CN108898848A

CN108898848A - 一种基于云端自学习的车辆检测系统

Info

Publication number: CN108898848A
Application number: CN201810727231.0A
Authority: CN
Inventors: 张晓波
Original assignee: Individual
Current assignee: Individual
Priority date: 2018-07-05
Filing date: 2018-07-05
Publication date: 2018-11-27

Abstract

本发明公开了一种基于云端自学习的车辆检测系统。所述系统包括：地磁传感器和云端处理器；地磁传感器与云端处理器无线连接；地磁传感器包括：温度补偿模块；地磁检测模块，与温度补偿模块连接；邻车检测模块，分别与温度补偿模块和地磁检测模块连接；输出模块，分别与地磁检测模块和邻车检测模块连接；云端处理器包括自学习模块。本发明仅设置一种地磁传感器，成本低；并且通过设置自学习模块、温度补偿模块、邻车检测模块使得车辆检测系统在复杂环境下检测精度高、可靠性高。

Description

一种基于云端自学习的车辆检测系统

技术领域

本发明涉及智能交通技术领域，特别是涉及一种基于云端自学习的车辆检测系统。

背景技术

检测车辆的能力是智能交通管理系统的主要元素，使我们能够收集有关交通强度和车辆速度的信息。感应环路传感器价格低廉，信号质量相对较高，因此，采用感应环路传感器对车辆进行检测越来越普遍。但感应环路传感器在过程通常会对广泛的路面区域造成严重损害，且感应环路传感器本身可能会受到路面热膨胀的影响，造成检测结果不准确。而车辆大多由金属部件制成，当汽车移动时，它会扭曲地球的磁场。移动车辆造成的磁场变化，可以在道路上轻松检测和测量。因此，为了提高检测精度，通常将地磁传感器用于车辆自动检测。

地磁传感器是能够提供有关交通流量、环境条件和其他参数的信息，并且随着应用的普及使得传感器价格不断下降。当车辆位于地磁传感器上方时，其金属结构会扭曲地球的磁场，从而可以确定车辆的位置。由于地磁传感器成本低廉、安装方便，是目前比较流行的检测设备之一。

在复杂环境下对车辆进行检测，由于存在许多不同的车辆品牌并且人们不可能将车辆精确地停放在指定检测位置，同时，如果存在各种背景磁场噪声干扰等，这些都可能会对车辆检测的准确度造成负面影响。为了实现用低成本的方案来准确检测车辆的问题，需要一种鲁棒性高、稳定可靠检测车辆的方法。传统的解决思路存在以下几种思路：(1)采用多种传感器补偿检测方法，如采用超声波、红外感应、雷达测距、微波测距等传感器辅助结合地磁传感器检测方案。此类方案虽然在一定程度上提高了检测精度和可靠性，但是由于采用多种传感器，无论是设备成本还是应用场景都受到很大限制，如超声波检测方式，需要额外安装超声波感应装置，红外传感器需要红外透镜设计等，这些都大大增加了检测复杂度和设计成本。(2)采用单纯的地磁传感器来感应车位地球磁场变化，通过特定的检测算法实现车辆检测，该方法单纯依靠前端传感器检测的短时数据，往往在磁场干扰、温度变化差异大、障碍物遮挡等各种恶劣情况下，无法保证检测准确度。

发明内容

基于此，有必要提供一种成本低、在复杂环境下检测精度高、可靠性高的基于云端自学习的车辆检测方法及系统。

为实现上述目的，本发明提供了如下方案：

一种基于云端自学习的车辆检测系统，包括：地磁传感器和云端处理器；所述地磁传感器与所述云端处理器无线连接；

所述地磁传感器包括：

温度补偿模块，用于获取当前温度的磁场补偿数据；所述磁场补偿数据是通过查询磁场补偿数据表得到的；所述磁场补偿数据是依据多个不同的温度以及各温度对应的地磁数据建立的；

