CN107730895B - 一种埋入式道路车辆类型识别系统和方法 - Google Patents
一种埋入式道路车辆类型识别系统和方法 Download PDFInfo
- Publication number
- CN107730895B CN107730895B CN201711015021.0A CN201711015021A CN107730895B CN 107730895 B CN107730895 B CN 107730895B CN 201711015021 A CN201711015021 A CN 201711015021A CN 107730895 B CN107730895 B CN 107730895B
- Authority
- CN
- China
- Prior art keywords
- vibration
- optical fiber
- vehicle
- sensing
- sensing optical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000013307 optical fiber Substances 0.000 claims abstract description 175
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 230000007704 transition Effects 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 19
- 238000001845 vibrational spectrum Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 239000004567 concrete Substances 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000005284 excitation Effects 0.000 claims description 6
- 239000004568 cement Substances 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 239000002184 metal Substances 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 239000011384 asphalt concrete Substances 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 239000000835 fiber Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004804 winding Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及道路工程领域，特别是涉及一种埋入式道路车辆类型识别系统和方法。本发明提供一种埋入式道路车辆类型识别系统，包括路面结构本体，所述路面结构本体中设有振动传感光纤，所述振动传感光纤包括一个或多个振动传感光纤传感段，各振动传感光纤传感段之间通过振动传感光纤过渡段连接，还包括振动光纤分析装置，所述振动光纤分析装置与振动传感光纤通过光纤引出线相连接。本发明通过DOVS（分布式光纤振动感知系统）针对车型识别技术的需要，提供了一种新型的、准确的、可大范围识别的基于振动感知的道路车辆类型识别方法、装置及其系统。
Description
技术领域
本发明涉及道路工程领域，特别是涉及一种埋入式道路车辆类型识别系统和方法。
背景技术
道路行驶车辆的自动检测和识别是智能交通系统中重要组成部分。在交通规划阶段，对调查交通流进行车型识别可为交通统计提供更可靠的依据，也有利于制定更科学合理的交通规划；在道路交通监测与控制领域，收费站、停车场等方面也对车型识别有着大量的应用需求；此外车型识别还可为交通事件的处理、车辆的跟踪提供证据与帮助。
为构建一个高效、便捷的车辆识别系统，必须保证较高的识别精度、耐久性以及安装的便捷性。目前针对自动化车型识别技术，主要集中在三类方法：基于图像的识别，基于声音特征的识别和基于埋入式传感器的识别。图像识别采用普通摄像头或红外摄像头对车辆轮廓进行采集和识别，能够较为准确地判定车辆类型，但在夜间和低可视度的条件下效果不佳；声音特征的识别采用麦克风等设备进行数据采集和识别，但其受环境噪声影响较大，无法适用于多车道、大流量状况下的车型识别；基于埋入式传感器的方法是目前主流的车型识别方法，包括地感线圈、压电传感器、地磁传感器以及加速度传感器，此类传感器中，地感线圈较为廉价，但是识别精度有限，另几种传感器则存在组网不便、寿命有限以及价格昂贵等缺陷，可靠性不佳。
因此，为便于实时交通管理与控制，需要一种可靠性更高、组网更便捷的道路车辆类型识别系统和方法。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种埋入式道路车辆类型识别系统和方法，用于解决现有技术中的问题。
为实现上述目的及其他相关目的，本发明第一方面提供一种埋入式道路车辆类型识别系统，包括路面结构本体，所述路面结构本体中设有振动传感光纤，所述振动传感光纤包括一个或多个振动传感光纤传感段，各振动传感光纤传感段之间通过振动传感光纤过渡段连接，还包括振动光纤分析装置，所述振动光纤分析装置与振动传感光纤通过光纤引出线相连接。
在本发明一些实施方式中，所述振动传感光纤为单模光纤。
在本发明一些实施方式中，所述振动传感光纤为金属铠装光纤。
在本发明一些实施方式中，所述振动传感光纤的直径为2～5mm。
