CN113436442B - 一种利用多地磁传感器的车速估计方法 - Google Patents

Abstract

本发明公开了一种利用多地磁传感器的车速估计方法，主要解决现有单地磁、双地磁和多地磁场景中，车速估计精度低的问题。车辆检测模块(1)设有M个，且沿道路旁等间隔部署，用于检测车辆接近和离开检测点的过程，记录车辆接近检测点时的时间，并将时间数据发送给数据处理模块(2)；为避免车辆检测模块没有检测到车辆而无法进行车速估计的情况，数据处理模块(2)利用车辆位置估计和速度估计标准差对所有车辆检测模块上传的时间数据进行数据关联的匹配，并将匹配好的时间数据和车辆检测模块的位置进行多次卡尔曼滤波迭代，得到精确的车辆速度。本发明提高了车速估计精度，可用于智能化交通管理。

Description

一种利用多地磁传感器的车速估计方法

技术领域

本发明属于智能交通技术领域，更进一步涉及一种车速估计的系统及方法，可用于智能化交通管理。

背景技术

智能交通系统在过去的几十年里发展迅速。智能运输系统的主要目的是提高运输系统的安全性、效率和成本效益。通过各种交通传感器，如激光雷达、微波传感器和地磁传感器等，交通监控为智能交通系统提供了有价值的交通流量信息。交通监控信息可被智能交通系统用来改善交通管理。

车速的细粒度监控在智能交通系统中起着重要的作用。针对交通数据采集，引入并研究了许多交通监控技术，如感应环路、基于视频的图像处理方法等。特别是城市地区环境复杂，交通状况的感知和估计需要准确的车速数据。车速估计方法多借由微波雷达、光学传感器、地磁传感器等，微波雷达安装和调试要求太高，不利于大规模部署，光学传感器对环境的要求很高，在天气恶劣如有雾霾时会影响速度估计效果，通过地磁传感器进行车速估计的相关论文和专利所采用的方法多为单地磁传感器场景下车辆长度除以车辆经过传感器的时间、双地磁传感器场景下两个传感器之间的距离除以车辆经过两个传感器的时间。如刘向东等人在公开号为CN108091144A专利申请中提出“基于单地磁检测器的车辆测速方法及装置”，该方法通过Y轴平滑波形曲线中波峰和波谷之间的时间长度和物理距离计算目标车辆的速度，但由于不同车辆磁性物质含量分布不均匀，其Y轴波峰和波谷的真实物理距离无法精确得到，所以车速估计精度较低。Saber Taghvaeeyan等人在论文“PortableRoadside Sensors for Vehicle Counting,Classification,and Speed Measurement”中提出了一种根据传感器间的距离来估计车辆速度的方法，该方法设定两传感器之间为一固定距离，车辆经过两传感器的时间通过计算车辆经过两个传感器磁信号的互相关函数得到，然后再由传感器间的距离除以时间即可得车辆速度，但由于环境噪声影响，车辆经过两个传感器的磁信号波动较大，互相关时间很难准确得到，所以车速估计精度也较低。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种利用多地磁传感器的车速估计方法，以提高测速准确度，促进公路的智能化发展。

为实现上述目的，本发明的技术方案如下：

1.一种利用多地磁传感器的车速估计方法，其特征在于，包括如下：

A)车辆检测模块(1)设有M个，且沿道路旁等间隔部署，行驶在道路上的车辆依次经过每个车辆检测模块(1)；

B)数据处理模块(2)获取实时时间数据，并将其发送给每一个车辆检测模块，实现所有车辆检测模块的时间同步；

C)车辆检测模块实时检测磁场强度数据，以采样频率F_s对磁场强度数据进行采样，获得离散的磁场强度数据，并根据离散的磁场强度数据检测车辆接近和离开检测点的过程，记录车辆接近检测点时的时间数据，并将时间数据发送给数据处理模块；

D)数据处理模块对所有车辆检测模块上传的时间数据进行数据清洗，并利用车辆位置估计和速度估计标准差进行数据关联的匹配：

D1)遍历每一个时间数据，并对时间数据格式进行判断:

