮度和开关或控制交通灯的信号。通过前者不仅确保了为车辆提供有效照明，还能够节约能源；通过后者智能控制交通，而且不受现场光线强度的限制。

上述实施例是以WiFi为例进行说明，但本领域普通技术人员可以理解，WiMax，GPS，bluetooth等无线信号同样可以用于本发明。

应该注意到并理解，在不脱离后附的权利要求所要求的本发明的精神和范围的情况下，能够对上述详细描述的本发明做出各种修改和改进。因此，要求保护的技术方案的范围不受所给出的任何特定示范教导的限制。

Claims

1.一种车辆探测模型训练方法，包括如下步骤：

采集来自多个信号源的无线信号；

2.根据权利要求1所述的训练方法，其特征在于，所述信号源是3至10个。

3.根据权利要求1或2所述的训练方法，其特征在于，所述无线信号是WiFi信号。

4.根据权利要求1或2所述的训练方法，其特征在于，所述训练车辆探测模型采用机器学习方法。

5.根据权利要求4所述的训练方法，其特征在于，所述机器学习方法包括支持向量机(SVM)和BP神经网络。

6.一种基于权利要求1所述的车辆探测模型的车辆通过检测方法，包括如下步骤：

实时采集来自多个信号源的无线信号；

根据所述所计算的探测值判断是否有车辆通过。

7.一种基于权利要求1所述的车辆探测模型的车辆通过检测系统，包括如下部件：

数据采集部件，用于实时采集来自多个信号源的无线信号；

8.一种基于权利要求6所述的检测方法的道路用灯控制方法，包括如下步骤：

根据所述判断结果控制道路用灯。

9.根据权利要求8所述的控制方法，其特征在于，所述道路用灯是路灯。

10.根据权利要求9所述的控制方法，其特征在于，若所述判断结果为无车辆通过，将所述所计算的探测值控制范围内的路灯关闭或者微亮照明；若所述判断结果为有车辆通过，将所述所计算的探测值控制范围内的路灯打开。

11.根据权利要求9所述的控制方法，其特征在于，所述路灯为LED灯具。

12.根据权利要求8所述的控制方法，其特征在于，所述道路用灯是交通灯。

13.根据权利要求12所述的控制方法，其特征在于，若所述判断结果为东西方向无车而南北方向有车，则当东西方向交通灯为绿灯时将交通灯马上切换；当东西方向交通灯为红灯时则将交通灯延时切换；若所述判断结果为东西方向有车而南北方向无车，则做相反操作。

14.一种包含权利要求7所述的检测系统的道路用灯控制系统，还包括下列部件：

灯控部件，用于根据所述判断结果控制道路用灯。

15.根据权利要求14所述的控制系统，其特征在于，对于所述道路用灯为路灯的情况，则所述检测系统中的相邻的所述数据采集部件间距为100至300米。