在本发明一些实施方式中，所述振动传感光纤的长期允许拉伸力≥600N，短期允许拉伸力≥1500N。
在本发明一些实施方式中，所述振动传感光纤的衰减≤0.2db/Km。
在本发明一些实施方式中，所述振动传感光纤包括多个振动传感光纤传感段，各振动传感光纤传感段之间的间距≥0.2m且≤0.5m。
在本发明一些实施方式中，所述振动传感光纤传感段为螺旋形，螺旋形的长轴竖直分布，振动传感光纤传感段长轴方向的高度为5～20mm，振动传感光纤传感段的直径为250-350mm，每个振动传感光纤传感段中光纤的长度≥4m且≤6m。
在本发明一些实施方式中，所述路面结构本体中设有多排振动传感光纤传感段。
在本发明一些实施方式中，所述振动传感光纤传感段在车道宽度方向均匀分布，覆盖率为2～3个/米。
在本发明一些实施方式中，所述路面结构本体中按车道的长度方向布设有2～3排振动传感光纤传感段，各排振动传感光纤传感段之间的间距为3～10m。
在本发明一些实施方式中，所述路面结构本体为水泥混凝土铺面、沥青混凝土铺面或复合型铺面结构中的一种或多种的组合；
在本发明一些实施方式中，所述路面结构本体中设有多排振动传感光纤传感段，至少部分的振动传感光纤传感段依次串联。
本发明第二方面提供一种道路车辆类型识别方法，使用所述的埋入式道路车辆类型识别系统埋入式道路车辆类型识别系统，包括如下步骤：
1)采用所述的埋入式车型识别系统，通过振动光纤分析装置采集车辆经过时的路面结构振动数据；
2)对各振动数据组进行特征提取；
3)依据上述车辆的特征信息，对行驶车辆进行分类。
在本发明一些实施方式中，所述步骤2)中，所述特征选自行驶车辆的移动速率、轴型、轮型、轴距及振动频谱分布特征中的一种或多种的组合。
在本发明一些实施方式中，所述步骤3)中，用于对行驶车辆进行分类的特征信息为轴型和/或振动频谱分布特性。
在本发明一些实施方式中，所述步骤2)中，对各振动数据组进行特征提取的方法具体包括如下步骤：
a)将同一横断面内测点所观测的原始振动数据编入同一振动数据组，并进行经验模态分解(EMD)，获得多个经EMD处理后的振动分量；
b)叠加特定阶数的振动分量，获得叠加后的振动曲线fr(t)(x轴为时间，y轴为振动强度)：
其中IMFi1为EMD处理后第i1阶的振动分量，n1和m1为特定阶数的最低阶数和最高阶数。
c)计算单位时间(τ)内振动数据的平方和作为该段时间内的短时能量，依此得到振动短时能量的时程曲线E(T)(x轴为时间，y轴为振动短时能量)：
其中单位时间τ即为短时能量分析时间帧长度，初始值可以设置为0.5s；
d)设定车辆振动能量判定阈值，用于判定车辆是否经过的短时能量时程曲线中满足该阈值要求的部分视为因行驶车辆激励产生的振动时段[T1,T2]。随后从叠加的振动曲线fr(t)截取出该时段内的振动曲线fr’(t)；
e)根据车辆在相邻测量断面激励起振的时间差，求得该车辆移动速率为：
其中，L为相邻断面的间距；Δt为时间差；
f)依据行驶车辆的最小轴距(即下面公示中的S)，计算确定用于轴型特征识别的短时能量分析时间帧长度为：
其中，v表示车辆移动速率；S为联轴轴距，通常取1m；
g)对截取的振动曲线fr’(t)进行归一化处理，得到归一化后的振动曲线fn(t)：
依据用于轴型特征识别的短时能量分析时间帧长度，计算归一化后的振动曲线fn(t)的短时能量时程曲线E’(T)。设定轴型识别阈值并确定满足阈值要求的曲线波峰数量，依据波峰数量判断行驶车辆轴型，再依据波峰间的距离确定轴距；
h)参照步骤a)-g)，计算车辆前后轴经过同一测量断面时各振动传感光纤传感段内的截取后的短时能量分布曲线，在单个测量断面内，将振动传感光纤传感段依据车辆行驶方向从左往右进行排序，并依此定义振动光纤传感段的序数，分别计算不同轴经过时的最大短时能量值，记为E(i2,j2)，其中i2为车轴的序数，j2为振动光纤传感段的序数；
i)以前轴为基准，计算每个振动光纤传感段内车辆后轴与前轴最大短时能量值的比值，记为Er(i3)，其中i3＝1,2,3……n，n为单个测量断面上传感段的数量，计算Er(i3)的标准差以衡量前后轴在同一断面内引起的振动差异，设定轮型判定阈值，标准差超过该阈值，则说明该轴型为双轮组，反之则为单轮组；
j)采用时频分析手段获得截取的振动曲线fr’(t)的频谱分布，获得信号的幅频特性在时间上的分布特性S(f,t)(x轴为时间，y轴为频率，z轴为振动幅值)，对幅频分布数据在时间方向(x轴)上进行叠加，叠加结果作为车辆振动响应的幅频曲线S(f)(x轴为频率，y轴为振动幅值)；
k)截取对车辆振动响应敏感的频段为特征频段，计算该频段内的加权频率fw以表征车辆振动响应的频谱分布特征，计算方法为：
其中，fh和fl分别为特征频段的上下截止频率。
在本发明一些实施方式中，所述道路车辆类型识别方法中，还对行驶车辆进行车型识别先验参数训练；
在本发明一些实施方式中，所述道路车辆类型识别方法中，还对行驶车辆进行车型识别概率判别。
在本发明一些实施方式中，对行驶车辆进行车型识别先验参数训练过程中，将获得到的行驶车辆移动速率、轴距、振动频谱分布特征过支持向量机进行参数训练。
在本发明一些实施方式中，对行驶车辆进行车型识别概率判别的过程中，依据计算获得的行驶车辆轴的数量、轴距将行驶车辆分为“中小型客车”、“大型货车”、“大客车或中小型货车”三类，提取行驶车辆的移动速率、轴距、振动频谱特征，按照联合概率判别方法进行判别，将“大客车或中小型货车”进一步区分为“双轴大客车”和“双轴货车”两类。
附图说明
图1显示为本发明埋入式振动传感光纤主视图。
图2显示为本发明埋入式振动传感光纤俯视图。
图3显示为本发明埋入式道路车辆类型识别系统结构示意图。
图4显示为本发明埋入式车型识别方法流程图。
图5显示为本发明埋入式车型识别方法行驶车辆移动速率提取流程图。
图6显示为本发明埋入式车型识别方法行驶车辆轴型及轴距提取流程图。
图7显示为本发明埋入式车型识别方法轮型提取流程图。
图8显示为本发明埋入式车型识别振动频谱特性提取流程图。
