CN107945570B - 一种地磁车位检测优化方法 - Google Patents

一种地磁车位检测优化方法 Download PDF

Info

Publication number
CN107945570B
CN107945570B CN201711362338.1A CN201711362338A CN107945570B CN 107945570 B CN107945570 B CN 107945570B CN 201711362338 A CN201711362338 A CN 201711362338A CN 107945570 B CN107945570 B CN 107945570B
Authority
CN
China
Prior art keywords
baseline
value
vehicle
geomagnetic
parking space
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
Application number
CN201711362338.1A
Other languages
English (en)
Other versions
CN107945570A (zh
Inventor
郭海锋
顾夫挺
黄纪勇
王奇
刘玉新
杨宪赞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201711362338.1A priority Critical patent/CN107945570B/zh
Publication of CN107945570A publication Critical patent/CN107945570A/zh
Application granted granted Critical
Publication of CN107945570B publication Critical patent/CN107945570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Measuring Magnetic Variables (AREA)

Abstract

一种地磁车位检测优化方法，包括；通过地磁检测设备采集当前车位地磁数据；采用滑动平均滤波对得到的地磁数据进行滤波处理；采用基线跟踪的方法获得当前车位的基线值以适应不断变化的基线值；采用RBF神经网络对基线进行预测并将预测值与权值相乘补偿给前一基线值以获得更符合实际的基线值；采用多状态机检测的算法判断车辆有无。本方法避免了直接采用基线跟踪额方法获得基线值的缺陷，能够获得更加准确的基线值进而提高地磁车位检测的准确率。

