CN103345841B - 一种基于地磁传感器的频域谱能量车型分类方法 - Google Patents

Abstract

本发明公开了一种基于地磁传感器的频域谱能量车型分类方法，属于交通信息检测和信号处理技术领域。该方法包括以下步骤：步骤1：利用地磁传感器提取车辆波形信号，对每个车辆波形标准化处理,再利用快速离散傅里叶变换得到每个车辆的频谱；步骤2：分析车辆频谱在不同频域区间的分布特征，定义M种谱能量模型，对不同车型进行分类；步骤3：利用最优频域区间查找算法得到适用于不同车型分类标准的最优频域区间或最优频域区间组合后，给出车型分类结果；步骤4：分析车型分类结果，在M种谱能量模型中选择需要的谱能量模型。本发明给出最佳能量模型和最优频域区间或组合，为地磁传感器的车型分类工程应用提供了理论依据和应用指导。

Description

一种基于地磁传感器的频域谱能量车型分类方法

技术领域

本发明具体涉及一种基于地磁传感器的频域谱能量车型分类方法，属于交通信息检测和信号处理技术领域。

背景技术

交通信息检测与获取是进行交通流控制、交通管理、交通信息服务的前提条件，是制定交通安全管理策略、交通事故检测、交通事故致因分析等交通安全保障措施的必要基础。多年的实践表明，智能交通系统（ITS,IntelligentTransportation System）为解决城市交通问题提出了理论、技术支持和实践方向。ITS的子系统先进的交通信息服务系统(ATIS)和先进的交通管理系统(ATMS)都是建立在完善的路网交通信息的基础上。

此外，随着ITS的发展，道路车辆的车型信息显得越来越重要，在道路路基设计和运营管理中，路基寿命的估算依赖于其上运行的交通流的车型比例；在交通信号控制中，信号优先需要根据预通行的车辆类型进行决策，它需要优先放行公共汽车和应急车辆；在交通安全研究和应用中，由于大卡车的运行速度较低，并且占用空间较大，大卡车的分布比例是影响行车安全的一个重要因素；同时车辆类型的分布情况也为高速公路运行能力的预测、交通法规效率评估、不停车收费系统、车辆限重的实施、环境影响评估等多种服务与应用提供基础数据和参考。

目前交通信息的获取技术主要依赖于布设于路网上的各类交通检测器。本发明利用的地磁传感器有其独特的优势，不受气候条件影响、成本低廉、布设方便、数据易于处理、便于无线传输等。

发明内容

为了克服现有技术结构的不足，本发明提供一种基于地磁传感器的频域谱能量车型分类方法。

一种基于地磁传感器的频域谱能量车型分类方法，该方法包括以下步骤：

步骤1：利用地磁传感器提取车辆波形信号，对每个车辆波形标准化处理,针对每个标准化处理后的车辆波形，再利用快速离散傅里叶变换得到每个车辆的频谱；

所述车辆波形标准化处理，是通过线性插值算法把车辆波形映射到设定范围的横轴区间内和设定范围的纵轴区间内，即在横轴均匀插值，使每个车辆波形有相同的采样点数，再把纵轴均匀映射到具有相同数值区间；

步骤2：分析车辆频谱在不同频域区间的分布特征，定义M种谱能量模型，对不同车型进行分类，其中，M为设定值；

所述谱能量模型为：其中：E为谱能量，f_n为某标准化车辆波形对应的第n个采样的频谱幅值；n为车辆波形频谱幅值采样序列索引值，n为正整数；k为频谱幅值f_n的指数；w(n)为频谱幅值f_n的权值；a和b分别为最优频域区间内对应的频谱幅值采样序列起始索引值和终止索引值，a≤b且a,b∈n；

步骤3：利用最优频域区间查找算法得到适用于不同车型分类标准的最优频域区间或最优频域区间组合后，给出基于M种谱能量模型在最优频域区间或最优频域区间组合下的车型分类结果；