图9显示为实施例中EMD分解示意图。
图10显示为实施例1中一辆双轴货车及四轴货车的短时能量分布曲线图。
图11显示为实施例2中埋入式振动测量装置的排布示意图。
元件标号说明
1 振动传感光纤
11 振动传感光纤传感段
12 振动传感光纤过渡段
2 振动光纤分析装置
3 光纤引出线
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
请参阅图1至图9。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
如图1-图3所示，本发明提供一种埋入式道路车辆类型识别系统，包括路面结构本体，所述路面结构本体中设有振动传感光纤1，所述振动传感光纤包括一个或多个振动传感光纤传感段11，各振动传感光纤传感段11之间通过振动传感光纤过渡段12连接，还包括振动光纤分析装置2，所述振动光纤分析装置2与振动传感光纤1通过光纤引出线3相连接。
本发明所提供的埋入式道路车辆类型识别系统中，所述路面结构本体1可以是水泥混凝土铺面、沥青混凝土铺面或复合型铺面结构等中的一种或多种的组合，将振动传感光纤1铺设于路面结构本体1中，从而可以采集通过路面的车辆所造成的结构振动信息。
本发明所提供的埋入式道路车辆类型识别系统中，本领域技术人员可选择合适的光纤种类用于采集车辆经过时的路面结构振动数据，例如，所述振动传感光纤1可以为单模光纤(Single Mode Fiber)，所述单模光纤通常是指只能传送一种模式的光的光纤，所述振动传感光纤1可以为金属铠装光纤，所述振动传感光纤1的直径(含外套)可以为2～5mm，所述振动传感光纤1的长期允许拉伸力通常需要≥600N，短期允许拉伸力通常需要≥1500N(光纤短期和长期拉伸性能测试按照YD/T 769-2003《核心网用光缆-中心管式通信用室外光缆》进行)，从而具有一定的抗拉强度，以保证光纤被拉伸时不会受损或断裂，所述振动传感光纤1的衰减≤0.2db/Km，以保证DOVS的顺利运行。
本发明所提供的埋入式道路车辆类型识别系统中，所述振动传感光纤1通常包括多个振动传感光纤传感段11，各振动传感光纤传感段11之间的间距通常≥0.2m且≤0.5m，所述振动传感光纤传感11段通常为螺旋形(helix)，螺旋形的长轴可以竖直分布(通常为相对于路面而言)，振动传感光纤传感段11长轴方向的高度可以为5～30mm，振动传感光纤传感段11的直径可以为250-350mm，每个振动传感光纤传感段11中光纤的长度通常≥4m且≤6m。
本发明所提供的埋入式道路车辆类型识别系统中，所述路面结构本体中设有多排振动传感光纤传感段11，所述振动传感光纤传感段11可以在车道宽度方向均匀分布，覆盖率为2～3个/米，测量时，所述路面结构本体中按车道的长度方向可以布设有多排振动传感光纤传感段11，更具体的，可以布设有2～3排振动传感光纤传感段11，各排振动传感光纤传感段11之间的间距可以为3～10m，至少部分或全部的振动传感光纤传感段11依次串联。本领域技术人员可根据需要调整振动传感光纤过渡段12的参数，振动传感光纤过渡段12的参数整体上可以与振动传感光纤传感段11基本相同，各车型识别装置之间通常需保持一定长度的振动传感光纤过渡段12，从而保证振动感知具有足够的空间分辨率，例如，在本发明的一实施方式中，各振动传感光纤传感段11之间的振动传感光纤过渡段12可以≥0.2米。
本发明所提供的埋入式道路车辆类型识别系统中，所述振动光纤分析装置2可选用本领域内各种分布式光纤振动解调仪，其可以检测所连入光纤沿线的振动信号，例如可以是上海拜安传感技术有限公司生产的FT630-02光纤振动传感分析仪等。
本发明还提供一种道路车辆类型识别方法，使用如上所述的埋入式道路车辆类型识别系统，测量时，可以将所述道路车辆类型识别系统布设于道路结构中，当车辆经过时，通过振动光纤解调设备采集光纤的振动数据，保存作为原始的振动数据，如图4所示，具体可以包括如下步骤：
1)采用如上所述的埋入式车型识别系统，通过振动光纤分析装置采集车辆经过时的路面结构振动数据，获得原始振动数据，具体为通过振动光缆解调车辆经过光缆时，设备采集光缆的振动数据，并保存作为原始的振动数据；
2)对各振动数据组进行特征提取，所述特征可以包括行驶车辆的移动速率、轴型、轮型、轴距及振动频谱分布中的一种或多种；
3)依据上述车辆的特征信息，用于对行驶车辆进行分类的特征信息为轴型和/或振动频谱分布特性，在本发明一实施方式中，可以对行驶车辆进行分类，将行驶车辆分为“中小型客车”“大型货车”“大客车或中小型货车”三类，判断方法可以是例如：首先对车辆轴型进行判断，若振动时段内曲线波峰为2个，即该车辆有2根车轴，类型为“中小型客车”或“大客车或中小型货车”；若波峰有3个及以上，则类型为“大型货车”，其次，依据车辆前后轴轴距确定轴距判定阈值，若轴距小于该阈值，则其为“中小型客车”，反之则为“大客车或中小型货车”；
4)对行驶车辆进行车型识别先验参数训练，更具体可以是对“大客车或中小型货车”的行驶车辆进行车型识别先验参数训练，对行驶车辆进行车型识别先验参数训练过程中，可以将获得到的行驶车辆移动速率、轴数、轴距、振动频谱分布特征过支持向量机进行参数训练；
5)对行驶车辆进行车型识别概率判别，更具体可以是进行“大客车或中小型货车”行驶车辆的车型识别概率判别，对行驶车辆进行车型识别概率判别的过程中，可以提取行驶车辆的移动速率、轴距、振动频谱特征，按照联合概率判别方法进行判别。
本发明所提供的的道路车辆类型识别方法中，所述步骤2)中，对各振动数据组进行特征提取的方法具体包括如下步骤：
a)将同一横断面内测点所观测的原始振动数据编入同一振动数据组，并进行经验模态分解(EMD)，获得多个经EMD处理后的振动分量；
b)叠加特定阶数(依据实测的振动数据调整阶数(频率区间)的区间范围和数量，例如可以是2～9阶或3～10阶)的振动分量，获得叠加后的振动曲线fr(t)(x轴为时间，y轴为振动强度)：
