CN108597228A - 基于可见光感知的交通流智能感知系统及方法 - Google Patents

Abstract

本公开提供了一种基于可见光感知的交通流智能感知系统，包括：光源，为可见光，用于提供环境光线；接收端，根据接收到的可见光光强产生响应光电流，当接收端接收方向有车辆经过时，由于车辆对光线的反射，响应光电流的强度变大；信号处理及传输单元，用于响应光电流信号进行采样和处理，并进行传输，以及分析单元，对处理后的采样信号分析，计算得到交通流密度。本公开可以实现在低成本、无隐私侵入条件下的交通流信息的感知检测。

Description

基于可见光感知的交通流智能感知系统及方法

技术领域

本公开涉及交通信息感知领域，尤其涉及一种基于可见光感知的交通流智能感知系统及方法。

背景技术

车辆检测技术目前已经成为智能交通系统中不可缺少的基本组成部分，通过交通流数据的监测和采集可以分析出部分路段的车容量上限、车流速度、车流量等信息，进而为城市交通的规划调度提供参考依据。因此，车辆检测技术水平的高低直接影响到城市道路监控系统的整体运行和管理水平。而车辆检测技术的水平高低主要体现在车辆检测器的先进程度上。车辆检测器主要是通过数据采集和设备监视等方式，向监控系统中的信息处理和信息发布单元提供各种交通参数。

近十年来，随着传感器性的提升以及信息处理能力的增强，车辆检测器也随之取得了较大的发展，并且有着系统化和光机电一体化的趋势。目前的车辆检测器工作方式分为以下两点：1.检测车辆的存在或者是出现；2.检测车辆的通过。车辆检测系统至少具有上述的两种功能之一。现有的交通车辆检测技术大多使用的技术有：视频检测技术、环形线圈检测技术、微波传感技术、超声波传感技术等。

随着这几年可见光通信(Visible Light Communication，VLC)的发展，越来越多的人致力于构建照明与信息传输于一体的应用场景。我们不断追求着更高的传输性能，更低的延迟，更适用的带宽，而在此研究过程中，可见光感知技术(Visible light Sensing，VLS)也越发受到关注。

目前可见光感知技术，利用的是物体对光线的反射、吸收造成接收端接收信号的改变进而判断事件类型。它的优势在于：一方面，它可以提供照明。同时，不需要额外的硬件和电路来传输检测到的事件信息。另一方面，相比基于光学相机的事件检测，它不会产生隐私侵入的问题，也不需要复杂的处理电路和高功率的能耗。

发明内容

(一)要解决的技术问题

本公开提供了一种基于可见光感知的交通流智能感知系统及方法，以至少部分解决以上所提出的技术问题。

(二)技术方案

根据本公开的一个方面，提供了一种基于可见光感知的交通流智能感知系统，包括：光源，为可见光，用于提供环境光线；接收端，根据接收到的可见光光强产生响应光电流，当接收端接收方向有车辆经过时，由于车辆对光线的反射，响应光电流的强度变大；信号处理及传输单元，用于响应光电流信号进行采样和处理，并进行传输，以及分析单元，对处理后的采样信号分析，计算得到交通流密度。

在本公开一些实施例中，所述接收端为LED路灯，其接收方向朝向车辆经过的方向。

在本公开一些实施例中，在日照条件下，采用太阳光作为光源；在无日照时，采用带路灯ID的调制信号的白光LED作为光源。

在本公开一些实施例中，所述LED路灯包含LED路灯的光源引擎包含至少一颗单独封装的白光LED串并联构成的白光LED模组，所述LED路灯作为接收端通过白光LED模组对可见光感知产生响应光电流。

在本公开一些实施例中，所述LED路灯包括一个或多个路灯配光透镜，并且朝着道路的一面包含太阳能电池板。

在本公开一些实施例中，多个相邻LED路灯模块形成主动式可见光雷达的多进多出链路。

在本公开一些实施例中，所述信号处理及传输单元包括1比特的AD采样模块及运算放大电路，以及一个电力线载波通信模块或窄带物联网模块；所述分析单元包括网关或云端，通过电力线载波通信模块或窄带物联网模块把采集到的数字信号发送到网关或云端。