Description

一种地磁车位检测优化方法
技术领域
本发明涉及一种地磁车位检测优化方法。
技术背景
随着我国经济的飞速发展，汽车保有量持续快速地增长，而车位的增长远远跟不上车辆的增长，随之而来的停车难问题也是愈发严重。但是停车场的建设需要合适的场地以及较长时间的规划，短时间内难以通过快速增长停车场的数量解决停车难的问题。因此，建立健全良好的停车系统以提高车位的有效利用率变得尤为重要，其中检测器检测的稳定性、准确性和实时性在整个系统中起到了极其关键的作用。目前常见的车辆检测器有感应线圈、超声波、红外、微波、视频等，这些检测器存在着安装及后期维护困难、造价昂贵、易受环境环境影响等缺点。
与这些检测器相比，磁阻传感器具有安装维护方便、功耗低、稳定性好、铺设成本低等优势，因此近年来磁阻传感器的使用越发得到重视，国内外学者在磁阻车辆检测算法上展开了大量的研究工作以提高检测的准确率。目前主流的检测方法为自适应阈值车位检测算法，该方法主要通过比较阈值与检测到的地磁信号的大小确认车辆的有无。
在长期观察分析实际地磁车位检测的数据中，发现传统地磁检测算法对停车位上同一车辆长时间停车进行检测时会出现检测准确率较低的问题，该问题直接导致停车诱导系统发布误报信息，给管理者和出行者带来诸多不便和额外成本。
发明内容
为克服传统地磁检测算法对停车位上同一车辆长时间停车进行检测时出现的检测准确率较低的问题，本发明提供了一种能提高长时间停车下检测准确率的地磁车位检测优化方法。
一种地磁车位检测优化方法，包括以下步骤：
1)通过地磁检测设备采集当前车位地磁数据。
2)在步骤1)的基础上，采用滑动平均滤波对得到的地磁数据进行滤波处理，所述滑动滤波的描述如式(1)所示：
Figure BDA0001512007350000011
式中，x(t)是传感器采集到的信号；xs(t)是经过滑动平均滤波后的信号；N是滑动平均滤波的窗口长度。
3)在步骤2)的基础上，采用基线跟踪的方法获得当前车位的基线值以适应不断变化的基线值，所述基线跟踪的描述如式(2)所示：
Figure BDA0001512007350000012
式中，Xbase(t)是x轴的基线值；α是加权系数。
4)在步骤3)的基础上，采用RBF神经网络对长时间停车下基线漂移进行补偿，即采用RBF神经网络对基线进行预测并将预测值vd(t)与权值相乘补偿给前一基线值以获得更符合实际且平滑的基线值，所述补偿方法如式(3)所示：
h(t)＝vd(t)×β+v(t)×(1-β) (3)
式中，t为环境变量参数；v(t)为经步骤3)算法后得到的基线值；vd(t)为通过RBF预测得到的基线值；h(t)为基线最终输出值；β为加权系数。在β值的选取上，采用动态可变的β以获得更加平滑的基线，防止由于基线突变而导致的误判等情况的发生。
5)采用多状态机检测的算法判断车辆有无。该算法包括了有车、无车、count1、count0这4个状态，其中，Count1为无车转有车待确认状态，count0为有车转无车待确认状态。安装好地磁传感器后复位进入初始化，自动跳转至无车状态并开始检测，当检测到的磁场信号与步骤4)中所得到的基线值之差超过阈值T时进入count1计数，当计数超过预设值时进入有车状态，如果在count1计数时检测到的磁场信号与步骤4)中所得到的基线值之差低于阈值T则进入count0计数，车位状态仍为无车；在有车状态时，当检测到的磁场信号与步骤4)中所得到的基线值之差低于阈值T时进入count0计数，当计数超过预设值时进入无车状态，如果在count0计数时检测到的磁场信号与步骤4)中所得到的基线值之差超过阈值T则进入count1计数，车位状态仍为有车。
本发明的优点是：采用了RBF神经网络算法对车位基线值进行了预测，并获得了更加准确的基线值。避免了由于长时间停车状态下车位地磁基线漂移所带来的检测率降低的问题，有效地提高了地磁车位检测的准确率，为出行者以及停车诱导系统的管理者提供了便利的同时又节约了成本。
附图说明
图1是本发明的基线补偿原理图；
图2是本发明的多状态机检测算法图；
图3是本发明的步骤流程示意图；
图4是本发明实施案例中采集到的地磁数据基线跟踪曲线图；
图5是本发明实施案例中经过RBF神经网络补偿后的基线数据曲线图；
具体实施方式
为说明本发明的技术特点，下面结合附图对本发明的具体实施步骤进一步的描述。此处所描述的具体实施案例仅仅用于解释本发明，而不是限定本发明。
对于本案例，其地磁车位优化方法包括以下步骤，如附图3所示：
1)通过地磁检测设备采集当前车位地磁数据。
2)在步骤1)的基础上，采用滑动平均滤波对得到的地磁数据进行滤波处理，所述滑动滤波的描述如式(1)所示：
Figure BDA0001512007350000021
式中，x(t)是传感器采集到的信号；xs(t)是经过滑动平均滤波后的信号；N是滑动平均滤波的窗口长度。
3)在步骤2)的基础上，采用基线跟踪的方法获得当前车位的基线值以适应不断变化的基线值，所述基线跟踪的描述如式(2)所示：
Figure BDA0001512007350000022
式中，Xbase(t)是x轴的基线值；α是加权系数。
4)在步骤3)的基础上，采用RBF神经网络对基线进行预测并将预测值与权值相乘补偿给前一基线值以获得更符合实际的基线值，所述补偿方法如式(3)所示：
h(t)＝vd(t)×β+v(t)×(1-β) (3)
式中，β为加权系数。在β值的选取上，采用动态可变的β以获得更加平滑的基线，防止由于基线突变而导致的误判等情况的发生。
5)采用多状态机检测的算法判断车辆有无。该算法包括了有车、无车、count1、count0这4个状态，其中，Count1为无车转有车待确认状态，count0为有车转无车待确认状态。安装好地磁传感器后复位进入初始化，自动跳转至无车状态并开始检测，当检测到的磁场信号与步骤4)中所得到的基线值之差超过阈值T时进入count1计数，当计数超过预设值时进入有车状态。
步骤1)中所述的地磁检测设备，在该案例的情况下，地磁检测设备中使用的传感器为HMC5883L。
步骤2)中所述的滑动滤波窗口长度N，在该案例的情况下，取30。
步骤3)中所述的基线跟踪加权系数α，在该案例的情况下，取0.95。
步骤3)中所述的基线跟踪数据曲线图，在该案例的情况下，如图4所示。
步骤4)中所述的基线补偿原理如图1所示。
步骤4)中所述的RBF预测估计本次实验中选取的RBF神经网络的最大隐层神经元个数为150，均方误差取0.05，径向基函数分布密度取1。
步骤4)中所述的β值的选取，在该案例情况下，采用以0.1为初始值，0.05为步长的加权系数β对基线进行补偿更新，当β达到0.9时回到式(2)的基线更新方法。
步骤4)中所述的经过RBF神经网络补偿校正后的基线数据曲线图，在该案例下，如图5所示。
步骤5)中所述的多状态机检测算法如图2所示。
步骤5)中所述的阈值T，在该案例的情况下，取12000nT，该值是在本案例的停车场中多次实验测试所得。
步骤5)中所述计数预测值，在该案例的情况下，取10。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (4)

1.一种地磁车位检测优化方法，包括以下步骤：
1)通过地磁检测设备采集当前车位地磁数据；
2)在步骤1)的基础上，采用滑动平均滤波对得到的地磁数据进行滤波处理，所述滑动滤波的描述如式(1)所示：
Figure FDA0002391857380000011
式中，x(t)是传感器采集到的信号；xs(t)是经过滑动平均滤波后的信号；N是滑动平均滤波的窗口长度；
3)在步骤2)的基础上，采用基线跟踪的方法获得当前车位的基线值以适应不断变化的基线值，所述基线跟踪的描述如式(2)所示：
Figure FDA0002391857380000012
式中，Xbase(t)是x轴的基线值；α是加权系数；
4)在步骤3)的基础上，采用RBF神经网络对长时间停车下基线漂移进行补偿，即采用RBF神经网络对基线进行预测并将预测值vd(t)与权值相乘补偿给前一基线值以获得更符合实际且平滑的基线值，所述补偿方法如式(3)所示：
h(t)＝vd(t)×β+v(t)×(1-β) (3)
式中，t为环境变量参数；v(t)为经步骤3)算法后得到的基线值；vd(t)为通过RBF预测得到的基线值；h(t)为基线最终输出值；β为加权系数；在β值的选取上，采用动态可变的β以获得更加平滑的基线，防止由于基线突变而导致的误判情况的发生；
5)采用多状态机检测的算法判断车辆有无；该算法包括了有车、无车、count1、count0这4个状态，其中，Count1为无车转有车待确认状态，count0为有车转无车待确认状态；安装好地磁传感器后复位进入初始化，自动跳转至无车状态并开始检测，当检测到的磁场信号与步骤4)中所得到的基线值之差超过阈值T时进入count1计数，当计数超过预设值时进入有车状态，如果在count1计数时检测到的磁场信号与步骤4)中所得到的基线值之差低于阈值T则进入count0计数，车位状态仍为无车；在有车状态时，当检测到的磁场信号与步骤4)中所得到的基线值之差低于阈值T时进入count0计数，当计数超过预设值时进入无车状态，如果在count0计数时检测到的磁场信号与步骤4)中所得到的基线值之差超过阈值T则进入count1计数，车位状态仍为有车。
2.如权利要求1所述的地磁车位检测优化方法，其特征在于：步骤1)所述的地磁传感器设备中使用的传感器是HMC5883L。
3.如权利要求1所述的地磁车位检测优化方法，其特征在于：在所述步骤2)所述的地磁数据滤波处理的方法包括但不限于滑动平均滤波。
4.如权利要求1所述的地磁车位检测优化方法，其特征在于：所述步骤4)所述的补偿方法采用了RBF预测并将预测值与权值相乘补偿给前一基线值以获得更符合实际的基线值，进而提高检测准确率，并在β值的选取上，采用动态可变的β以获得更加平滑的基线，防止由于基线突变而导致的误判情况的发生。
CN201711362338.1A 2017-12-18 2017-12-18 一种地磁车位检测优化方法 Active CN107945570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711362338.1A CN107945570B (zh) 2017-12-18 2017-12-18 一种地磁车位检测优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711362338.1A CN107945570B (zh) 2017-12-18 2017-12-18 一种地磁车位检测优化方法

Publications (2)

Publication Number Publication Date
CN107945570A CN107945570A (zh) 2018-04-20
CN107945570B true CN107945570B (zh) 2020-05-26

Family

ID=61944636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711362338.1A Active CN107945570B (zh) 2017-12-18 2017-12-18 一种地磁车位检测优化方法

Country Status (1)

Country Link
CN (1) CN107945570B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110827570A (zh) * 2018-08-14 2020-02-21 中国移动通信有限公司研究院 一种车位状态监测方法、设备、系统和计算机存储介质
CN109544978A (zh) * 2018-12-28 2019-03-29 重庆甲虫网络科技有限公司 一种基于地磁传感器与光线传感器的车辆检测算法
CN110288831B (zh) * 2019-07-08 2020-12-25 北京鑫贝诚科技有限公司 一种基于神经网络自学习的地磁检测器检测算法
CN110364017B (zh) * 2019-07-11 2021-08-27 武汉拓宝科技股份有限公司 一种联合磁场和微波的车位状态检测方法
CN110706505A (zh) * 2019-09-03 2020-01-17 广东昇辉电子控股有限公司 一种基于蓝牙5．1出发角的地下车库寻车系统
CN111341116B (zh) * 2020-03-06 2021-01-01 杭州电子科技大学 一种地磁停车位检测方法
CN111580186A (zh) * 2020-05-07 2020-08-25 迈锐数据(无锡)有限公司 一种地磁传感器阈值的自适应调整方法、系统及终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102881171A (zh) * 2012-05-24 2013-01-16 中国科学院深圳先进技术研究院 车辆检测方法及其车辆检测系统以及车辆路径规划系统
EP2648141A1 (en) * 2012-04-03 2013-10-09 Xerox Corporation Model for use of data streams of occupancy that are susceptible to missing data
CN104361765A (zh) * 2014-11-24 2015-02-18 天津理工大学 一种基于磁阻传感器和ZigBee的车位检测系统
CN106297373A (zh) * 2015-06-09 2017-01-04 中国科学院深圳先进技术研究院 基于互相关和地磁传感器的停车场车辆检测方法
CN106408954A (zh) * 2016-01-27 2017-02-15 深圳骁腾科技有限公司 车辆停车检测系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2648141A1 (en) * 2012-04-03 2013-10-09 Xerox Corporation Model for use of data streams of occupancy that are susceptible to missing data
CN102881171A (zh) * 2012-05-24 2013-01-16 中国科学院深圳先进技术研究院 车辆检测方法及其车辆检测系统以及车辆路径规划系统
CN104361765A (zh) * 2014-11-24 2015-02-18 天津理工大学 一种基于磁阻传感器和ZigBee的车位检测系统
CN106297373A (zh) * 2015-06-09 2017-01-04 中国科学院深圳先进技术研究院 基于互相关和地磁传感器的停车场车辆检测方法
CN106408954A (zh) * 2016-01-27 2017-02-15 深圳骁腾科技有限公司 车辆停车检测系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于无线传感器网络的车辆检测系统研究;何建华;《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》;20140115(第1期);全文 *

Also Published As

Publication number Publication date
CN107945570A (zh) 2018-04-20

Similar Documents

Publication Publication Date Title
CN107945570B (zh) 一种地磁车位检测优化方法
CN105869434B (zh) 一种基于地磁传感器的车位检测方法
Yuen et al. Real‐time system identification: an algorithm for simultaneous model class selection and parametric identification
CN103632569A (zh) 一种双轴地磁车位检测方法和装置
CN106526585B (zh) 基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法
CN103593984A (zh) 基于地磁的环境自适应车流量检测方法
CN105716604A (zh) 基于地磁序列的移动机器人室内定位方法及系统
KR102044354B1 (ko) 데이터베이스 구축을 위한 자기장 맵을 생성하는 방법 및 장치
CN103236189B (zh) 停车位检测方法及系统
CN106503840A (zh) 停车场可用车位预测方法及系统
CN109416408B (zh) 震中距估计装置、震中距估计方法以及计算机可读记录介质
WO2011112740A1 (en) Method and system for position and track determination
US9354291B2 (en) Dynamically self-adjusting magnetometer
CN103743435A (zh) 一种多传感器数据融合方法
CN104332057A (zh) 一种基于地磁的自适应环境车辆检测方法
CN104865570A (zh) 一种快速的动态规划检测前跟踪方法
CN106526545A (zh) 一种鲁棒cfar检测器的检测方法
CN109696702A (zh) 一种海水放射性核素k40检测的重叠峰判断方法
CN105487124A (zh) 双向双测点潜艇探测系统及其探测方法
CN109669205B (zh) 一种海水放射性核素k40元素的寻峰方法
CN109073761A (zh) 使用真实世界地图和传感器数据确定经改进的用户位置的系统和方法
CN108712317B (zh) 一种基于移动社交网络的城市人群时空动态感知方法和系统
CN112150852B (zh) 一种地磁停车位检测方法及装置
CN115623421A (zh) 一种基于吊顶式车辆探测器的库内导航方法以及系统
CN111736226B (zh) 一种确定大地电磁时间域阻抗的方法和系统

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