其中IMFi1为EMD处理后第i1阶的振动分量，n1和m1为特定阶数的最低阶数和最高阶数。
c)计算单位时间(τ)内振动数据的平方和作为该段时间内的短时能量，依此得到振动短时能量的时程曲线E(T)(x轴为时间，y轴为振动短时能量)：
其中单位时间τ即为短时能量分析时间帧长度，初始值设置可以为0.5s。
d)设定车辆振动能量判定阈值，用于判定车辆是否经过的短时能量时程曲线中满足该阈值要求的部分视为因行驶车辆激励产生的振动时段[T1,T2]，随后从叠加的振动曲线fr(t)截取出该时段内的振动曲线fr’(t)；
e)根据车辆在相邻测量断面激励起振的时间差，求得该车辆移动速率为：
其中，L为相邻断面的间距；Δt为时间差。
f)依据行驶车辆的最小轴距(即下面公示中的S)，计算确定用于轴型特征识别的短时能量分析时间帧长度为：
其中，v表示车辆移动速率；S为联轴轴距，通常取1m；
g)对截取的振动曲线fr’(t)进行归一化处理，得到归一化后的振动曲线fn(t)：
依据用于轴型特征识别的短时能量分析时间帧长度，计算归一化后的振动曲线fn(t)的短时能量时程曲线E’(T)。设定轴型识别阈值并确定满足阈值要求的曲线波峰数量，依据波峰数量判断行驶车辆轴型，再依据波峰间的距离确定轴距；
h)依据上述步骤(步骤a-g)，计算车辆前后轴经过同一测量断面时各振动传感光纤传感段内的截取后的短时能量分布曲线，在单个测量断面内，将振动传感光纤传感段依据车辆行驶方向从左往右进行排序，并依此定义振动光纤传感段的序数，分别计算不同轴经过时的最大短时能量值，记为E(i2,j2)，其中i2为车轴的序数，j2为振动光纤传感段的序数；
i)以前轴为基准，计算每个振动光纤传感段内车辆后轴与前轴最大短时能量值的比值(参照上述E(i2,j2))，记为Er(i3)，其中i3＝1,2,3……n，n为单个测量断面上传感段的数量，计算Er(i3)的标准差以衡量前后轴在同一断面内引起的振动差异，设定轮型判定阈值，标准差超过该阈值，则说明该轴型为双轮组，反之则为单轮组。
j)采用时频分析手段获得截取的振动曲线fr’(t)的频谱分布，时频分析手段可以为小波分解、短时傅里叶变换或S变换，最终获得信号的幅频特性在时间上的分布特性S(f,t)(x轴为时间，y轴为频率，z轴为振动幅值)，对幅频分布数据在时间方向(x轴)上进行叠加，叠加结果作为车辆振动响应的幅频曲线S(f)(x轴为频率，y轴为振动幅值)。
k)截取对车辆振动响应敏感的频段为特征频段，计算该频段内的加权频率fw以表征车辆振动响应的频谱分布特征，计算方法为：
其中，fh和fl分别为特征频段的上下截止频率。
针对现有车型识别手段的缺点，本发明通过DOVS(分布式光纤振动感知系统)针对车型识别技术的需要，提供了一种新型的、准确的、可大范围识别的基于振动感知的道路车辆类型识别方法、装置及其系统。
实施例1
浦东外环线洲海路段辅道为水泥混凝土路面，该路段交通组成复杂，包括小客车、大客车以及多种类型的货车。
使用所述的基于DOVS的埋入式车型识别系统对行驶车辆类型进行探测和识别，所述系统采用装配式施工方式进行安装。首先依据图1-图2所示缠绕方式构建埋入式车型识别装置，实施例中所使用的识别装置信息如下：采用一根400m长的振动传感光纤构建识别装置，振动光纤传感段采用单模光纤，护套采用金属铠装，总直径(含护套)为3mm。光纤传感段采用圆环形缠绕，缠绕直径为300mm，每次缠绕4圈，约3.8m长。
然后通过图3所示布设方式搭建埋入式车型识别系统，实施例中振动光纤过渡段为直径3mm的单模光纤，每个过渡段长度相同，均为0.2m，所述多个振动测量装置通过过渡段光纤串联后，经扎带固定于装配式混凝土铺面板中的钢筋网上。整块板共布设24个振动测量装置，其中沿板长度方向共布设3排，每排8个，每一排间距约2.2m。光纤线圈绑扎于钢筋网之后，随混凝土浇筑于装配式铺面板内，光纤位置距离装配板顶面约7cm。该系统在埋设于装配板之后，采用吊装的方式安装于既有路面中。系统随装配板搭建完成后，通过光纤引出线导出并连接于振动分析设备，光纤引出线类型、参数与传感段及过渡段相同，长度为25m。振动分析设备采用上海拜安传感技术有限公司生产的FT630-02光纤振动传感分析仪。
依据埋设的车型识别系统，采集了超过5小时的路面振动信号，其中包括217辆行驶车辆产生的振动信号。获取原始振动信号之后，采用埋入式车型识别方法(如图4～8所示)对不同车辆类型进行识别，整个流程采用MATLAB软件进行实现。
捕获原始振动信号之后，依据图4所示步骤进行车型识别。在步骤2中，依据该路段捕获的振动信号，原始振动信号在EMD分解之后，叠加2～9阶分量获得相应时程曲线(图9)，即：
其中，IMFi1为EMD处理后第i1阶的振动分量。
获取叠加后的振动时程曲线后，计算单位时间(τ)内振动数据的平方和作为该段时间内的短时能量，依此得到振动短时能量的时程曲线E(T)(x轴为时间，y轴为振动短时能量)：
其中单位时间τ即为短时能量分析时间帧长度，取值为0.5s。
依据经验设定车辆振动判定阈值为无车状态下短时能量均值的二倍，并依此判定短时能量超出车辆振动判定阈值的时段为车辆行驶经过的时段，从而截取车辆经过时段的振动曲线fr’(t)。
以车辆前轴经过相邻两个测量断面时，短时能量曲线峰值对应的时刻的差值作为车辆经过两个测量断面的时间差，依此计算车辆的行驶车速，前后两个测量断面分别选择第一排和第三排光纤的埋设断面。
依据行驶车速计算每辆车的短时能量分析时间帧长度，该实施例中测量车辆的车速主要分布于8～25m/s，对应的短时能量分析时间帧长度分布于0.01s～0.06s。
采用计算得到的时间帧长度计算对应时程曲线的短时能量，得到振动数据在时域上的短时能量分布曲线。采用MATLAB内的findpeaks函数对波峰进行提取，设置轴型识别阈值为3(归一化处理后的阈值)，并依此确定行驶车辆的轴数。依据轴数可区分出“大型货车”这一类车型。图10所示为一辆双轴货车及四轴货车的短时能量分布曲线。