步骤4：分析车型分类结果，在M种谱能量模型中选择需要的谱能量模型。

所述最优频域区间查找算法步骤如下：

（1）初始化算法参数，包括初始准确率、频域区间起点；

（2）计算任意频域区间内的能量；

（3）利用最优频域区间谱能量模型计算任意区间内的平均分类准确率；

（4）具有最大平均准确率的区间标识为最优频域区间。

本发明的有益效果：本发明能够实现地磁传感器车型分类的离线优化，在线分类。在频域范围内研究相应的车型分类算法，并通过较低的算法时间复杂度得到实时的车型分类。本发明定义的最优频域区间能量模型易于数学表示和本地计算，因此该方法便于在能量资源和计算能力都有限的检测节点中实现。通过各能量模型的频域区间灵敏度分析，本发明给出最佳能量模型和最优频域区间或组合，为地磁传感器的车型分类工程应用提供了理论依据和应用指导。

附图说明

图1地磁传感器检测地磁信号各方向示意图；

图2原始车辆波形信号和滤波后的车辆波形信号；

图3标准化处理后的小汽车波形、公交车波形和对应的频谱；

图4不同频域区间内的小汽车和公交车频谱分布图；

图5不同最优频域下8种谱能量模型的分类准确率；

图6最优频域区间查找算法流程图

图7频域谱能量模型E1在最优频域区间[3.25HZ,12.36HZ]内的车型分类情况图；

图8最优频域区间[3.25HZ,12.36HZ]下8种谱能量模型的分类准确率；

图9不同频域区间8种能量模型的稳定性。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

本发明提供的一种基于地磁传感器的频域谱能量车型分类方法包括：

步骤1：利用地磁传感器提取车辆波形信号，对每个车辆波形标准化处理,针对每个标准化处理后的车辆波形，再利用快速离散傅里叶变换得到每个车辆的频谱；

所述车辆波形标准化处理，是通过线性插值算法把车辆波形映射到设定范围的横轴区间内和设定范围的纵轴区间内，即在横轴均匀插值，使每个车辆波形有相同的采样点数，再把纵轴均匀映射到具有相同数值区间；

在该步骤中，本发明对地磁传感器检测到的车辆波形信号进行处理。本实施例采用的地磁传感器能够同时检测Z1、Z2、X、Y四个磁场方向的波形数据，采样频率为fs=333HZ，如图1所示，由于Z1和Z2轴检测数据最能反映车辆车型信息，为了降低本方法的算法复杂度，便于在能量资源和计算能力有限的节点中实现，本实施例仅选用Z1轴检测的信号进行处理。首先设计低通滤波器去除波形信号的环境噪声，图2给出了滤波前后的波形信号，可以看出采用低通滤波器使波形信号更平滑，便于利用低时间复杂度和空间复杂度的车辆检测算法提取每辆车的车辆波形。由于车辆每次经过传感器的车速不同，在相同采用频率的情况下，即使同一辆车，不同车速下的车辆波形会出现不同程度的拉伸和压缩。此外外部环境（温度、光照、铁磁物质）对地磁传感器波形信号的幅值产生一定的影响，导致不同时间段内波形信号幅值的提升和下降。基于以上两点，本发明提出车辆波形标准化处理方法。本实施例中标准化波形的采样点数N取512，把不同的车辆波形通过线性插值算法映射到[1,512]横轴区间内和[0,1]纵轴区间内，这样消除了车速和环境对车辆波形的影响。本发明利用快速离散傅里叶变换得到标准化后车辆波形的频谱分布，图3给出了标准化处理后的小汽车波形、公交车波形和它们对应的频谱。

步骤2：分析车辆频谱在不同频域区间的分布特征，定义M种谱能量模型，对不同车型进行分类，其中，M为设定值；

该步骤分析了不同车型的车辆波形频谱分布情况，图4给出了不同频域区间内的小汽车和公交车频谱分布图。可以看出，不同车型在不同频域区间的频谱分布特征不同。有些频域区间内（如：1-5HZ或49-50HZ附近），频谱相互交织，难以通过提取若干特征进行分类；而有些频域区间（如：9-10HZ或19-20HZ附近），不同车型的频谱分布在各自的幅值区间内，便于通过提取某些特征进行分类。本发明定义了最优频域区间谱能量模型用于车型分类，最优频域区间谱能量模型为：)。其中：f_n为某标准化车辆波形对应的第n个采样的频谱幅值；n为车辆波形频谱幅值采样序列索引值，n为正整数；k为频谱幅值f_n的指数；w(n)为频谱幅值f_n的权值；a和b分别为最优频域区间内对应的频谱幅值采样序列起始索引值和终止索引值，a≤b且a,b∈n。

基于此，本发明在此实施例中选取k=1或2，权值w(n)为车辆波形第n个采样的频谱幅值对应的频率值和车辆波形频谱幅值采样序列索引值的组合，设车辆波形第n个采样的频谱幅值对应的频率值为F(n)，车辆波形频谱幅值采样序列索引值为n，则w(n)有以下组合情况：（1）w(n)=1；（2）w(n)=F(n)；（3）w(n)=n；（4）w(n)=F(n)×n。结合k=1或2，则本实施例可定义以下8种最优频域区间谱能量模型对不同车型（两种或更多车型）进行分类。8种谱能量模型分别为： $E1=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}{f}_n,$ $E2=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}{f}_n^2,$ $E3=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}F\left(n\right)\×f_n,$ $E4=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}F\left(n\right)\×f_n^2,$ $E5=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}n\×f_n,$ $E6=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}n\×f_n^2,$ $E7=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}F\left(n\right)\×n\×f_n,$ $E8=\underset{n=a}{\overset{b}{\mathrm{\Σ}}}F\left(n\right)\×n\×f_n^2.$ 根据快速离散傅里叶变换的定义知，F(n)=fs*(n-1)/N=333*(n-1)/512=0.65(n-1)。

步骤3：利用最优频域区间查找算法得到适用于不同车型分类标准的最优频域区间或最优频域区间组合后，给出基于M种谱能量模型在最优频域区间或最优频域区间组合下的车型分类结果；

为了降低算法的复杂度，便于在计算能力有限的检测节点上实现本方法，本发明采用单特征进行车型分类，即最优频域区间内的谱能量。本实施例的样本为470辆小汽车和75辆公交车的波形数据，由于采集样本的局限，本实施例仅以两类车型为例，但本方法同样适用于多种车型分类。该样本于2009年5月-11月通过实地布设的地磁传感器采集得到。通过分析车辆频谱在不同频域区间的分布特征，本发明首先选择(a)a=1,b=100,(b)a=1,b=50,(c)a=1,b=20,(d)a=1,b=15等四个特定区间进行计算，并利用小汽车分类准确率、公交车分类准确率和平均准确率三个指标进行衡量。图5给出了四个特定区间的8种能量模型的分类结果。可以看出，不同的频域区间对分类结果影响较大。为了寻找最优的频域区间，本发明给出了最优频域区间查找算法，本算法步骤如下：（1）初始化算法参数，包括初始准确率、频域区间起点等；（2）计算任意频域区间内的能量；（3）利用能量模型计算任意区间内的平均分类准确率；（4）具有最大平均准确率的区间标识为最优频域区间。由于本算法为离线优化，且时间复杂度不高于o(n²)，在区间范围有限（本实施例为[1,512]）的情况下，可以保证在可接受的时间内完成优化过程。对于某个能量模型，最优频域区间查找算法流程如图6所示（由于频谱的对称性，只需选取左半部分即可）。

通过上述算法，即可找到某能量模型的最优采样区间n_opt∈[aa,bb]，最优分类平均准确率为r_opt，对应的最优频域区间为F_opt∈[aa*fs/N,bb*fs/N]。

基于本实施例的样本，得到E1模型的最优采样区间为n_opt∈[6,20]，即最优频率区间为F_opt∈[3.25HZ,12.36HZ]。图7给出了基于E1模型的470辆小汽车和75辆公交车分类情况，其中最优分界线为y=0.246（y为能量幅值，下同）。

利用最优频率区间F_opt，本实施例给出了8种能量模型的分类结果，如图8所示。可以看出，在最优频域区间F_opt∈[3.25HZ,12.36HZ]下，8种能量模型均得到相应的分类结果，平均准确率均达到85%以上。表1给出了在最优频域区间F_opt∈[3.25HZ,12.36HZ]下各能量模型的分类准确率和最优分界线。

表1最优频域区间F_opt∈[3.25HZ,12.36HZ]下8种能量模型的分类准确率和最优分界线

步骤4：分析车型分类结果，在M种谱能量模型中选择需要的谱能量模型。

为了分析各能量模型的适用性，本步骤对比了不同频域区间内本实施例给出使用的8种能量模型的分类结果。选取的采样区间分别为（1）a=1,b=5，（2）a=1,b=10，（3）a=1,b=15，（4）a=1,b=20，（5）a=1,b=25，（6）a=1,b=50，（7）a=1,b=100，（8）a=6,b=20，（9）a=6,b=25，对应的频域区间分别为F1∈[0HZ,2.60HZ]，F2∈[0HZ,5.85HZ]，F3∈[0HZ,9.11HZ]，F4∈[0HZ,12.36HZ]，F5∈[0HZ,15.61HZ]，F6∈[0HZ,31.87HZ]，F7∈[0HZ,64.39HZ]，F8∈[3.25HZ,12.36HZ]，F9∈[3.25HZ,15.61HZ]，图9给出了不同频域区间8种能量模型的平均准确率。可以看出E3、E5、E7三个模型的稳定性最佳，在最优频域区间（F8）内都能得到理想的分类结果；E1、E4次之，但在最优频域区间内，E1模型能得到理想的分类结果，且计算量最小；E2、E6效果最差，对不同频域区间的适应能力差，但在最优频域区间（F8）内仍能得到理想的结果。图9还表明本方法存在最优频域区间，在最优频域区间内，通过频域谱能量模型能够进行车型分类。工程中离线找到最优频域区间后，可优先考虑E1或E3模型进行车型分类，既准确、计算量又小。本步骤所得结果说明本发明提出的车型分类方法能够应用到实际工程中。

Claims (2)

1.一种基于地磁传感器的频域谱能量车型分类方法，其特征是该方法包括以下步骤：

步骤1：利用地磁传感器提取车辆波形信号，对每个车辆波形标准化处理,针对每个标准化处理后的车辆波形，再利用快速离散傅里叶变换得到每个车辆的频谱；

所述车辆波形标准化处理，是通过线性插值算法把车辆波形映射到设定范围的横轴区间内和设定范围的纵轴区间内，即在横轴均匀插值，使每个车辆波形有相同的采样点数，再把纵轴均匀映射到具有相同数值区间；

步骤2：分析车辆频谱在不同频域区间的分布特征，定义M种谱能量模型，对不同车型进行分类，其中，M为设定值；

所述谱能量模型为：其中：E为谱能量，f_n为某标准化车辆波形对应的第n个采样的频谱幅值；n为车辆波形频谱幅值采样序列索引值，n为正整数；k为频谱幅值f_n的指数；w(n)为频谱幅值f_n的权值；a和b分别为最优频域区间内对应的频谱幅值采样序列起始索引值和终止索引值，a≤b且a,b∈n；

步骤3：利用最优频域区间查找算法得到适用于不同车型分类标准的最优频域区间或最优频域区间组合后，给出基于M种谱能量模型在最优频域区间或最优频域区间组合下的车型分类结果；

步骤4：分析车型分类结果，在M种谱能量模型中选择需要的谱能量模型。

2.根据权利要求1所述的一种基于地磁传感器的频域谱能量车型分类方法，其特征在于，步骤3中所述最优频域区间查找算法步骤如下：

（1）初始化算法参数，包括初始准确率、频域区间起点；

（2）计算任意频域区间内的能量；

（3）利用谱能量模型计算任意区间内的平均分类准确率；

（4）具有最大平均准确率的区间标识为最优频域区间。