根据本公开的另一个方面，提供了一种基于可见光感知的交通流智能感知方法，包括：

获取在预设光源条件下，接收端产生响应光电流与接收端感测的光强之间的响应分布，并确定有车辆通过时的信号判断阈值；

进行AD采样模块的参数初始化，设置时间周期、采样频率；

在一个采样周期内，采集接收端在光源条件下产生的响应光电流信号，并通过运算放大电路进行信号放大，并传输至分析单元；

分析单元对信号进行分析处理，当采样信号处在低于阈值ε的状态时，认为接收端的接收方向无车辆通过；当采样信号大于阈值ε时，认为此时间内接收端的接收方向有车辆正在通过；

当采用信号由高于阈值恢复到低于阈值的状态时，令该时间周期内的通过车辆数量加1；

记录一个预定的时间周期内，车辆通过接收端的数量，计算得到该路段的交通流密度。

在本公开一些实施例中，还包括：对一个采样周期内多次采样的结果求取平均值作为采样信号。

在本公开一些实施例中，还包括：在云端部署人工智能深度学习网络，以大规模的LED路灯感知信号作为输入，以各个路口安装的视频监控采集到的车流密度来强化训练深度学习网络，获得可收敛的结果。

(三)有益效果

从上述技术方案可以看出，本公开基于可见光感知的交通流智能感知系统及方法至少具有以下有益效果其中之一：

(1)通过可见光感知技术，在提供照明的同时，不需要昂贵的硬件和复杂的电路来传输检测到的事件信息，实现了交通流信息的感知检测；

(2)相比基于光学相机的事件检测，不会产生隐私侵入的问题，也不需要复杂的处理电路和高功率的能耗。

(3)直接利用LED路灯白光光源作为可见光感知的光电接收器，不需要额外在路灯上增加光电二级管，不需要对LED路灯进行重新设计与制造，可以显著降低成本。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本公开实施例所提供的基于可见光感知的交通流智能感知系统示意图。

图2为本公开实施例基于商用的光学仿真软件Zemax仿真的系统光路图，其中(a)为远场的太阳光照射到路面之后经过路面反射后光线的轨迹情况；(b)为远场的太阳光照射到路面之后经过汽车反射后光线的轨迹情况。

图3为本公开实施例基于Zemax仿真实验中，LED在下方有车辆通过时产生的信号响应。

图4为本公开实施例在等比例缩小实验中，LED在无车辆情况下产生的信号响应。

图5为本公开实施例在等比例缩小实验中，LED在下方有车辆通过时产生的信号响应。

图6为本实施例基于可见光感知的交通流智能感知方法的方法流程图。

图7为分析周期在一个时间周期内记录交通流密度的流程图。

具体实施方式

本公开提供了一种基于可见光感知的交通流智能感知系统及方法，可以实现在低成本、无隐私侵入条件下的交通流信息的感知检测。为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

本公开某些实施例于后方将参照所附附图做更全面性地描述，其中一些但并非全部的实施例将被示出。实际上，本公开的各种实施例可以许多不同形式实现，而不应被解释为限于此数所阐述的实施例；相对地，提供这些实施例使得本公开满足适用的法律要求。

在本公开的第一个示例性实施例中，提供了一种基于可见光感知的交通流智能感知系统。本公开基于可见光感知的交通流智能感知系统包括：光源、接收端、信号处理及传输单元及分析单元。在光源条件下，接收端会对接收到的光强产生响应光电流，光强越强，响应光电流越大。当接收端接收方向有车辆经过时，由于车辆对光线的反射，响应光电流的强度会得到提升。因此，通过对接收端产生的响应光电流信号采集和分析，可以实现在低成本、无隐私侵入条件下的交通流信息的感知检测。

图1为本公开第一实施例基于可见光感知的交通流智能感知系统的结构示意图。如图1所示，包含：太阳光光源、LED路灯、交通路面以及车辆等示意模型。在本实施例中，采用LED路灯模块作为接收端；在日照条件下，采用太阳光作为光源；在无日照时，采用带路灯ID的调制信号的白光LED作为光源。交通流智能感知系统采用基于LED路灯产生的响应光电流进行交通流信息感知。