计算单辆车相邻波峰的时间差，乘以行驶车速可计算行驶车辆的轴距。设定轴距判定阈值为3.4m，即轴距小于3.4m的行驶车辆可判定为“中小型客车”，反之则为“大客车或中小型货车”。
大客车或中小型货车的分类采用车型识别先验参数训练和车型识别概率判别方法进行。车型识别先验参数训练采用支持向量机方法进行，提取的训练参数为频谱分布特征，行驶车速和前后轴轴距。首先对截取的振动曲线采用短时傅里叶变换：
其中γ(t)为窗函数，本实施例中选用的为矩形窗，窗宽度为0.256s。S(t,f)为幅值与时间和频率的函数(x轴为时间，y轴为频率，z轴为振动幅值)。再对S(t,f)在时间方向(x轴)上进行叠加，叠加结果作为车辆振动响应的幅频曲线S(f)(x轴为频率，y轴为振动幅值)。
以0～40Hz作为本实施例中行驶车辆的特征频段，计算该频段内的加权频率fw以表征车辆振动响应的频谱分布特征，计算方法为：
获取得到每一辆行驶车辆的频谱分布特征后，选择60个行驶车辆的加权频率、车速、轴距进行支持向量机训练，构造支持向量机网络。支持向量机训练过程中的核函数采用径向基函数，其公式如下：
其中，x’为支持向量的值，x为需要分类的样本值，σ为核函数宽度，在该向量机网络中取值为0.5。在该实施例中，支持向量机训练和验证均采用MATLAB软件内LIBSVM工具箱实现。进行随机抽选60份行驶车辆数据作为训练集，其余数据作为验证集，采用训练集训练生成的向量机网络进行分类验证。
依据上述步骤对车辆进行分类，分类结果如表1。可以看出，本方面所提供的埋入式车型识别装置、系统及方法能有效地识别不同车型，避免了传统识别方式成本高、可靠性不佳的弊端，实现了水泥混凝土路面上车型的实时识别。
表1车辆类型识别结果
| 车辆类型 | 实际数量 | 识别数量 | 正确识别数量 | 正确率 |
| 小客车 | 126 | 120 | 120 | 95.24％ |
| 双轴货车 | 61 | 62 | 60 | 98.36％ |
| 双轴大客车 | 9 | 8 | 8 | 88.89％ |
| 大型货车 | 75 | 74 | 73 | 97.33％ |
| 合计 | 271 | 264 | 261 | 96.31％ |
实施例2
上海市浦东新区华京路-台北东路T形交叉口，铺面结构为混凝土结构，交通组成包含小客车、公交车、小型货车等。
采用所述的基于DOVS的埋入式车型识别系统对交叉口内的车辆类型进行探测和识别，所述系统采用装配式施工方式进行安装。首先依据图1所示缠绕方式构建埋入式车型识别装置，使用的识别装置信息如下：采用一根1200m长的振动传感光纤构建识别装置，振动光纤传感段采用单模光纤，护套采用金属铠装，总直径(含护套)为3mm。光纤传感段采用圆环形缠绕，缠绕直径为300mm，每次缠绕4圈，约4m长。
然后通过图3所示布设方式搭建埋入式车型识别系统，每块铺面板中振动光纤过渡段为直径3mm的单模光纤，每个过渡段长度相同，均为0.2m，所述多个识别装置通过过渡段光纤进行串联后，经扎带固定于钢筋网上。有7块板中布设21个识别装置，沿板长度方向布设3排，每排7个，即3×7布设；有2块板布设数量为7个(1×7)；有1块板布设数量为14个(2×7)；有1块板布设数量为36个(6×6)。每块板中均通过光纤引出线导出振动光纤并置于板边预留的光纤盒内。光纤引出线类型、参数与传感段及过渡段相同，长度为25m。现场所有预制板装配完毕后，将相邻铺面板间光纤盒内振动光纤进行熔接，并通过光纤引出线与振动分析设备相连。形成整体13块板的埋入式车型识别系统(如图11所示)。振动分析设备采用上海拜安传感技术有限公司生产的FT630-02光纤振动传感分析仪。
最后采用埋入式车型识别方法(如图4～8所示)对40辆车辆的类型进行测量和识别，由于数据量较少，仅依据轴型参数，对中小型客车、大客车或中小型货车、大型货车三类车型进行识别，识别过程中数据处理方法和流程与实施例1相同。三种类型车辆的总体识别正确率为95％。
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种道路车辆类型识别方法，使用埋入式道路车辆类型识别系统，所述埋入式道路车辆类型识别系统包括路面结构本体，所述路面结构本体中设有振动传感光纤(1)，所述振动传感光纤包括一个或多个振动传感光纤传感段(11)，各振动传感光纤传感段(11)之间通过振动传感光纤过渡段(12)连接，还包括振动光纤分析装置(2)，所述振动光纤分析装置(2)与振动传感光纤(1)通过光纤引出线(3)相连接，包括如下步骤：
1)采用所述的埋入式车型识别系统，通过振动光纤分析装置采集车辆经过时的路面结构振动数据；
2)对各振动数据组进行特征提取；
步骤2)中，对各振动数据组进行特征提取的方法具体包括如下步骤：
a)将同一横断面内测点所观测的原始振动数据编入同一振动数据组，并进行经验模态分解，获得多个经EMD处理后的振动分量；
b)叠加特定阶数的振动分量，获得叠加后的振动曲线fr(t)：
其中IMFi1为EMD处理后第i1阶的振动分量，n1和m1为特定阶数的最低阶数和最高阶数；
c)计算单位时间τ内振动数据的平方和作为该段时间内的短时能量，依此得到振动短时能量的时程曲线E(T)：
其中单位时间τ即为短时能量分析时间帧长度；
d)设定车辆振动能量判定阈值，用于判定车辆是否经过的短时能量时程曲线中满足该阈值要求的部分视为因行驶车辆激励产生的振动时段[T1,T2]，随后从叠加的振动曲线fr(t)截取出该时段内的振动曲线fr’(t)；
e)根据车辆在相邻测量断面激励起振的时间差，求得该车辆移动速率为：
其中，L为相邻断面的间距；Δt为时间差；
f)依据行驶车辆的最小轴距，计算确定用于轴型特征识别的短时能量分析时间帧长度为：
其中，v表示车辆移动速率；S为联轴轴距；
g)对截取的振动曲线fr’(t)进行归一化处理，得到归一化后的振动曲线fn(t)：