如果时间数据不符合正常时间格式，则直接删除该时间数据；

如果时间数据符合正常时间格式，则保留该时间数据，直到遍历完所有时间数据，执行D2)；

D2)设定循环变量初始值k＝1；

D3)按照下式由车辆接近第k个车辆检测模块的时间为车辆接近第k+1个车辆检测模块的时间开辟时间窗：

其中，t_k为车辆接近第k个车辆检测模块的时间，Δx_k为第k个车辆检测模块与第k+1个车辆检测模块的距离，

为车辆接近第k个车辆检测模块时的速度，σ_k,x和σ_k,v分别为车辆接近第k个车辆检测模块的位置估计及速度估计的标准差；

D4)根据上述时间窗内时间数据的个数对车辆接近第k+1个车辆检测模块的时间t_k+1进行确定：

如果只有一个时间数据在该时间窗内，则将该时间数据作为车辆接近第k+1个车辆检测模块的时间t_k+1；

如果有多个时间数据在该时间窗内，则将该多个时间数据从小到大排列，取中间的时间数据作为车辆接近第k+1个车辆检测模块的时间t_k+1；

如果没有时间数据在该时间窗内，则将时间窗的中间值作为车辆接近第k+1个车辆检测模块的时间t_k+1。

D5)判断循环变量k与车辆检测模块总个数M的大小：

如果循环变量k小于车辆检测模块总个数，即k＜M，则循环变量k值加1并返回D3)；

如果循环变量k等于车辆检测模块总个数，即k＝M，则迭代结束，得到车辆经过所有车辆检测模块的时间。

E)数据处理模块将匹配好的车辆接近所有车辆检测模块的时间数据和车辆检测模块的位置进行多次卡尔曼滤波迭代，得到精确的车辆速度：

E1)设定车辆接近第1个车辆检测模块的状态初始值

协方差矩阵的初始值

根据实际测试所需要的车辆速度精度设置最大迭代次数为N，设置循环变量初始值k＝1，其中v_max为道路允许的最大车速；

E2)由车辆接近第k个车辆检测模块的状态预测车辆接近第k+1个车辆检测模块的状态：

其中，

为车辆接近第k个车辆检测模块的状态，

为车辆接近第k个车辆检测模块的估计位置，

为车辆接近第k个车辆检测模块的估计速度；

为车辆接近第k+1个车辆检测模块的状态预测，

为车辆接近第k+1个车辆检测模块的预测位置，

为车辆接近第k+1个车辆检测模块的预测速度；

为状态转移矩阵，Δt_k＝t_k+1-t_k为车辆接近第k个车辆检测模块与车辆接近第k+1个车辆检测模块的时间差；

E3)由E2)得到的状态预测结果和第k+1个车辆检测模块的真实位置，通过下式估计车辆接近第k+1个车辆检测模块的速度：

其中，

为车辆接近第k+1个车辆检测模块的状态，

为车辆接近第k+1个车辆检测模块的估计位置，

为车辆接近第k+1个车辆检测模块的估计速度；

为第k+1个车辆检测模块的真实位置η_k+1与车辆接近第k+1个车辆检测模块的预测位置

的距离差；W_k+1为卡尔曼滤波的增益，其计算公式如下：

W_k+1＝P_k+1|k(h_k)^T(S_k+1)^-1

其中，

为状态预测协方差矩阵，P_k|k为车辆接近第k个车辆检测模块的协方差矩阵，

为噪声协方差矩阵；h_k＝[10]为车辆检测模块提供的观测矩阵；S_k+1＝h_kP_k+1|k(h_k)^T+R_k为车辆检测模块提供的测量协方差矩阵，R_k为车辆检测模块的观测噪声；