具体地，所述LED路灯包含LED路灯光源引擎包含至少一颗单独封装的白光LED串并联构成的模组。进一步地，所述LED路灯包括一个或多个COB封装的白光LED阵列光源模组。所述LED路灯作为接收端进行光线探测，通过LED路灯的白光LED模组产生的响应光电流进行交通流信息感知。

所述LED路灯包括一个或多个路灯配光透镜，配光透镜在LED路灯中不仅控制着LED路灯的照明范围，也控制着通过LED路灯进行可见光感知的路面区域。

进一步地，LED路灯朝着道路的一面包含太阳能电池板。

进一步地，多个相邻LED路灯模块形成主动式可见光雷达的多进多出链路，提高车辆密度和速度感知的准确度。

所述信号处理及传输单元包括AD采样模块及运算放大电路，以及一个电力线载波通信模块或窄带物联网模块。优选地，所述AD采样模块的分辨率可以仅为1比特，即只需有两个输出模式。

所述分析单元包括网关或云端，通过电力线载波通信模块或窄带物联网模块把采集到的数字信号发送到网关或云端。在云端部署人工智能深度学习网络，以大规模的LED路灯感知信号作为输入，以各个路口安装的视频监控采集到的车流密度来强化训练深度学习网络，获得可收敛的结果。

为了便于理解本公开，下面结合附图1-5对本公开做进一步的介绍。

图1中所示为本公开实施例提供的交通流智能感知系统示意图，展示了LED路灯对单个车辆的感知方式。如图1所示：本公开实施例中所采用的光源为日照情况下的太阳光源，所采用的接收端为LED路灯。当LED路灯下方没有车辆通过时，由于柏油马路的漫反射以及吸光效应，仅有少量太阳光通过路面反射进入到LED路灯中。当LED路灯下方有车辆通过时，由于车辆的镜面反射作用，有大量的太阳光通过车辆反射进入到LED路灯中，由此产生较大的响应光电流。其中，太阳光认为是不可调制的远场平行光。

如图2中所示为本公开实施例提供的基于Zemax仿真的系统光路追迹图。其中(a)展示了远场的太阳光照射到路面之后，经过路面反射后光线的轨迹情况。在该仿真实验中，设置了路面的Scatter Fraction＝0.8(即表示80％的漫发射+20％的镜面反射)，吸光率为I.50，该参数与实际情况相符。其中(b)展示了远场的太阳光照射到路面之后，经过汽车反射后光线的轨迹情况。在该仿真实验中，设置了汽车的Scatter Fraction＝0.2(即表示20％的漫发射+80％的镜面反射)，吸光率为I.005，该参数与实际情况相符。

如图3中所示为本公开实施例基于图1和图2的仿真结果。其中横坐标表示小车距离LED路灯正下方路面的距离，单位为米，横轴正方向表示车辆行驶方向。纵轴为相对光强，无单位。可以发现对于不同接收角度的LED路灯，当车辆通过LED路灯正下方时，都会出现信号升高，当车辆驶离LED路灯时，信号恢复到普通值。

如图4所示为中所示为本公开实施例基于图1和图2的实验，LED路灯在无车辆情况下产生的信号响应的实验结果。其中，横坐标单位为秒，纵坐标单位为毫伏。当LED路灯下无车辆通过时，由于环境噪声，大约会产生峰峰值在8毫伏左右的信号。

如图5所示为中所示为本公开实施例基于图1和图2的实验，LED路灯在有车辆情况下产生的信号响应的实验结果。其中，横坐标单位为秒，纵坐标单位为毫伏。当LED路灯下有车辆通过时，可以明显看到一个波峰。这与图三仿真结果相一致。

本公开的目的是基于LED路灯对光强的响应，实现对在其下方通过车辆数量的统计。在日照条件下，LED路灯会对接收到的光强产生响应光电流，光强越强，响应光电流越大。当LED路灯下方有车辆经过时，由于车辆对光线的反射，响应光电流的强度会得到提升。因此，通过对LED路灯产生的响应光电流信号采集和分析，可以实现在低成本、无隐私侵入条件下的交通流信息的感知检测。

至此，本公开第一实施例基于可见光感知的交通流智能感知系统介绍完毕。

在本公开的第二个示例性实施例中，提供了一种基于可见光感知的交通流智能感知方法，图6为本实施例基于可见光感知的交通流智能感知方法的方法流程图，如图6所示，本实施例的方法具体包括以下几个步骤：