依据用于轴型特征识别的短时能量分析时间帧长度，计算归一化后的振动曲线fn(t)的短时能量时程曲线E’(T)，设定轴型识别阈值并确定满足阈值要求的曲线波峰数量，依据波峰数量判断行驶车辆轴型，再依据波峰间的距离确定轴距；
h)参照步骤a)-g)，计算车辆前后轴经过同一测量断面时各振动传感光纤传感段内的截取后的短时能量分布曲线，在单个测量断面内，将振动传感光纤传感段依据车辆行驶方向从左往右进行排序，并依此定义振动光纤传感段的序数，分别计算不同轴经过时的最大短时能量值，记为E(i2,j2)，其中i2为车轴的序数，j2为振动光纤传感段的序数；
i)以前轴为基准，计算每个振动光纤传感段内车辆后轴与前轴最大短时能量值的比值，记为Er(i3)，其中i3＝1,2,3……n，n为单个测量断面上传感段的数量，计算Er(i3)的标准差以衡量前后轴在同一断面内引起的振动差异；
j)采用时频分析手段获得截取的振动曲线fr’(t)的频谱分布，获得信号的幅频特性在时间上的分布特性S(f,t)，对幅频分布数据在时间方向上进行叠加，叠加结果作为车辆振动响应的幅频曲线S(f)；
k)截取对车辆振动响应敏感的频段为特征频段，计算该频段内的加权频率fw以表征车辆振动响应的频谱分布特征，计算方法为：
其中，fh和fl分别为特征频段的上下截止频率；
3)依据上述车辆的特征信息，对行驶车辆进行分类。
2.如权利要求1所述的道路车辆类型识别方法，其特征在于，所述步骤2)中，所述特征选自行驶车辆的移动速率、轴型、轮型、轴距及振动频谱分布特征中的一种或多种的组合；
和/或，用于对行驶车辆进行分类的特征信息为轴型和/或振动频谱分布特性。
3.如权利要求1所述的道路车辆类型识别方法，其特征在于，所述道路车辆类型识别方法中，还对行驶车辆进行车型识别先验参数训练；
和/或，所述道路车辆类型识别方法中，还对行驶车辆进行车型识别概率判别。
4.如权利要求3所述的道路车辆类型识别方法，其特征在于，对行驶车辆进行车型识别先验参数训练过程中，将获得到的行驶车辆移动速率、轴距、振动频谱分布特征过支持向量机进行参数训练；
和/或，对行驶车辆进行车型识别概率判别的过程中，提取行驶车辆的移动速率、轴距、振动频谱特征，按照联合概率判别方法进行判别。
5.如权利要求1所述的道路车辆类型识别方法，其特征在于，所述振动传感光纤(1)为单模光纤；
和/或，所述振动传感光纤(1)为金属铠装光纤；
和/或，所述振动传感光纤(1)的直径为2～5mm；
和/或，所述振动传感光纤(1)的长期允许拉伸力≥600N，短期允许拉伸力≥1500N；和/或，所述振动传感光纤(1)的衰减≤0.2db/Km。
6.如权利要求1所述的道路车辆类型识别方法，其特征在于，所述振动传感光纤(1)包括多个振动传感光纤传感段(11)，各振动传感光纤传感段(11)之间的间距≥0.2m且≤0.5m；和/或，所述振动传感光纤传感段(11)为螺旋形，螺旋形的长轴竖直分布，振动传感光纤传感段(11)长轴方向的高度为5～20mm，振动传感光纤传感段(11)的直径为250-350mm，每个振动传感光纤传感段(11)中光纤的长度≥4m且≤6m。
7.如权利要求1所述的道路车辆类型识别方法，其特征在于，所述路面结构本体中设有多排振动传感光纤传感段(11)；
和/或，所述振动传感光纤传感段(11)在车道宽度方向均匀分布，覆盖率为2～3个/米；
和/或，所述路面结构本体中按车道的长度方向布设有2～3排振动传感光纤传感段(11)，各排振动传感光纤传感段(11)之间的间距为3～10m。
8.如权利要求1所述的道路车辆类型识别方法，其特征在于，所述路面结构本体为水泥混凝土铺面、沥青混凝土铺面或复合型铺面结构中的一种或多种的组合；
和/或，所述路面结构本体中设有多排振动传感光纤传感段(11)，至少部分的振动传感光纤传感段(11)依次串联。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711015021.0A CN107730895B (zh) | 2017-10-25 | 2017-10-25 | 一种埋入式道路车辆类型识别系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711015021.0A CN107730895B (zh) | 2017-10-25 | 2017-10-25 | 一种埋入式道路车辆类型识别系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107730895A CN107730895A (zh) | 2018-02-23 |
| CN107730895B true CN107730895B (zh) | 2024-01-30 |
Family
ID=61212856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711015021.0A Active CN107730895B (zh) | 2017-10-25 | 2017-10-25 | 一种埋入式道路车辆类型识别系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107730895B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018207950A1 (de) * | 2018-05-22 | 2019-11-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Verarbeitung von Daten im Zusammenhang mit einem Fahrzeug, Decodierverfahren, Codier- und Decodierverfahren, System, Computerprogramm und Computerprogrammprodukt |