地磁检测模块，与所述温度补偿模块连接，内置有各不同型号车辆分别对应的预设区域地磁阈值；检测时，所述地磁检测模块用于获取预设区域在三个方向轴上的第一地磁分量值，并依据所述第一地磁分量值、所述磁场补偿数据和磁场初始值得到预设区域的地磁检测值，还用于将预设区域的地磁检测值与各不同型号车辆分别对应的预设区域地磁阈值进行对比，判断预设区域内是否存在车辆，得到第一判断结果，若所述第一判断结果表示是，则判断所述车辆的型号；所述磁场初始值为所述预设区域内无车时的地磁强度值；

邻车检测模块，分别与所述温度补偿模块和所述地磁检测模块连接，内置有各不同型号车辆分别对应的邻近区域地磁阈值；检测时，所述邻车检测模块用于获取预设区域在两个方向轴上的第二地磁分量值，并依据所述第二地磁分量值、所述磁场补偿数据和所述磁场初始值确定邻近区域的地磁检测值，还用于将邻近区域的地磁检测值与各不同型号车辆分别对应的邻近区域地磁阈值进行对比，判断所述车辆是否位于所述邻近区域，得到第二判断结果；所述邻近区域为与所述预设区域相邻的区域；

输出模块，分别与所述地磁检测模块和所述邻车检测模块连接，用于当所述地磁检测模块的第一判断结果表示预设区域内不存在车辆时，则直接将所述第一判断结果上传至所述云端处理器；当所述地磁检测模块的第一判断结果表示预设区域内存在车辆，且所述邻车检测模块的第二判断结果表示所述车辆没有位于所述邻近区域时，则将所述第一判断结果和所述车辆的型号上传至所述云端处理器；

所述云端处理器包括自学习模块，用于在检测前对获取的预设区域内各不同型号的车辆在各不同停车角度的三个方向轴上的历史地磁分量值进行训练，得到每个型号车辆的预设区域地磁阈值，以及在检测前对获取的邻近区域内各不同型号的车辆在各不同停车角度的两个方向轴上的历史地磁分量值进行训练，得到每个型号车辆的邻近区域地磁阈值。

可选的，所述云端处理器还包括：

校准判定模块，用于判断所述地磁传感器是否需要校准。

可选的，所述云端处理器还包括：

信号强度辅助检测模块，用于依据所述地磁传感器的信号接收强度值，判断预设区域内是否存在车辆。

可选的，所述地磁检测模块包括第一检测单元，用于获取预设区域的地磁检测值。

可选的，所述第一检测单元具体为：

其中，B_x表示x轴方向上的地磁分量值，B_x0表示x轴方向上的磁场初始分量值，B_y表示y轴方向上的地磁分量值，B_y0表示y轴方向上的磁场初始分量值，B_z表示z轴方向上的地磁分量值，B_z0表示z轴方向上的磁场初始分量值，B₀表示磁场初始值，K表示预设区域的地磁检测值，x轴方向表示与车辆长度平行的方向，y轴方向表示与车辆宽度平行的方向，z轴方向表示与地面垂直的方向。

可选的，所述第一检测单元具体为：

B_znom＝1000·(B_z/B_z0-1)