获取其在预设光源条件下，接收端产生响应光电流与接收端感测的光强之间的响应分布，并确定有车辆通过时的信号判断阈值。

具体地，在日照条件下，获取LED路灯在不发光的情况下，不同环境光强情况下产生响应光电流的静态与动态模式，并确定有车辆通过时的信号判断阈值；在夜晚条件下，由带路灯ID的调制信号的白光LED同时作为光源和光探测器，确定有车辆通过时的信号判断阈值。

进一步的，进行AD采样模块的参数初始化，设置时间周期、采样频率。

进一步的，在一个采样周期内，采集接收端在光源条件下产生的响应光电流信号，并通过运算放大电路进行信号放大，并传输至分析单元。

图7为分析周期在一个时间周期内记录交通流密度的流程图。其中，t表示采样次数；n表示该周期内通过小车的数量；x_t为采样信号，ε为阈值，y为状态参数，y＝1时表示接收端的接收方向有车辆通过，y＝0是表示LED接收端的接收方向无车辆通过；x为采样信号强度；T为一个时间周期内的采样总次数。

分析单元对信号进行分析处理，当采样信号处在低于阈值ε的状态时，认为接收端的接收方向无车辆通过，令状态参数y＝0；当采样信号大于阈值ε时，认为此时间内，接收端的接收方向有车辆正在通过，令y＝1。

进一步的，当采用信号由高于阈值ε恢复到低于阈值ε的状态时，即每当状态参数由1变成0时，令该时间周期内的通过车辆数量n加1。

进一步的，由此记录一个预定的时间周期内，车辆通过接收端的数量，计算得到该路段的交通流密度。

在一具体实施例中，所述LED路灯模块作为接收端；在日照条件下，采用太阳光作为光源。基于LED路灯的交通流智能感知方法具体包括：

S0：对于同一类型的LED路灯，获取LED路灯在不发光的情况下，对于不同环境光强情况下，产生响应光电流的响应分布，并确定有车辆通过时的信号判断阈值；

S1：进行......参数初始化，设置时间周期，采样频率；

S2：在一个采样周期内，采集LED路灯在日照条件下产生的响应光电流信号，并通过运算放大电路进行信号放大；

S3：对信号进行分析处理，当采样信号处在低于阈值的状态时，认为路灯下方无车辆通过，令状态参数y＝0(y＝0表示LED路灯下方无车辆通过，y＝1表示LED路灯下方有车辆正在通过)；

S4：当采样信号大于阈值时，认为此时间内，路灯下方有车辆正在通过，令y＝1；

S5：当采用信号由高于阈值恢复到低于阈值状态时，即每当状态参数由1变成0时，令该时间周期内的通过车辆数量n加1；

S6：由此记录一个时间周期内，车辆通过所述LED路灯的数量，计算得到该路段的交通流密度。

进一步地，为了减少环境噪声的干扰，对一个采样周期内多次采样的结果求取平均值作为采样信号。

可选地，采用云端作为分析模块时，可以在云端部署人工智能深度学习网络，以大规模的LED路灯感知信号作为输入，以各个路口安装的视频监控采集到的车流密度来强化训练深度学习网络，获得可收敛的结果。

本实施例一种基于LED路灯的交通流智能感知方法，在低成本和无隐私侵犯的前提下实现对路面车流量的统计。由上述本公开提供的技术方案可以看出，通过采集LED路灯对环境光强的响应变化，可以实现对交通流信息的检测。该方案可以基于现有的LED模块来实现，充分体现了VLS系统的优势：不需要添加额外的电子设备，大大降低了交通流信号感知过程的成本，增加了系统实现的可行性。

当然，上述硬件结构还应当包含电源模块(图未示)等功能模块，这些是本领域内的一般技术人员可以理解的，本领域内一般技术人员也可以根据功能的需要，添加相应的功能模块，在此不作赘述。

为了达到简要说明的目的，上述实施例1中任何可作相同应用的技术特征叙述皆并于此，无需再重复相同叙述。

至此，本公开第二实施例基于可见光感知的交通流智能感知方法介绍完毕。

至此，已经结合附图对本公开实施例进行了详细描述。需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。

还需要说明的是，实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向，并非用来限制本公开的保护范围。贯穿附图，相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时，将省略常规结构或构造。