| JP7234616B2 (ja) * | 2018-12-13 | 2023-03-08 | セイコーエプソン株式会社 | 車両検知方法 |
| JP7243814B2 (ja) * | 2019-03-29 | 2023-03-22 | 日本電気株式会社 | 監視システム、監視装置、監視方法、及びプログラム |
| CN111060186A (zh) * | 2019-12-04 | 2020-04-24 | 西安航天三沃机电设备有限责任公司 | 一种窄条式称重系统中轴重称量与轴型识别方法 |
| CN112927516A (zh) * | 2019-12-06 | 2021-06-08 | 中兴通讯股份有限公司 | 一种路面车辆监测方法、电子设备及存储介质 |
| CN111473810A (zh) * | 2020-04-22 | 2020-07-31 | 中铁二院工程集团有限责任公司 | 一种基于分布式光纤监测的轨道板 |
| CN111667688B (zh) * | 2020-05-06 | 2021-07-09 | 北京科技大学 | 一种基于路面振动信号的综合交通信息解析方法及系统 |
| CN111582160B (zh) * | 2020-05-07 | 2022-09-02 | 四川大学 | 基于分布式光纤传感系统的车辆轨迹提取方法及装置 |
| CN112542046B (zh) * | 2020-12-07 | 2022-03-11 | 无锡科晟光子科技有限公司 | 基于das的长距离管道重型车辆预警监测方法 |
| CN112816043B (zh) * | 2020-12-30 | 2023-01-06 | 北京万集科技股份有限公司 | 一种确定车辆的车型的方法及系统 |
| CN112816056B (zh) * | 2021-01-08 | 2022-05-03 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 地表挖掘作业与地下光缆相对位置的识别方法及装置 |
| CN114235117A (zh) * | 2021-11-29 | 2022-03-25 | 北京万集科技股份有限公司 | 车辆轴数确定方法、装置、系统及存储介质 |
| CN114964459B (zh) * | 2022-04-14 | 2023-08-04 | 同济大学 | 一种载具轮迹实时定位测速系统及方法 |
| CN114999175A (zh) * | 2022-08-04 | 2022-09-02 | 武汉理工大学 | 基于光纤光栅阵列传感的车辆识别方法、装置与设备 |
| CN117392857A (zh) * | 2023-10-13 | 2024-01-12 | 深圳市平安顺科技有限公司 | 一种基于蓝牙网络的货车车型识别系统及识别方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990026355A (ko) * | 1997-09-24 | 1999-04-15 | 최종욱 | 차종 인식장치 및 방법 |
| CN101303802A (zh) * | 2008-06-26 | 2008-11-12 | 吉林大学 | 货车超载在线自动预判断方法及系统 |
| CN101706997A (zh) * | 2009-08-17 | 2010-05-12 | 昆山敏通光纤传感技术研发中心有限公司 | 分布式光纤车辆综合信息检测系统及其处理方法 |
| CN103617684A (zh) * | 2013-12-12 | 2014-03-05 | 威海北洋电气集团股份有限公司 | 干涉型光纤周界振动入侵识别算法 |
| CN203606952U (zh) * | 2013-11-21 | 2014-05-21 | 辽宁金洋集团信息技术有限公司 | 交通量智能监测信息采集装置 |
| CN106600979A (zh) * | 2016-12-20 | 2017-04-26 | 浙江中电智能科技有限公司 | 基于分布式光纤传感器的交通状况监测系统及监测方法 |
| CN106600981A (zh) * | 2016-10-29 | 2017-04-26 | 浙江大学 | 基于分布式传感信息的道路断面双向车辆速度估计方法 |
| CN107256635A (zh) * | 2017-07-14 | 2017-10-17 | 浙江大学 | 一种智能交通中基于分布式光纤传感的车辆识别方法 |
| CN207611485U (zh) * | 2017-10-25 | 2018-07-13 | 同济大学 | 一种埋入式道路车辆类型识别系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9158032B2 (en) * | 2010-02-18 | 2015-10-13 | US Seismic Systems, Inc. | Optical detection systems and methods of using the same |
| GB2513399B (en) * | 2013-04-26 | 2017-07-26 | Optasense Holdings Ltd | Traffic Monitoring |
-
2017
- 2017-10-25 CN CN201711015021.0A patent/CN107730895B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990026355A (ko) * | 1997-09-24 | 1999-04-15 | 최종욱 | 차종 인식장치 및 방법 |