其中B_z表示z轴方向上的地磁分量值，B_z0表示z轴方向上的磁场初始分量值，B_znom表示预设区域的地磁检测值，z轴方向表示与地面垂直的方向。

可选的，所述邻车检测模块包括第二检测单元，用于获取邻近区域的地磁检测值；所述第二检测单元具体为：

获取x轴方向上的地磁分量值和y轴方向上的地磁分量值；

将x轴方向上的地磁分量值与x轴方向上的磁场初始分量值作差，得到第一差值；x轴方向表示与车辆长度平行的方向；

将y轴方向上的地磁分量值与y轴方向上的磁场初始分量值作差，得到第二差值；y轴方向表示与车辆宽度平行的方向；

将所述一差值和所述第二差值相加，得到邻近区域的地磁检测值。

可选的，所述地磁传感器为两个，两个所述地磁传感器均设置于x轴方向上，所述x轴方向表示与车辆长度平行的方向。

可选的，所述地磁传感器与所述云端处理器通过WIFI或BLE蓝牙无线连接。

可选的，所述云端处理器设置在便携式电脑中。

与现有技术相比，本发明的有益效果是：

本发明提出了一种基于云端自学习的车辆检测系统，该系统包括：地磁传感器和云端处理器；所述地磁传感器与所述云端处理器无线连接；所述地磁传感器包括：温度补偿模块；地磁检测模块，与温度补偿模块连接；邻车检测模块，分别与温度补偿模块和地磁检测模块连接；输出模块，分别与地磁检测模块和邻车检测模块连接；所述云端处理器包括自学习模块。本发明仅设置一种地磁传感器，避免了安装多种传感器，成本低，易于实现；并且通过设置自学习模块、温度补偿模块、邻车检测模块使得车辆检测系统在复杂环境下检测精度高、可靠性高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种基于云端自学习的车辆检测系统的结构示意图；

图2为本发明具体实施例车辆检测示意图；

图3为本具体实施例随温度变化地磁传感器参数变化曲线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例一种基于云端自学习的车辆检测系统的结构示意图。

参见图1，实施例的基于云端自学习的车辆检测系统，包括：地磁传感器1和云端处理器2；所述地磁传感器1与所述云端处理器2无线连接。

所述地磁传感器1包括：

温度补偿模块3，用于获取当前温度的磁场补偿数据；所述磁场补偿数据是通过查询磁场补偿数据表得到的；所述磁场补偿数据是依据多个不同的温度以及各温度对应的地磁数据建立的。

地磁检测模块4，与所述温度补偿模块3连接，内置有各不同型号车辆分别对应的预设区域地磁阈值；检测时，所述地磁检测模块4用于获取预设区域在三个方向轴上的第一地磁分量值，并依据所述第一地磁分量值、所述磁场补偿数据和磁场初始值得到预设区域的地磁检测值，还用于将预设区域的地磁检测值与各不同型号车辆分别对应的预设区域地磁阈值进行对比，判断预设区域内是否存在车辆，得到第一判断结果，若所述第一判断结果表示是，则判断所述车辆的型号；所述磁场初始值为所述预设区域内无车时的地磁强度值；所述地磁检测模块4包括第一检测单元，用于获取预设区域的地磁检测值。

邻车检测模块5，分别与所述温度补偿模块3和所述地磁检测模块4连接，内置有各不同型号车辆分别对应的邻近区域地磁阈值；检测时，所述邻车检测模块5用于获取预设区域在两个方向轴上的第二地磁分量值，并依据所述第二地磁分量值、所述磁场补偿数据和所述磁场初始值确定邻近区域的地磁检测值，还用于将邻近区域的地磁检测值与各不同型号车辆分别对应的邻近区域地磁阈值进行对比，判断所述车辆是否位于所述邻近区域，得到第二判断结果；所述邻近区域为与所述预设区域相邻的区域。

所述邻车检测模块5包括第二检测单元，用于获取邻近区域的地磁检测值；所述第二检测单元具体为：获取x轴方向上的地磁分量值和y轴方向上的地磁分量值；将x轴方向上的地磁分量值与x轴方向上的磁场初始分量值作差，得到第一差值；x轴方向表示与车辆长度平行的方向；将y轴方向上的地磁分量值与y轴方向上的磁场初始分量值作差，得到第二差值；y轴方向表示与车辆宽度平行的方向；将所述一差值和所述第二差值相加，得到邻近区域的地磁检测值。