并且图中各部件的形状和尺寸不反映真实大小和比例，而仅示意本公开实施例的内容。另外，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。

除非有所知名为相反之意，本说明书及所附权利要求中的数值参数是近似值，能够根据通过本公开的内容所得的所需特性改变。具体而言，所有使用于说明书及权利要求中表示组成的含量、反应条件等等的数字，应理解为在所有情况中是受到「约」的用语所修饰。一般情况下，其表达的含义是指包含由特定数量在一些实施例中±10％的变化、在一些实施例中±5％的变化、在一些实施例中±1％的变化、在一些实施例中±0.5％的变化。

再者，单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。

此外，除非特别描述或必须依序发生的步骤，上述步骤的顺序并无限制于以上所列，且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑，彼此混合搭配使用或与其他实施例混合搭配使用，即不同实施例中的技术特征可以自由组合形成更多的实施例。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的内容，并且上面对特定语言所做的描述是为了披露本公开的最佳实施方式。

本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开实施例的相关设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。并且，在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。

类似地，应当理解，为了精简本公开并帮助理解各个公开方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，公开方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。

以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于可见光感知的交通流智能感知系统，包括：

光源，为可见光，用于提供环境光线；

接收端，根据接收到的可见光光强产生响应光电流，当接收端接收方向有车辆经过时，由于车辆对光线的反射，响应光电流的强度变大；

信号处理及传输单元，用于响应光电流信号进行采样和处理，并进行传输，以及

分析单元，对处理后的采样信号分析，计算得到交通流密度。

2.根据权利要求1所述的交通流智能感知系统，其中，所述接收端为LED路灯，其接收方向朝向车辆经过的方向。

3.根据权利要求2所述的交通流智能感知系统，其中，在日照条件下，采用太阳光作为光源；在无日照时，采用带路灯ID的调制信号的白光LED作为光源。

4.根据权利要求2所述的交通流智能感知系统，其中，所述LED路灯包含LED路灯的光源引擎包含至少一颗单独封装的白光LED串并联构成的白光LED模组，所述LED路灯作为接收端通过白光LED模组对可见光感知产生响应光电流。

5.根据权利要求2所述的交通流智能感知系统，其中，所述LED路灯包括一个或多个路灯配光透镜，并且朝着道路的一面包含太阳能电池板。

6.根据权利要求2所述的交通流智能感知系统，其中，多个相邻LED路灯模块形成主动式可见光雷达的多进多出链路。

7.根据权利要求1所述的交通流智能感知系统，其中，

所述信号处理及传输单元包括1比特的AD采样模块及运算放大电路，以及一个电力线载波通信模块或窄带物联网模块；

所述分析单元包括网关或云端，通过电力线载波通信模块或窄带物联网模块把采集到的数字信号发送到网关或云端。

8.一种基于可见光感知的交通流智能感知方法，包括：

获取在预设光源条件下，接收端产生响应光电流与接收端感测的光强之间的响应分布，并确定有车辆通过时的信号判断阈值；

进行AD采样模块的参数初始化，设置时间周期、采样频率；

在一个采样周期内，采集接收端在光源条件下产生的响应光电流信号，并通过运算放大电路进行信号放大，并传输至分析单元；

分析单元对信号进行分析处理，当采样信号处在低于阈值ε的状态时，认为接收端的接收方向无车辆通过；当采样信号大于阈值ε时，认为此时间内接收端的接收方向有车辆正在通过；

当采用信号由高于阈值恢复到低于阈值的状态时，令该时间周期内的通过车辆数量加1；

记录一个预定的时间周期内，车辆通过接收端的数量，计算得到该路段的交通流密度。

9.根据权利要求1所述的交通流智能感知方法，还包括：对一个采样周期内多次采样的结果求取平均值作为采样信号。

10.根据权利要求1所述的交通流智能感知方法，还包括：在云端部署人工智能深度学习网络，以大规模的LED路灯感知信号作为输入，以各个路口安装的视频监控采集到的车流密度来强化训练深度学习网络，获得可收敛的结果。