E4)按照下式对车辆接近第k+1个车辆检测模块的协方差矩阵进行更新：

其中，P_k+1|k+1为车辆接近第k+1个车辆检测模块的协方差矩阵；

E5)判断循环变量k与设定的最大迭代次数N的大小：

如果循环变量k小于设定的最大迭代次数，即k＜N，则循环变量k值加1并返回E2)；

如果循环变量k等于设定的最大迭代次数，即k＝N，则迭代结束，得到车辆速度。

本发明与现有技术相比具有以下优点：

第一，本发明中利用数据处理模块获取实时时间数据，并发送给每个车辆检测模块，可实现所有车辆检测模块的时间同步；

第二，本发明由于将车辆检测模块设为多个，利用车辆位置估计和速度估计标准差对所有车辆检测模块上传的时间数据进行数据关联的匹配，可避免单地磁、双地磁和多地磁车速估计场景中，车辆检测模块没有检测到车辆而无法进行车速估计的情况；

第三，本发明由于对数据关联得到的时间数据和车辆检测模块的位置进行卡尔曼滤波，可实现道路上车辆连续的速度估计，并且随着卡尔曼滤波更新次数的增加，车速估计精度也越来越高。

附图说明

图1为本发明方法的实现流程图；

图2为本发明中多个车辆检测模块的部署方式图。

具体实施方式

下面结合附图对本发明的实施例做进一步的描述。

参照图1，对本实例一种利用多地磁传感器的车速估计方法，其实现步骤如下：

步骤1，根据实际需求部署多个车辆检测模块。

参考图2车辆检测模块设有M个，且沿道路旁等间隔部署，行驶在道路上的车辆依次经过每个车辆检测模块；每个车辆检测模块1包括地磁传感器子模块11、控制器子模块12和数据收发子模块13，该控制器子模块12与地磁传感器子模块11连接，与数据收发子模块13连接；地磁传感器子模块11实时检测磁场强度数据，并将磁场强度数据发送给控制器子模块12；控制器子模块12对地磁传感器子模块的磁场强度数据进行采集，并将车辆接近检测点的时间数据发送给数据收发子模块13；数据收发子模块13将该时间数据发送给数据处理模块2。

步骤2，对所有车辆检测模块进行时间同步。

数据处理模块获取实时时间数据，并将其发送给每一个车辆检测模块，实现所有车辆检测模块的时间同步；数据处理模块2包括数据收发子模块21、控制器子模块22和GPS子模块23，该控制器子模块22与数据收发子模块21连接，与GPS子模块23连接；该GPS子模块23用于获取实时时间数据，并发送给每个车辆检测模块1，实现所有车辆检测模块的时间同步；该数据收发子模块21用于接收车辆检测模块1上传的时间数据；

步骤3，车辆检测模块实时检测磁场强度数据，以采样频率F_s＝100Hz～500Hz对磁场强度数据进行采样，获得离散的磁场强度数据，并根据离散的磁场强度数据检测车辆接近和离开检测点的过程，记录车辆接近检测点时的时间数据，并将时间数据发送给数据处理模块。

3.1)控制器子模块12根据实际测试的磁场强度数据设定阈值Th，并将其采样得到的离散的磁场强度数据与阈值Th进行比较，判断车辆接近检测点的过程：

如果离散的磁场强度数据高于阈值Th，则判断其后面是否有持续上升的K个数据均高于阈值Th：若是，则认为车辆已接近检测点，控制器子模块12记录该时间数据，执行3.2)，若不是，则认为是干扰数据，不记录该时间数据；

如果离散的磁场强度数据低于阈值Th时，则认为车辆没有接近检测点，不进行处理；

3.2)控制器子模块12将上述离散的磁场强度数据再与设定的阈值Th比较，判断车辆离开检测点的过程：

如果离散的磁场强度数据低于阈值Th，则判断其后面是否有持续下降的L个数据均低于阈值Th：若是，则认为车辆已经离开检测点，控制器子模块12将时间数据发送给数据收发子模块13，数据收发子模块13再将该时间数据转发给数据处理模块2；若不是，则认为车辆还没有离开传感器检测范围；

如果离散的磁场强度数据高于阈值Th，则认为车辆还没有离开传感器检测范围，系统持续等待，直到磁场强度数据低于阈值Th；

所述K和L的值根据实际测试的磁场强度数据而定。

步骤4，数据处理模块对所有车辆检测模块上传的时间数据进行数据清洗，并利用车辆位置估计和速度估计标准差进行数据关联的匹配。

4.1)遍历每一个时间数据，并对时间数据格式进行判断:

如果时间数据不符合正常时间格式，则直接删除该时间数据；

如果时间数据符合正常时间格式，则保留该时间数据，直到遍历完所有时间数据，执行4.2)；

4.2)设定循环变量初始值k＝1；

4.3)按照下式由车辆接近第k个车辆检测模块的时间为车辆接近第k+1个车辆检测模块的时间开辟时间窗：

其中，t_k为车辆接近第k个车辆检测模块的时间，Δx_k为第k个车辆检测模块与第k+1个车辆检测模块的距离，

为车辆接近第k个车辆检测模块时的速度，σ_k,x和σ_k,v分别为车辆接近第k个车辆检测模块的位置估计及速度估计的标准差；

4.4)根据上述时间窗内时间数据的个数对车辆接近第k+1个车辆检测模块的时间t_k+1进行确定：

如果只有一个时间数据在该时间窗内，则将该时间数据作为车辆接近第k+1个车辆检测模块的时间t_k+1；

如果有多个时间数据在该时间窗内，则将该多个时间数据从小到大排列，取中间的时间数据作为车辆接近第k+1个车辆检测模块的时间t_k+1；

如果没有时间数据在该时间窗内，则将时间窗的中间值作为车辆接近第k+1个车辆检测模块的时间t_k+1；

4.5)判断循环变量k与车辆检测模块总个数M的大小：

如果循环变量k小于车辆检测模块总个数，即k＜M，则循环变量k值加1并返回4.3)；

如果循环变量k等于车辆检测模块总个数，即k＝M，则迭代结束，得到车辆经过所有车辆检测模块的时间；

步骤5，数据处理模块将匹配好的车辆接近所有车辆检测模块的时间数据和车辆检测模块的位置进行多次卡尔曼滤波迭代，得到精确的车辆速度。

5.1)设定车辆接近第1个车辆检测模块的状态初始值

协方差矩阵的初始值

根据实际测试所需要的车辆速度精度设置最大迭代次数为N，设置循环变量初始值k＝1，其中v_max为道路允许的最大车速，本实例设但不限于N＝7；

5.2)由车辆接近第k个车辆检测模块的状态预测车辆接近第k+1个车辆检测模块的状态：

其中，

为车辆接近第k个车辆检测模块的状态，

为车辆接近第k个车辆检测模块的估计位置，

为车辆接近第k个车辆检测模块的估计速度；

为车辆接近第k+1个车辆检测模块的状态预测，

为车辆接近第k+1个车辆检测模块的预测位置，

为第k+1个车辆检测模块的预测速度；

为状态转移矩阵，Δt_k＝t_k+1-t_k为车辆接近第k个车辆检测模块与车辆接近第k+1个车辆检测模块的时间差；

5.3)由5.2)得到的状态预测结果和第k+1个车辆检测模块的真实位置，通过下式估计车辆接近第k+1个车辆检测模块的速度：

其中，

为车辆接近第k+1个车辆检测模块的状态，

为车辆接近第k+1个车辆检测模块的估计位置，

为车辆接近第k+1个车辆检测模块的估计速度；

为第k+1个车辆检测模块的真实位置η_k+1与车辆接近第k+1个车辆检测模块的预测位置

的距离差；W_k+1为卡尔曼滤波的增益，其计算公式如下：

W_k+1＝P_k+1|k(h_k)^T(S_k+1)^-1

式中，

为状态预测协方差矩阵，P_k|k为车辆接近第k个车辆检测模块的协方差矩阵，

为噪声协方差矩阵；h_k＝[1 0]为车辆检测模块提供的观测矩阵；S_k+1＝h_kP_k+1|k(h_k)^T+R_k为车辆检测模块提供的测量协方差矩阵，R_k为车辆检测模块的观测噪声；

5.4)按照下式对车辆接近第k+1个车辆检测模块的协方差矩阵进行更新：

其中，P_k+1|k+1为车辆接近第k+1个车辆检测模块的协方差矩阵；

5.5)判断循环变量k与设定的最大迭代次数N的大小：

如果循环变量k小于设定的最大迭代次数，即k＜N，则循环变量k值加1并返回5.2)；

如果循环变量k等于设定的最大迭代次数，即k＝N，则迭代结束，得到车辆速度。

以上仅是本发明的一个具体实例，并不构成对本发明的任何限制，显然对于本领域的技术人员来说，均可在本发明的思想和精神下进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (5)

1.一种利用多地磁传感器的车速估计方法，其特征在于，包括如下：

A)车辆检测模块(1)设有M个，且沿道路旁等间隔部署，行驶在道路上的车辆依次经过每个车辆检测模块(1)；

B)数据处理模块(2)获取实时时间数据，并将其发送给每一个车辆检测模块，实现所有车辆检测模块的时间同步；

C)车辆检测模块实时检测磁场强度数据，以采样频率F_s对磁场强度数据进行采样，获得离散的磁场强度数据，并根据离散的磁场强度数据检测车辆接近和离开检测点的过程，记录车辆接近检测点时的时间数据，并将时间数据发送给数据处理模块；

D)数据处理模块对所有车辆检测模块上传的时间数据进行数据清洗，并利用车辆位置估计和速度估计标准差进行数据关联的匹配：

D1)遍历每一个时间数据，并对时间数据格式进行判断:

如果时间数据不符合正常时间格式，则直接删除该时间数据；

如果时间数据符合正常时间格式，则保留该时间数据，直到遍历完所有时间数据，执行D2)；

D2)设定循环变量初始值k＝1；

D3)按照下式由车辆接近第k个车辆检测模块的时间为车辆接近第k+1个车辆检测模块的时间开辟时间窗：

其中，t_k为车辆接近第k个车辆检测模块的时间，Δx_k为第k个车辆检测模块与第k+1个车辆检测模块的距离，

为车辆接近第k个车辆检测模块时的速度，σ_k,x和σ_k,v分别为车辆接近第k个车辆检测模块的位置估计及速度估计的标准差；

D4)根据上述时间窗内时间数据的个数对车辆接近第k+1个车辆检测模块的时间t_k+1进行确定：

如果只有一个时间数据在该时间窗内，则将该时间数据作为车辆接近第k+1个车辆检测模块的时间t_k+1；

如果有多个时间数据在该时间窗内，则将该多个时间数据从小到大排列，取中间的时间数据作为车辆接近第k+1个车辆检测模块的时间t_k+1；

如果没有时间数据在该时间窗内，则将时间窗的中间值作为车辆接近第k+1个车辆检测模块的时间t_k+1；

D5)判断循环变量k与车辆检测模块总个数M的大小：

如果循环变量k小于车辆检测模块总个数，即k＜M，则循环变量k值加1并返回D3)；

如果循环变量k等于车辆检测模块总个数，即k＝M，则迭代结束，得到车辆经过所有车辆检测模块的时间；

E)数据处理模块将匹配好的车辆接近所有车辆检测模块的时间数据和车辆检测模块的位置进行多次卡尔曼滤波迭代，得到精确的车辆速度：

E1)设定车辆接近第1个车辆检测模块的状态初始值

协方差矩阵的初始值

根据实际测试所需要的车速精度设置最大迭代次数为N，设置循环变量初始值k＝1，其中v_max为道路允许的最大车速；

E2)由车辆接近第k个车辆检测模块的状态预测车辆接近第k+1个车辆检测模块的状态：

其中，

为车辆接近第k个车辆检测模块的状态，

为车辆接近第k个车辆检测模块的估计位置，

为车辆接近第k个车辆检测模块的估计速度；

为车辆接近第k+1个车辆检测模块的状态预测，

为车辆接近第k+1个车辆检测模块的预测位置，

为车辆接近第k+1个车辆检测模块的预测速度；

为状态转移矩阵，Δt_k＝t_k+1-t_k为车辆接近第k个车辆检测模块与车辆接近第k+1个车辆检测模块的时间差；

E3)由E2)得到的状态预测结果和第k+1个车辆检测模块的真实位置，通过下式估计车辆接近第k+1个车辆检测模块的速度：

其中，

为车辆接近第k+1个车辆检测模块的状态，

为车辆接近第k+1个车辆检测模块的估计位置，

为车辆接近第k+1个车辆检测模块的估计速度；

为第k+1个车辆检测模块的真实位置η_k+1与车辆接近第k+1个车辆检测模块的预测位置

的距离差；W_k+1为卡尔曼滤波的增益，其计算公式如下：

W_k+1＝P_k+1|k(h_k)^T(S_k+1)^-1

其中，

为状态预测协方差矩阵，P_k|k为车辆接近第k个车辆检测模块的协方差矩阵，

为噪声协方差矩阵；h_k＝[10]为车辆检测模块提供的观测矩阵；S_k+1＝h_kP_k+1|k(h_k)^T+R_k为车辆检测模块提供的测量协方差矩阵，R_k为车辆检测模块的观测噪声；

E4)按照下式对车辆接近第k+1个车辆检测模块的协方差矩阵进行更新：

其中，P_k+1|k+1为车辆接近第k+1个车辆检测模块的协方差矩阵；

E5)判断循环变量k与设定的最大迭代次数N的大小：

如果循环变量k小于设定的最大迭代次数，即k＜N，则循环变量k值加1并返回E2)；

如果循环变量k等于设定的最大迭代次数，即k＝N，则迭代结束，得到车辆速度。

2.根据权利要求1所述的方法，其特征在于，A)中每个车辆检测模块(1)包括地磁传感器子模块(11)、控制器子模块(12)和数据收发子模块(13)，该控制器子模块(12)与地磁传感器子模块(11)连接，与数据收发子模块(13)连接；地磁传感器子模块(11)实时检测磁场强度数据，并将磁场强度数据发送给控制器子模块(12)；控制器子模块(12)对地磁传感器子模块的磁场强度数据进行采集，并将车辆接近检测点的时间数据发送给数据收发子模块(13)；数据收发子模块(13)将该时间数据发送给数据处理模块(2)。

3.根据权利要求1所述的方法，其特征在于，B)中数据处理模块(2)包括数据收发子模块(21)、控制器子模块(22)和GPS子模块(23)，该控制器子模块(22)与数据收发子模块(21)连接，与GPS子模块(23)连接；该GPS子模块(23)用于获取实时时间数据，并发送给每个车辆检测模块(1)，实现所有车辆检测模块的时间同步；该数据收发子模块(21)用于接收车辆检测模块(1)上传的时间数据。

4.根据权利要求1所述的方法，其特征在于，C)中车辆检测模块对磁场强度数据进行采样的频率设为100Hz～500Hz，以获得离散的磁场强度数据。

5.根据权利要求1所述的方法，其特征在于，C)车辆检测模块根据离散的磁场强度数据检测车辆接近和离开检测点的过程，实现如下：

C1)根据实际测试的磁场强度数据设定阈值Th；

C2)车辆检测模块将其采样得到的离散的磁场强度数据与阈值Th进行比较，判断车辆接近检测点的过程：

如果离散的磁场强度数据高于阈值Th，则判断其后面是否有持续上升的K个数据均高于阈值Th：若是，则认为车辆已接近检测点，车辆检测模块记录该时间数据，执行C3)，若不是，则认为是干扰数据，不记录该时间数据；

如果离散的磁场强度数据低于阈值Th时，则认为车辆没有接近检测点，不进行处理；

C3)车辆检测模块将上述的离散的磁场强度数据再与设定的阈值Th比较，判断车辆离开检测点的过程：

如果离散的磁场强度数据低于阈值Th，则判断其后面是否有持续下降的L个数据均低于阈值Th：若是，则认为车辆已经离开检测点；若不是，则认为车辆还没有离开传感器检测范围；

如果离散的磁场强度数据高于阈值Th，则认为车辆还没有离开传感器检测范围，系统持续等待，直到磁场强度数据低于阈值Th；

所述K和L的值根据实际测试的磁场强度数据而定。

Images