输出模块6，分别与所述地磁检测模块4和所述邻车检测模块5连接，用于当所述地磁检测模块4的第一判断结果表示预设区域内不存在车辆时，则直接将所述第一判断结果上传至所述云端处理器2；当所述地磁检测模块4的第一判断结果表示预设区域内存在车辆，且所述邻车检测模块5的第二判断结果表示所述车辆没有位于所述邻近区域时，则将所述第一判断结果和所述车辆的型号上传至所述云端处理器2。

所述云端处理器2包括自学习模块7、校准判定模块8和信号强度辅助检测模块9；所述自学习模块7用于在检测前对获取的预设区域内各不同型号的车辆在各不同停车角度的三个方向轴上的历史地磁分量值进行训练，得到每个型号车辆的预设区域地磁阈值，以及在检测前对获取的邻近区域内各不同型号的车辆在各不同停车角度的两个方向轴上的历史地磁分量值进行训练，得到每个型号车辆的邻近区域地磁阈值；所述校准判定模块8，用于判断所述地磁传感器是否需要校准；信号强度辅助检测模块9，用于依据所述地磁传感器的信号接收强度值，判断预设区域内是否存在车辆。

作为一种可选的实施方式，所述第一检测单元具体为：

作为一种可选的实施方式，所述第一检测单元还可以为：

B_zno_m＝1000·(B_z/B_z0-1)

作为一种可选的实施方式，所述地磁传感器1为两个，两个所述地磁传感器1均设置于x轴方向上，所述x轴方向表示与车辆长度平行的方向。

作为一种可选的实施方式，所述地磁传感器1与所述云端处理器2通过WIFI或BLE蓝牙无线连接。

作为一种可选的实施方式，所述云端处理器设置在便携式电脑中。

下面为一个具体的实施例。

本具体实施例的基于云端自学习的车辆检测系统用于检测车辆是否在停车位，并识别当前车辆是在本车位停车还是在邻车车位停车。图2为本发明具体实施例车辆检测示意图。参见图2，当车辆进入和离开停车位时，可以检测到磁场在x、y和z三个轴的磁场分量。为了提高在复杂环境下检测精度和可靠性，在利用前端传感器进行检测时，在地磁传感器中设置了如下模型：

(1)温度补偿模型，内置于温度补偿模块

由于地磁传感器的各轴磁场参数随时间变化并且不稳定，例如，地磁传感器传感器的参数会受温度影响。图3为本具体实施例随温度变化地磁传感器参数变化曲线图。参见图3，地球环境磁场是恒定的，环境温度从-40℃到+80°C变化，传感器的初始电平偏移和灵敏度发生变化，磁场轴Z的分量B_z受影响最大。因此，建立温度补偿模型来提高检测精度。

本实施例的温度补偿方法，首先采集传感器的温度变化曲线，将该曲线预先存在一个表格；测量时，传感器节点通过测量当前的温度，通过查表，即可得到当前温度对应的磁场补偿数据，保证了在不同温度环境下的车辆检测精度不受温度漂移的影响。

(2)地磁检测模型，内置于地磁检测模块

将各轴的磁场分量与磁场初始值(即无车情况下的磁场分布，可以通过预先校准得到)进行差分求和，就能够有效区分车辆的状态。下面是两种用于车辆检测的建模思路：

a、K值模型

其中，B_x表示x轴方向上的地磁分量值，B_x0表示x轴方向上的磁场初始分量值，B_y表示y轴方向上的地磁分量值，B_y0表示y轴方向上的磁场初始分量值，B_z表示z轴方向上的地磁分量值，B_z0表示z轴方向上的磁场初始分量值，B₀表示磁场初始值，K表示被测停车位的地磁检测值，x轴方向表示与车辆长度平行的方向，y轴方向表示与车辆宽度平行的方向，z轴方向表示与地面垂直的方向。