| CN101303802A (zh) * | 2008-06-26 | 2008-11-12 | 吉林大学 | 货车超载在线自动预判断方法及系统 |
| CN101706997A (zh) * | 2009-08-17 | 2010-05-12 | 昆山敏通光纤传感技术研发中心有限公司 | 分布式光纤车辆综合信息检测系统及其处理方法 |
| CN203606952U (zh) * | 2013-11-21 | 2014-05-21 | 辽宁金洋集团信息技术有限公司 | 交通量智能监测信息采集装置 |
| CN103617684A (zh) * | 2013-12-12 | 2014-03-05 | 威海北洋电气集团股份有限公司 | 干涉型光纤周界振动入侵识别算法 |
| CN106600981A (zh) * | 2016-10-29 | 2017-04-26 | 浙江大学 | 基于分布式传感信息的道路断面双向车辆速度估计方法 |
| CN106600979A (zh) * | 2016-12-20 | 2017-04-26 | 浙江中电智能科技有限公司 | 基于分布式光纤传感器的交通状况监测系统及监测方法 |
| CN107256635A (zh) * | 2017-07-14 | 2017-10-17 | 浙江大学 | 一种智能交通中基于分布式光纤传感的车辆识别方法 |
| CN207611485U (zh) * | 2017-10-25 | 2018-07-13 | 同济大学 | 一种埋入式道路车辆类型识别系统 |
Non-Patent Citations (4)
| Title |
|---|
| Samarth Gupta Etal..Automated vehicle detection using optical fiber communication.2016 IEEE SENSORS.2016,全文. * |
| 周正仙 ; 段绍辉 ; 田杰 ; 王晓华 ; 徐帮联 ; .分布式光纤振动传感器及振动信号模式识别技术研究.光学仪器.2013,(第06期),全文. * |
| 基于小波和支持向量机的光纤微振动传感器模式识别;李彦;梁正桃;李立京;林文台;姜漫;;传感器与微系统(第02期);全文 * |
| 朱程辉等.基于时频特征的光纤周界振动信号识别.光电工程.2014,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107730895A (zh) | 2018-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107730895B (zh) | 一种埋入式道路车辆类型识别系统和方法 | |
| CN107256635B (zh) | 一种智能交通中基于分布式光纤传感的车辆识别方法 | |
| CN104183133B (zh) | 一种采集和传输道路交通流动态信息的方法 | |
| CN103927870B (zh) | 一种基于多个震动检测传感器的车辆检测装置 | |
| CN103164962B (zh) | 一种山区公路急弯路段实时车速预警方法 | |
| CN103903438B (zh) | 客运车辆违规停车地点识别方法及系统 | |
| CN106097755A (zh) | 用于识别泊车场地和/或空出场地的方法 | |
| CN102663352B (zh) | 一种轨道识别方法 | |
| CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
| CN104835099B (zh) | 一种城市路网机动车尾气实时遥感监测基址选取方法 | |
| CN103903439B (zh) | 客运车辆违规停车地点识别方法及系统 | |
| CN103390145A (zh) | 一种目标区域车辆检测方法以及系统 | |
| CN113903180B (zh) | 一种高速公路检测车辆超速的方法及系统 | |
| JP3502156B2 (ja) | 交通監視システム | |
| Shirzad-Ghaleroudkhani et al. | A crowdsensing-based platform for transportation infrastructure monitoring and management in smart cities | |
| CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
| CN207611485U (zh) | 一种埋入式道路车辆类型识别系统 | |
| KR101035122B1 (ko) | 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법 | |
| CN111354191B (zh) | 车道行车状况确定方法、装置、设备及存储介质 | |
| CN115064000B (zh) | 渣土车定位坐标识别系统 | |
| CN106779213A (zh) | 城市机动车尾气实时遥感监测基址选取方法 | |
| CN107085074A (zh) | 一种分类监测机动车尾气的方法 | |
| Chow et al. | Detection and identification of illegal-modified private cars through frequency band analysis | |
| CN109615878B (zh) | 一种应用于obu的避免无线信号拥堵的方法及系统 | |
| CN110766950B (zh) | 一种城市道路停车管理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |