CN106408954A - 车辆停车检测系统及方法 - Google Patents

Abstract

本发明公开了一种车辆停车检测系统，包括：传感器单元，路由器和网关设备。本发明还提供了一种车辆停车检测方法。与现有技术相比，本发明在车辆经过AMR传感器上方时，通过AMR传感器探测车辆干扰地磁的信号强度，并反馈当前停车位信息以传输给路由器，然后通过路由器将停车位信息反馈给网关设备上传到互联网，以实现用户远程登录对停车位信息进行管理。本发明通过AMR传感器探测采集干扰地磁的信号时，根据车辆的不同状态对采集到的信号进行抗干扰处理，以提高检测的准确性。

Description

车辆停车检测系统及方法

技术领域

本发明属于车辆停车检测技术领域，具体涉及的是一种基于AMR(各向异性磁阻)传感器的车辆停车检测系统及方法。

背景技术

随着人们生活水平的提高，汽车已经成为家庭用户的大众消费品，随之而来的是汽车保有量激增而带来的交通问题。由于城市道路及停车场等基础设施建设的滞后，导致了停车紧张问题，而目前停车难主要包括停车位资源短缺、违章停放、停车设施利用率低、管理存在盲点以及停车管理信息化程度不高等因素。

而通过对停车位的有效管理，可以有效缓解停车难的问题，但是目前停车场对于车辆的停车管理主要是采用超声波检测、红外检测、环形线圈检测以及视频检测等方式。

超声波检测的检测范围呈锥形，容易受到车高、车型、环境等变化因素的影响。尤其是当出现车辆拥挤、噪声杂波、大风、暴雨或者有物或人通过探头的下方等情况时，其产生的反射波就会造成误检，因此这种检测方式的准确性不高。红外检测容易受到环境影响，比如温度或热源，当工作现场出现冰雪、雾、灰尘及人员的通过等情况就会影响其正常使用，因此其检测的灵敏度不高。环形线圈检测埋设在地下的线圈会跟随路面的变形而发生变形，当路面质量较差时，会影响埋设在地下线圈的使用寿命，加快其老化，而且线圈老化也会检测效果。

发明内容

为此，本发明的目的在于提供一种准确、灵敏度高、使用寿命长，且稳定可靠的车辆停车检测系统及方法。

为实现上述目的，本发明主要采用以下技术方案：

一种车辆停车检测系统，包括：

多个传感器单元，每个传感器单元安装在一个地面停车位处，所述的传感器单元用于在车辆经过其上方时，探测车辆干扰地磁的信号强度，并反馈当前停车位信息以传输给路由器；

若干路由器，所述每个路由器与在其无线连接范围内的传感器单元无线通信连接，用于获取传感器单元反馈的停车位信息，并将该停车位信息反馈给网关设备；

一网关设备，与若干路由器无线联接，用于获取来自路由器的反馈信息，并将其上传到互联网。

优选地，所述传感器单元包括传感器模块、第一无线通讯模块、微处理器和电源模块，所述传感器模块、第一无线通讯模块、微处理器分别与电源模块电联接，所述传感器模块、第一无线通讯模块分别与微处理器之间通讯连接

优选地，所述传感器模块为各项异性磁阻传感器。

优选地，所述路由器中设置有第二无线通讯模块，所述网关设备中设置有第三无线通讯模块。

优选地，所述第一无线通讯模块、第二无线通讯模块、第三无线通讯模块均为ZIGBEE模块。

另外，本发明还提供了一种车辆停车检测方法，包括：

车辆经过传感器单元上方时，传感器单元探测车辆干扰地磁的信号强度，并根据信号强度判断当前停车位是否空闲，同时将停车位是否空闲的信息发送给路由器；

路由器获取来自传感器单元停车位是否空闲的信息，并将该信息反馈给网关设备；

网关设备汇总来自路由器停车位是否空闲的信息，并上传到互联网。

优选地，车辆经过传感器单元上方时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对该信号进行抗干扰处理，以判断该停车位是否为空闲。

优选地，当车辆驶入或驶离停车位，经过传感器单元上方时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对该信号采用中值滤波法进行抗干扰处理，以判断该停车位是否为空闲；

当无车辆或处于停车状态时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对该信号采用均值滤波法进行抗干扰处理，以判断该停车位是否为空闲。

优选地，车辆经过传感器单元上方时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对通过对自适应基线进行调整，以判断该停车位是否为空闲；

其中自适应基线调整利用如下加权函数：

上式中，(k)是自适应基线，是加权系数，m(k)是经过滤波后的信号值。

优选地，所述自适应基线调整过程中利用如下公式对基线进行温度补偿处理：

其中，(k)为补偿因子，(r)为自测值；

之后根据公式：

对补偿因子(k)进行均值处理，得到精确补偿因子(k)；

最后将当前基线结合补偿因子，得到温度补偿后的基线(s)

B_i(s)＝γ_i(k)*B_i(k)。

与现有技术相比，本发明在车辆经过AMR传感器上方时，通过AMR传感器探测车辆干扰地磁的信号强度，并反馈当前停车位信息以传输给路由器，然后通过路由器将停车位信息反馈给网关设备上传到互联网，以实现用户远程登录对停车位信息进行管理。本发明通过AMR传感器探测采集干扰地磁的信号时，根据车辆的不同状态对采集到的信号进行抗干扰处理，以提高检测的准确性。

附图说明

图1为本发明车辆停车检测系统的原理框图；

图2为本发明车辆停车检测系统中传感器单元的原理框图；

图3为本发明路由器与其无线连接范围内的传感器单元的连接状态示意图；

图4为为传感器单元中微处理器芯片外设连接原理图；

图5为传感器单元中AMR传感器的接口电路图；

图6为传感器单元中电源模块的电路原理图；

图7为本发明车辆停车检测方法的流程示意图；

图8为本发明动态阈值更新的流程图；

图9为本发明简化的状态机检测分析流程图；

图10为本发明协同决策停车检测车位分布图；

图11为本发明协同决策停车检测的流程图。

具体实施方式

本发明的核心思想是：在停车位地面安装AMR传感器，且AMR传感器与路由器、网关设备自组织构成无线网络。当车辆需要停车驶入停车位或从停车位驶出经过AMR传感器时，AMR传感器会对应获取车辆产生的地磁感应信号，并对该信号进行处理，通过无线网络发送给路由器，而路由器经过转发将该信息经过网关设备上传到互联网，而连接到互联网的用户则可以通过登录网关设备的方式对停车场当前的车位信息进行信息化管理。

为阐述本发明的思想及目的，下面将结合附图和具体实施例对本发明做进一步的说明。

请参见图1所示，图1为本发明车辆停车检测系统的原理框图。本实施例提供了一种车辆停车检测系统，其包括有相互之间无线连接的传感器单元100、路由器200和网关设备300。

其中传感器单元100，用于在车辆经过其上方时，探测车辆干扰地磁的信号强度以及采集车辆经过时的感应信号，并对该感应信号进行分析处理，判断该该车辆是否停放在传感器单元100所在的停车位区域，同时反馈车辆的停车信息给路由器200；

路由器200，与所述传感器单元100无线通信连接，用于获取传感器单元100反馈的车辆停车信息，并将信息发送给网关设备300；

网关设备300，与路由器200无线联接，用于获取来自路由器200的反馈信息，并将其上传到互联网，以便于用户端通过互联网登录网关设备300，对当前停车信息进行查看及管理。

需要说明的是，这里所述的用户端包括但不限于远程PC、手机等智能终端设备，而作为手机用户端可以通过专用的APP软件，自动登录以查看具体的停车位信息，以方便停车管理。

如图2所示，图2为本发明车辆停车检测系统中传感器单元的原理框图。所述的传感器单元100包括有传感器模块101、第一无线通讯模块103、微处理器102和电源模块104，所述传感器模块101、第一无线通讯模块103、微处理器102分别与电源模块104电联接，通过电源模块104供电。

传感器模块101、第一无线通讯模块103分别与微处理器102之间通讯连接。

其中，所述传感器模块101为AMR传感器，即各项异性磁阻传感器，主要用于采集信息，当一辆汽车经过带有AMR传感器上方时，会对这一区域的磁场有比较大的瞬间影响，外部磁场的改变会导致传感器的输出值发生变化；当车辆离开目标区域后，磁场恢复原来状态。

其中，所述第一无线通讯模块103为ZIGBEE模块。通过ZIGBEE模块构建的ZIGBEE无线通信网络可通过路由节点将信号无线传输到路由器。把路由器接入到PC机或者网关设备，最终都可以在PC机中完成数据的处理、指令的下发、信息的发布等，还可以利用互联网实现远程传输。

微处理器102带有芯片处理器模块，主要用于处理数据；

电源模块104带有稳压芯片，主要为传感器模块101、第一无线通讯模块103、微处理器102供电。其采用3.6V干电池提供整个节点所需要的能量。

AMR传感器感知车辆干扰地磁信号，输出数字信号到微处理器102。在微处理器102上的各个芯片根据各自的算法对数据进行整合处理，并且储存采集的信号数据，同时把有用的信息转发给路由器200。

另外，需要说明的是，为了实现传感器单元100、路由器200和网关设备300无线组网，路由器200中设置有第二无线通讯模块，网关设备300中设置有第三无线通讯模块，通过第一无线通讯模块、第二无线通讯模块及第三无线通讯模块之间的无线通讯连接，可以实现传感器单元100、路由器200和网关设备300之间的信息传输。而所述的第二无线通讯模块和第三无线通讯模块与第一无线通讯模块相同，均为ZIGBEE模块。

如图3所示，图3为本发明路由器与其无线连接范围内的传感器单元的连接状态示意图。其中传感器单元100为多个，且在每个停车位的位置地面上均安装有一个。

而所述的路由器200在一定的区域范围内有一个，其可以覆盖或者辐射多个传感器单元100，即在一定的区域内只有一个路由器200，而传感器单元100有多个。

在上述区域范围内的传感器单元100均可以探测并采集车辆信息，并经过一个路由器200发送给网关设备300。

如图4所示，图4为为传感器单元中微处理器芯片外设连接原理图。本实施例中采用的微处理器为CC2530，CC2530微处理器为高性能集成处理器，其可以进行数据处理，又可以发送和接受命令信号。

本实施例中CC2530微处理器还集成有无线射频功能，因此可以建立强大的无线网络节点，CC2530微处理器采用标准的增强型8051内核，拥有8KB的RAM，可编程闪存。其闪存版本有四种，分别是CC2530F32/64/128/256。

另外，CC2530有不同的运行模式，分别是主动模式RX(接收数据)，功耗约为24mA；主动模式TX(发送数据)，功耗约为29mA；供电模式1(唤醒)，功耗约为0.2mA；供电模式2(睡眠状态，只有定时器运行)，功耗约为1μA；供电模式3(只有外部中断)，功耗约为0.4μA。其中休眠模式时具有超低的功耗，再加上无线传感器通常是周期性采集特点，这种休眠功耗使得一个节点的持续工作时间非常久，无需经常更换电池。

CC2530通过简单的四线引脚与SPI兼容串行接口配置。为了用于数据信息的接受和发送，在正常工作中，在晶体振荡器使用方面该芯片需要32MHz的参考时钟。可以有两种方式的参考时钟。内部自带的晶振时钟，也可以在外部引脚连接一个32MHz的时钟晶振。在选用外部晶体振荡时,晶振输入为管脚XOSC_Q1,悬空管脚XOSC_Q2即可；相反当使用内部晶体振荡时，在管脚XOSC_Q1和管脚XOSC_Q2，两个引脚之间串接一个晶振。

如图5所示，图5为传感器单元中AMR传感器的接口电路图。本实施例中AMR传感器采用的是HMC5883L芯片。HMC5883L芯片是三维的各向异性AMR传感器，它是基于霍尼韦尔技术原理，封装大小为3.0×3.0×0.9mm LCC表面装配,具有12bit的ADC模块，能在±8高斯的磁场中实现2毫高斯分辨率。

如图6所示，图6为传感器单元中电源模块的电路原理图。本实施例中采用的电源模块为TPS780300250芯片，TPS780300250芯片是一款低压降型的稳压芯片，该芯片的最大允许输入电压为5.5V，输出电压为恒定3V/2.5V，其VSET引脚与CC2530的P2_0相连。芯片要是想设置为输出3V，那就把P2_0接为低电平即可，同理要是想输出2.5V，就把P2_0接为高电平。另外,节点的设计采用双电源供电模式。节点可以接内置电源，通常使用5号3.6V的干电池，另外一种是外接5V直流电源。

以上是对本发明车辆停车检测系统的说明，下面结合附图7对本发明车辆停车检测方法做进一步的描述。

请参见图7所示，本发明还提供了一种车辆停车检测方法，其具体包括如下步骤：

S1、车辆经过传感器单元上方时，传感器单元探测车辆干扰地磁的信号强度，并根据信号强度判断当前停车位是否空闲，同时将停车位是否空闲的信息发送给路由器；

其中车辆经过传感器单元上方的过程包括有车辆的驶进，停留到驶出的过程。而对于该过程中产生的信号为了保证探测和采集信号的准确性，需要对其进行抗干扰处理，因此本实施例也对应通过车辆信号的预处理、基线调整、阈值获取、状态机检测、协同决策以及功耗的优化处理等方式进行处理，以提高抗干扰性能。

本实施例将分别结合上述方式进行说明。

1、车辆信号的预处理：由于背景信号复杂多变，磁阻传感器采集到的信号往往带有明显的毛刺现象，这会给检测的准确度带来一定的影响，因此在设计检测算法时，需要对采集到的原始信号进行滤波处理，滤波处理常用的方法有中值滤波和均值滤波。

均值滤波指的是对采集的数据求和，求其平均值，一般的做法可以连续采样n次，求这n个数据的平均值作平滑处理。均值滤波对波动不大的信号有很好的去毛刺作用，使得信号平滑，有利于削弱原始信号的高频干扰，但对大波动的干扰信号效果不好。

中值滤波法，即对所采集到的连续一组数据进行按值大小排序，取其中间值作为处理结果。中值滤波对低频的大干扰具有很好的抑制作用，从面大大减少了偶然因素引起的波动，但在平滑方面相比均值滤波略显逊色。

考虑到车辆检测系统信号的特殊性：在车辆驶入与驶出时磁信号抖动比较大，这是由于发动机仍处于运行状态，对车位上面的检测节点所检测到的磁场有很大的影响；而当车辆离开车位或已经稳定停靠在车位上方，发动机熄灭一段时间后，信号基本处于稳定状态。因此，本文采用结合中值滤波法与均值滤波两种处理方法，在车辆驶入与驶离阶段采用中值滤波方法，在无车状态与稳定停车状态采用均值滤波方法，这样可以达到很好的去毛刺效果。

2、带温度补偿的自适应基线调整：由于节点性能的不稳定性，就算在没有车辆干扰的情况下，传感器的输出偶然也会发生漂移现象。因此，在设计算法时，提出在没有检测时间段，让基线重新标定，具体的实现方法是利用一个加权函数，如下式：

上式中，(k)是自适应基线，是加权系数，m(k)是经过滤波后的信号值。从上式可以知道，只要把设定为一个较合理的值，基线就会不断地进行调整，通常设置为0.02-0.1之间比较好，基线调整缓慢，抗干扰能力好。

另一方面，由于传感器对温度比较敏感，使得基线发生漂移，因此，有必要对基线进行温度补偿处理。其处理原理主要是通过传感器自身的自测功能实现的，在没进入检测状态时，让传感器隔一段时间就进行调整一次，进入自测状态，当前的自测值为(r)，则补偿因子(k)可由下式求得。

为了更精确补偿因子，对补偿因子(k)进行均值处理，得到精确补偿因子(k)，如下：

最后，将当前基线结合补偿因子，即可得到温度补偿后的基线(s)。经过温度补偿后，基线更加的平稳，有利于发现由于车辆驶入引起的突变。

B_i(s)＝γ_i(k)*B_i(k)。

3、动态阈值获取：HMC5883L三轴磁阻传感器，通过多次实地实验，把阈值设定为30counts～50counts时，既可识别到一般的车辆，也不至于说检测不到车辆的存在。但这样的检测系统，其检测精确度往往受到限制，因为很难穷尽所有车辆，如果换一个场合，车型相差比较大，这样的设定就显得不太科学。根据这种现象，本实施例提出了动态阈值获取的方法，将阈值的初始值设定为50counts，在此基础上，与过去一段时间的干扰叠加，成为新的阈值，具体实现过程如下：在无车状态下，以T为周期，对T时间内出现的各种干扰信号进行排序，取其中值，那么新的阈值就是50counts与中值干扰信号的叠加，若新的阈值比它大则更新，相反，比它小则不进行阈值的更新。动态阈值更新的流程图如图8所示。

本实施例运用动态阈值更新算法，可使车辆检测系统的准确率越来越高，拓宽了算法的应用场合，对于整个算法有较好的影响，能够很好的弥补阈值初始化时比较主观的取值思想。但是在初始化阈值时，必须要进行大量的实验，依据客观实在的数据作为前提。

4、简化的状态机检测分析：状态机检测算法最大的特点是把各个检测状态明确区分开来，什么时候进入此状态，什么时候离开彼状态都一清二楚，这种思想在车辆检测系统中尤其适合于车流量统计，可以有效消除相邻车道以及其他噪声信号的干扰，使得算法具有更好的鲁棒性，缺点是它往往带有一定的滞后性。

在简化的状态机中，本实施例设置为三个状态，一种是算法的初始化状态，这种状态下，算法快速对原始信号进行滤波处理，并对阈值和基线初始化；进入检测状态，此为无车状态，算法在一定时间里会自动更新基线和阈值，包括自适应的带温度补偿的基线调整和动态阈值获取；当检测到的信号连续超出阈值一定的次数，判断为有车状态，当低于阈值后，算法退出有车状态，重新进入无车状态这里的状态变化判别不能简单地认为超出阈值就马上进入有车状态；低于阈值也进入无车检测状态，因为还需要其他的算法，确保实际上真的有车或无车。

这样，算法不断地在有车状态和无车状态下进行循环切换，每一次切换就是一次车流量统计，同时也可以精确地知道车辆经过与离开的时间，为基于无线传感器网络的车速估计提供了算法基础。如图9所示。

5、协同决策停车检测：由于传感器节点探测的磁信号具有不完整性，而且节点之间的信息具有关联性，不同部署方法下节点信息关联度不同。中间部署法和两端部署法下，单节点可以实现停车检测，但在低信噪比下，必须与信息关联节点协同才能判断，边界部署法下，节点间必须进行协同，才能对停车进行准确判断。

针对中间部署法的节点间协同方法进行说明如下：将车辆分为以下三类：强磁信号、中磁信号和弱磁信号。强磁信号和中磁信号都会带来非常明显的磁场突变，容易分辨。但强磁信号车辆会干扰到相邻车位的磁场，并与弱磁信号造成磁场无法分辨。这种情况下，需要协同信息处理才能解决。

协同的思路为：节点对数据进行本地计算，设置较大的阈值，该阈值可以准确检测到强磁信号和中磁信号车辆的停靠，对于出现弱磁信号车辆情况下，则相邻节点间进行协同判断。给定A、B、C、D、E为顺序排列的相邻车位，如图10所示。

对于车位C的一种初步协同处理思路，其中磁信号的比较都是取自同一时间段内的特征数据，协同算法过程为：设定车位C上没有车辆停靠，当中间车位检测到有信号变化时，对此信号大小进行判别，若小于阈值，则认为是干扰信号，车位仍然为空闲状态。若此信号高于阈值，则判别到底是实际上来的车还是旁边车位来了一辆强磁作用的车辆，此时将车位C与相邻车位B与D进行协同，如果B或D车位上的检测节点没有检测到比C更强的信号变化，则认为是车位C上确实来了一辆车，否则再将C与A和E协同。假设是由于车位B或D来了一辆强磁作用的车辆，那么它必然会对相邻的车位AC或CE有相同的信号影响，若有，则车位C并没来车，只是隔壁来了一辆强磁作用车辆带来的干扰。否则，认为C是来车的。协同流程图如图11所示。

协同处理算法在很大程度上解决了停车检测中由于强磁干扰造成的误判问题，是高精确度停车检测系统的重要算法。

6、功耗优化处理：由于微处理器处理器有几种工作模式，其中影响传感器节点能量消耗是主要原因是数据的发送、侦听和采样。采样的平均电流是10mA，一次采样时间大约是6ms(与传感器的类型和具体设置有关)。从实验发现，车辆进入传感器感知范围到停稳所需要的集中在5秒-60秒之间，有的需要时间更长，在车辆停稳后，地磁信号通常是稳定的。

针对这种现象，本实施例提出了一种自适应的采样机制，当地磁信号稳定时以较慢的频率采样，减少能量的消耗；当地磁信号出现波动时以成倍的方式增加采样频率，直到一个最大的值。反之，当地磁信号同波动趋于平稳时则逐渐减小采样频率，直到一个最小值。

理论上计算节点电池供电可以维持至少5年以上的生命周期，在实际系统中发现少部分节点生命周期不足半年或更短，除了电池因素外，需要找到节点能耗过快的原因。对传感器节点执行每种任务的能耗进行监控，对控制包(Beacon)、包、指令包的收发，以及传感器的采样时间、MCU处于工作状态的时间等方面进行统计，并将这些统计数据发送到基站或存储在flash中，用于分析能量消耗的原因及制定能耗异常处理策略。例如，曾经发现有以下异常现象：部分车辆发动机的运转会导致磁信号的变化，在一次监测中，车辆停泊后，一直没有关闭发动机，磁信号也在一定的范围内周期性抖动，根据自适应采样机制，传感器节点在信号波动时将一直维持快速采样，导致了节点能耗的增加。

结合上述车辆信号的预处理、基线调整、阈值获取、状态机检测、协同决策以及功耗的优化处理等处理方式，可以使本发明检测的准确度提高，而且有效提高了检测的可靠性、灵敏度。因此采用上述方式具有温度稳定性好，对非磁铁物质无反应，受气候影响小、抗干扰能力强等优点。

S2、路由器获取来自传感器单元停车位是否空闲的信息，并将该信息反馈给网关设备；

S3、网关设备汇总来自路由器停车位是否空闲的信息，并上传到互联网。

以上是对车辆停车检测系统及方法进行了详细的介绍，本文中应用了具体个例对本发明的结构原理及实施方式进行了阐述，以上实施例只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种车辆停车检测系统，其特征在于，包括：

多个传感器单元，每个传感器单元安装在一个地面停车位处，所述的传感器单元用于在车辆经过其上方时，探测车辆干扰地磁的信号强度，并反馈当前停车位信息以传输给路由器；

若干路由器，所述每个路由器与在其无线连接范围内的传感器单元无线通信连接，用于获取传感器单元反馈的停车位信息，并将该停车位信息反馈给网关设备；

一网关设备，与若干路由器无线联接，用于获取来自路由器的反馈信息，并将其上传到互联网。

2.如权利要求1所述的车辆停车检测系统，其特征在于，所述传感器单元包括传感器模块、第一无线通讯模块、微处理器和电源模块，所述传感器模块、第一无线通讯模块、微处理器分别与电源模块电联接，所述传感器模块、第一无线通讯模块分别与微处理器之间通讯连接。

3.如权利要求2所述的车辆停车检测系统，其特征在于，所述传感器模块为各项异性磁阻传感器。

4.如权利要求2所述的车辆停车检测系统，其特征在于，所述路由器中设置有第二无线通讯模块，所述网关设备中设置有第三无线通讯模块。

5.如权利要求4所述的车辆停车检测系统，其特征在于，所述第一无线通讯模块、第二无线通讯模块、第三无线通讯模块均为ZIGBEE模块。

6.一种车辆停车检测方法，其特征在于，包括：

车辆经过传感器单元上方时，传感器单元探测车辆干扰地磁的信号强度，并根据信号强度判断当前停车位是否空闲，同时将停车位是否空闲的信息发送给路由器；

路由器获取来自传感器单元停车位是否空闲的信息，并将该信息反馈给网关设备；

网关设备汇总来自路由器停车位是否空闲的信息，并上传到互联网。

7.如权利要求6所述的车辆停车检测方法，其特征在于，车辆经过传感器单元上方时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对该信号进行抗干扰处理，以判断该停车位是否为空闲。

8.如权利要求7所述的车辆停车检测方法，其特征在于，

当车辆驶入或驶离停车位，经过传感器单元上方时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对该信号采用中值滤波法进行抗干扰处理，以判断该停车位是否为空闲；

当无车辆或处于停车状态时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对该信号采用均值滤波法进行抗干扰处理，以判断该停车位是否为空闲。

9.如权利要求7所述的车辆停车检测方法，其特征在于，

车辆经过传感器单元上方时，传感器单元探测并采集车辆干扰地磁的信号强度，然后对通过对自适应基线进行调整，以判断该停车位是否为空闲；

其中自适应基线调整利用如下加权函数：

上式中，(k)是自适应基线，是加权系数，m(k)是经过滤波后的信号值。

10.如权利要求9所述的车辆停车检测方法，其特征在于，所述自适应基线调整过程中利用如下公式对基线进行温度补偿处理：

${\mathrm{\μ}}_i\left(k\right)=\frac{s_i\left(r\right)}{s_i\left(n\right)},i\∈(x,y,z)$

其中，(k)为补偿因子，(r)为自测值；

之后根据公式：

${\mathrm{\γ}}_i\left(k\right)=\frac{{\mathrm{\μ}}_i\left(k\right)+{\mathrm{\μ}}_i\left(k-1\right)+...+{\mathrm{\μ}}_i\left(k-m+1\right)}{m}$

对补偿因子(k)进行均值处理，得到精确补偿因子(k)；

最后将当前基线结合补偿因子，得到温度补偿后的基线(s)

B_i(s)＝γ_i(k)*B_i(k)。