该模型是将磁场个分量与初始值的差分作比较，通过将各分量与初始磁场的变化差异求和，可以有效区分车辆对各轴磁场影响，从而实现对车辆的检测。该模型考虑了初始位置，即无车辆状态下的磁场初始值，且该模型置于地磁检测模块，考虑了温度的补偿提高了检测的准确度。

b、Bznom值模型

将Z轴的磁场变化与初始值的差分作为模型，具体为

B_znom＝1000·(B_z/B_z0-1)

B_znom表示被测停车位的地磁检测值。

通过多次从不同的停车角度在停车位进行停车实验，得到K值模型的鲁棒性更好，不容易误判，要优于单纯的Z轴差分模型，因此，本实施例中采用K值模型进行检测，其检测准确度大于99％，提高了检测精确度和可靠性。

(3)邻车检测模型，内置于邻车检测模块

在实际应用中，停车位的地磁传感器经常会受到相邻车辆的干扰，为了解决这个问题，设计了邻车检测模型，具体为获取x轴方向上的地磁分量值和y轴方向上的地磁分量值；将x轴方向上的地磁分量值与x轴方向上的磁场初始分量值作差，得到第一差值；x轴方向表示与车辆长度平行的方向；将y轴方向上的地磁分量值与y轴方向上的磁场初始分量值作差，得到第二差值；y轴方向表示与车辆宽度平行的方向；将所述一差值和所述第二差值相加，得到邻近区域的地磁检测值。

本实施例利用地磁检测模型与邻车检测模型共同进行识别检测，能够判断停车位是否存在车辆，当检测到存在车辆时，能够判断是邻车位停车还是本车位停车，检测准确度更高。

为了提高检测精度，本实施例，在前端节点中X轴方向部署了双地磁传感器。在测试中，双传感器由于在空间存在位置差异，因此地磁各轴的响应曲线会存在一定的时序延迟，为了解决这一问题，采用时间平移补偿方法来实现检测结果的匹配。通过比对两个传感器的响应差异，来判断车辆的检测，提高了检测准确度。

为了进一步提高在复杂环境下检测精度和可靠性，本实施例设置了云端处理器，所述与端处理器包括：自学习模块、校准判定模块和信号强度辅助检测模块。

(1)自学习模块

该模块建立的自学习模型的算法步骤如下：

首先，将前端设备(地磁传感器)置于学习训练模式，例如前端节点传感器每隔500ms～1s输出一次当前的地磁X、Y、Z轴的地磁检测值到云端处理器，用户可以在这个阶段持续更换不同的车辆类型，不同的停车角度、不同的停车位置(例如邻车位停车)，为了保证测试准确，每种用例测试若干次，例如50次。

当测试采集完成后，地磁传感器发出测试完成请求，并将数据实时上传至云端处理器，云端处理器就会启动训练这些数据，通过学习各种不同车型、不同角度的、不同停车位置的数据，通过预先设定一个检测精度比如95％，自动改变不同的地磁阈值，如K值模型的门限阈值，找到一个满足检测条件的最佳阈值出来。

训练完成后将各不同型号车辆分别对应的预设区域地磁阈值、各不同型号车辆分别对应的邻近区域地磁阈值置于到前端检测节点的算法中，用于实际应用车辆检测场景。

在实际应用中，为了减少施工部署网关，将云端处理器灵活的部署在便携式电脑中，且通过本地无线联接，如Wi-Fi或BLE蓝牙方式，实现前端数据的采集和训练。

(2)校准判定模块

背景信号是地磁传感器采集到的来源于地球磁场变化引起的信号，地球磁场在很广阔的区域内(大约几公里)是一定的。由于节点本身的电气特性变化、周围铁磁物质磁化、地球磁场发生变化以及气温的变化等因素的影响，背景信号会发生改变，这就决定了在进行车辆检测时，需要定期更新。

由于前端节点传感器的计算能力及存储器容量的限制，前端节点只能处理当前的瞬态地磁变化输出和基于前面的检测模型检测车辆。但是，在实际复杂环境中，可能存在很多其他因素导致车辆检测出错，单纯依靠前端传感器的检测模型，仍然存在检测错误的情形。例如，当地磁磁场随时间发生缓慢变化导致，最初的校准地磁数据已经不能反应当前的变化情况，这个过程可以通过云端对缓慢变换的数据累计分析和实时采用数据的分析，决定是否需要前端传感器重新校准。

校准判定模块具体实现过程如下：

传感器节点部署，在地磁传感器节点部署的时候，严格按照车位的方向部署地磁的X、Y轴，例如X轴平行于车位长度方向；初次部署完成后，完成地磁校准(无车时)，把当前的地磁信息保存到云端处理器；地磁传感器默认设定如每2小时上报心跳包到云端，心跳包中会将地磁的X、Y、Z轴的数据定时上报保存；云端处理器在后台会启动地磁数据的分析，当地磁数据在满足触发重新校准条件时，就会给前端设备发出重校准命令，保证地磁传感器可以更新当前的地磁整体水平初值。

(3)信号强度辅助检测模块

云端处理器会收到网关针对每个前端传感器的信号接收强度值(RSSI)，会在每次上报检测车辆结果时存储在云端数据报文中。当车辆停靠在停车位时，前端传感器的RSSI信号会下降2～4个dB左右，随部署位置的不同而不同。设置信号强度辅助检测模块，采用云端结合节点的RSSI值来辅助判断有车还是无车，能够有效提高检测准确度。在实际部署过程中，例如，当前端出现错误检测的情形时，可以通过比对RSSI的信号，补偿前端的检测结果。

上述具体实施例中的基于云端自学习的车辆检测系统用于实际测试，得到了有效验证，在某客户的实际部署测试中，集中测试了12种车型，取得了初次算法96.4％的准确率，通过云端自学习训练之后，重新优化算法的阈值之后，取得了99.1％的检测准确度。

本实施例基于云端自学习的车辆检测系统，避免了安装多种传感器，成本低，易于实现；并且通过设置自学习模块、校准判定模块、信号强度辅助检测模块、温度补偿模块、邻车检测模块使得车辆检测系统在复杂环境下检测精度高、可靠性高。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明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

1.一种基于云端自学习的车辆检测系统，其特征在于，包括：地磁传感器和云端处理器；所述地磁传感器与所述云端处理器无线连接；

所述地磁传感器包括：

2.根据权利要求1所述的一种基于云端自学习的车辆检测系统，其特征在于，所述云端处理器还包括：

校准判定模块，用于判断所述地磁传感器是否需要校准。

3.根据权利要求1所述的一种基于云端自学习的车辆检测系统，其特征在于，所述云端处理器还包括：

4.根据权利要求1所述的一种基于云端自学习的车辆检测系统，其特征在于，所述地磁检测模块包括第一检测单元，用于获取预设区域的地磁检测值。

5.根据权利要求4所述的一种基于云端自学习的车辆检测系统，其特征在于，所述第一检测单元具体为：

6.根据权利要求4所述的一种基于云端自学习的车辆检测系统，其特征在于，所述第一检测单元具体为：

B_znom＝1000·(B_z/B_z0-1)

7.根据权利要求1所述的一种基于云端自学习的车辆检测系统，其特征在于，所述邻车检测模块包括第二检测单元，用于获取邻近区域的地磁检测值；所述第二检测单元具体为：

获取x轴方向上的地磁分量值和y轴方向上的地磁分量值；

8.根据权利要求1所述的一种基于云端自学习的车辆检测系统，其特征在于，所述地磁传感器为两个，两个所述地磁传感器均设置于x轴方向上，所述x轴方向表示与车辆长度平行的方向。

9.根据权利要求1所述的一种基于云端自学习的车辆检测系统，其特征在于，所述地磁传感器与所述云端处理器通过WIFI或BLE蓝牙无线连接。

10.根据权利要求1所述的一种基于云端自学习的车辆检测系统，其特征在于，所述云端处理器设置在便携式电脑中。