CN114120641A

CN114120641A - 基于光栅阵列传感光纤网络进行交通流信息检测的方法及系统

Info

Publication number: CN114120641A
Application number: CN202111392684.0A
Authority: CN
Inventors: 吕能超; 刘超; 吴超仲; 文家强
Original assignee: Wuhan University of Technology WUT
Current assignee: Wuhan University of Technology WUT
Priority date: 2021-11-23
Filing date: 2021-11-23
Publication date: 2022-03-01

Abstract

本发明公开了一种基于光栅阵列传感光纤网络进行交通流信息检测的方法，包括以下步骤：S1、在选定道路的每个车道上沿车道纵向铺设光栅阵列传感光纤；S2、将光栅阵列传感光纤感知的路面分成多个路面单元，一个路面单元对应一个光栅传感单元，光栅传感单元纵向间距不超过5m，对每个光栅传感单元进行编码，建立路面单元与光栅传感单元之间的对应关系；S3、车辆经过时，光栅传感单元采集车辆作用于路面单元产生的振动信号；S4、对提取的振动信号进行解析，基于光栅传感单元与路面单元关系的编码对应信息，解析每个路面单元是否有车、所占有时间戳，并计算道路交通流参数，包含流量、速度、密度等信息。

Description

基于光栅阵列传感光纤网络进行交通流信息检测的方法及系统

技术领域

本发明涉及光纤传感领域，尤其涉及一种基于光栅阵列传感光纤网络进行交通流信息检测的方法及系统。

背景技术

车辆行驶在道路上时，其运行状态随道路条件，环境条件等因素而不断变化。尽管这种变化很复杂，但具有一定特征性倾向。交通流运行状态的定性、定理特征称为交通流特性，用来描述和反映交通流特性的物理量称为交通流参数。这些交通流参数在道路交通的规划、设计和管理中都具有重要的意义。

而传统的检测道路交通流参数的方式显然不能满足智慧道路发展的需求。例如地磁线圈仅能检测车辆存在及通过磁感应判断车型；红外线传感器检测和视频检测易受环境干扰；雷达检测成本较高；且上述方法均无法做到道路全域覆盖。一些研究也试图通过多种检测方式融合来实现好的交通流检测效果，但在检测成本、检测精度以及覆盖范围间难以均衡。

当前，在交通强国背景下，智能交通技术成为研究的热点。而智慧公路结构化交通参数仍然依赖断面感知数据，缺乏全域感知数据，其中路侧端的信息检测存在短板，路侧信息不足在一定程度上限制了智能交通的发展。

发明内容

本发明主要目的在于针对现有交通流检测方式存在的缺陷，基于大容量、长距离、多参数的光栅阵列传感光纤采集道路车流行驶产生的振动信号，作为信号输入，并通过对信号进行分析处理，转化为道路交通流参数信息，该交通流参数检测方法具有检测成本较低、检测精度高、检测范围广、能获取全时全域的交通流参数等特点。

本发明所采用的技术方案是：

提供一种基于光栅阵列传感光纤网络进行交通流信息检测的方法，包括以下步骤：

S1、在选定道路的每个车道上沿车道纵向铺设光栅阵列传感光纤；

S2、将光栅阵列传感光纤感知的路面分成多个路面单元，一个路面单元对应一个光栅传感单元，光栅传感单元纵向间距不超过5m，对每个光栅传感单元进行编码，建立路面单元与光栅传感单元之间的对应关系；

S3、车辆经过时，光栅传感单元采集车辆作用于路面单元产生的振动信号；

S4、对提取的振动信号进行解析，基于光栅传感单元与路面单元关系的编码对应信息，解析每个路面单元是否有车、所占有时间戳，并计算道路交通流参数，包含流量、速度、密度和车型比等信息。

接上述技术方案，每个光栅传感单元的编码包括四部分：

第一部分为道路编号信息，用于与路网中其它道路进行区分；

第二部分为光栅传感单元所在车道信息；

第三部分为编码单元在车道上的次序信息，令起点处光栅传感单元编码为1，车道下游的传感单元编码依次递增；

第四部分为道路桩号信息，每个光栅传感单元匹配到上游最近的一个精确到米的道路桩号。

接上述技术方案，步骤S4具体包括：

同时选取道路的多个断面或区域进行交通量统计，根据是否检测到车辆存在，及存在车辆时对应的时间戳统计单位时间内通过的车辆数，得到车流量信息；

根据检测到的载荷值信息进行车型判断，进而确定流量中的车型比情况；

设定空间分辨率，统计选定任意一段或者多段道路区域内的车辆密度信息，根据光栅传感单元编码信息计算选定的道路区域的长度，并获取车道数信息，车辆密度K计算方法为：

式中，m为振动信号输入统计的车辆存在数，Kα与Kβ分别为选定的道路区域起点和终点处编码单元匹配的道路桩号，Kβ-Kα为选定区域长度，单位为m，λ为该道路单向的车道数，计算得到的车辆密度K的单位为pcu/km；

基于光栅传感单元采集振动信号的时序信息，计算车辆通过两连续光栅传感单元的车速：

式中，s为两个连续光栅传感单元的间距，T_O和T_D选取的是两连续光栅传感单元首次检测到同一车辆存在的时刻，单位为秒；

计算道路上选定断面车流的时间平均车速以及区间平均车速信息。

接上述技术方案，断面车流的时间平均车速计算方法为：

式中，V_i为通过计算得到的单位时间内第i辆车通过道路选定断面的车辆的瞬时车速，

为选定断面的车辆平均车速；T_Oi和T_Di为第i辆车辆通过断面的光栅传感单元与上游相邻光栅传感单元的时刻；n为统计单位时间内通过的车辆数。

接上述技术方案，区间平均车速

计算方法为：

式中，L为选定道路区间的长度，t_i为单位时间内第i辆通行的车辆通过道路区间的所用时间。

本发明还提供一种基于光栅阵列传感光纤网络进行交通流信息检测的系统，包括：

路面单元模块，用于将光栅阵列传感光纤感知的路面分成多个路面单元，一个路面单元对应一个光栅传感单元，光栅传感单元纵向间距不超过5m，对每个光栅传感单元进行编码，建立路面单元与光栅传感单元之间的对应关系；光栅阵列传感光纤沿车道纵向铺设在选定道路的每个车道上；

采集单元，用于在车辆经过时，采集车辆作用于路面单元产生的振动信号；

解析单元，用于对提取的振动信号进行解析，基于光栅传感单元与路面单元关系的编码对应信息，解析每个路面单元是否有车、所占有时间戳，并计算道路交通流参数，包含流量、速度、密度和车型比。

接上述技术方案，每个光栅传感单元的编码包括四部分：

第二部分为光栅传感单元所在车道信息；

接上述技术方案，解析单元具体用于：

根据检测到的载荷值信息进行车型判断，进而确定车流量中的车型比；

接上述技术方案，断面车流的时间平均车速计算方法为：

为选定断面的车辆平均车速；T_Oi和T_Di为第i辆车辆通过断面的光栅传感单元与上游相邻光栅传感单元的时刻；n为统计单位时间内通过的车辆数；

区间平均车速

计算方法为：

本发明还提供了一种计算机存储介质，其可被处理器执行，且其内存储有计算机程序，该计算机程序用于执行上述技术方案的基于光栅阵列传感光纤网络进行交通流信息检测的方法。

本发明产生的有益效果是：本发明基于光栅阵列传感网络进行道路交通流信息检测，通过对传感单元进行信息编码，结合车流经过采集到的光纤信号进行分析计算，可以实现全域全时的交通流参数提取，为交通规划、设计与管理及其它工作提供了有利的信息支撑，有助于补足路侧段信息检测的短板，促进了智慧道路的发展。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例基于光栅阵列传感光纤网络进行交通流信息检测的方法的流程图；

图2是本发明实施例中传感单元编码规则及车速计算说明图；

图3是本发明实施例中连续编码单元检测到同一车辆行驶过的时刻示意图；

图4是本发明实施例应用的光栅阵列光纤传感网络系统架构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的基于光栅阵列光纤传感网络进行交通流信息检测的方法，包括以下步骤：

S4、对提取的振动信号进行解析，基于光栅传感单元与路面单元关系的编码对应信息，解析每个路面单元是否有车、所占有时间戳，并计算道路交通流参数，包含流量、速度、密度、荷载值和车型。

步骤S4中主要解析了道路的时间分辨率、空间分辨率和车速，通过统计道路任意区域任意单位时间内车辆通行数量(即流量)得到道路的时间分辨率；通过统计道路任意区域任意单位长度内的车辆存在数(即密度)得到道路的空间分辨率；基于光栅传感单元采集到振动信号的时序信息，计算车辆通过任意连续传感单元的车速，进而统计道路任意断面或区间的时间平均车速及区间平均车速信息。

在需要提取道路交通流参数的道路全域铺设光栅阵列传感网络，横向上以车道宽度为准，覆盖每条目标车道，纵向上以一定距离分割为一个单元编码，光栅单元纵向间距不超过5m，通常可取3至5m，布设如此高密度的传感器以实现道路全域的检测。

对每个光栅传感单元进行信息编码，主要依据的是光栅传感单元在道路上的纵向位置及编码单元所在车道数，通过如下由四部分构成的编码信息能建立路面单元与光纤阵列单元之间的对应关系，准确地反应各个光纤阵列单元在道路中的具体位置：

第一部分为道路编号，即被检测道路会给定一个道路编号，用于与路网中其它道路进行区分；

第二部分为车道编号，车道编号反应光栅传感单元所在车道信息，对双向车道分别进行编码，靠近道路中心的车道编号为1，往道路外侧依次递增，如单向n车道最外侧车道编号为n；

第三部分为传感单元的次序编号，次序编号反应了编码单元在所处车道上的次序，起点处的单元编号为1，同车道下游的传感单元编号依次递增，由于传感单元间间距设置为定值，该部分的次序编号能反应传感单元的纵向位置信息；

第四部分为道路桩号信息，这一步的目的是进行区间车速计算，编码单元间距设置为定值，但在实际铺设中可能存在安装误差等，为了防止误差积累，从而导致在区间车速计算中与实际情况存在较大差异，将编码单元绑定至相近的精确到米的道路桩号，每个传感单元匹配到上游第一个精确到米的道路桩号信息，形如Ka+b，a为千米桩信息，b精确到个位数；

以上编码规则可以确保道路网中每一个传感单元的编码不重复，且能由编码信息准确地提取出各个传感单元的横纵向位置信息，进而为后面的交通流参数计算奠定基础。

根据对每个路面单元振动信号的提取，得到对应的动态荷载信息，一方面可以判断车辆存在情况，即根据动态荷载信息判断某一时刻该路面单元是否有车辆；另一方面当有车辆存在时，提取荷载值，进而判断车辆类型。

判断车辆类型即根据荷载值获取车辆的轴重及总重信息，设定阈值，用以区分小型车和中型车、大型车，进而确定车流量中的车型比。

通过每个路面单元的车辆存在信息及所占有时间戳、载荷值信息进行交通流参数提取，包含但不限于流量、速度、密度、荷载值、车型等参数的提取。

这些交通流参数通过选定任意断面或区间进行提取，在实际应用中首先选定需要进行交通流参数提取的断面或区间，断面或区间首末位置最好位于某一传感单元所分配的道路桩号上，确定断面或区间首末位置的道路桩号信息，应用道路桩号表示断面或区间，输出需要的交通流参数。

交通流参数提取步骤如下：

车流量即单位时间段内，通过道路某一地点、某一断面的车辆数。此处主要关注车流量信息，因此根据荷载值信息滤除行人及非机动车的数据。用该方法提取车流量可以根据需求选定道路任意断面或区域进行统计，并可以同时进行多个断面或区域的统计。首先选定需要检测车流量的断面或区域，统计单位时间内检测到的车辆存在数，此即为提取到的车流量信息。

令检测到的车流量信息为w，单位通常取为pcu/h，则统计的断面、区间的车流量输出形式分别为：[Ka+b，w]、[(Ka+b，Kc+d)，w]。

车型即检测到的车辆类型，这一步主要是通过提取到的荷载值大小进行判断，根据荷载值大小获得车辆轴重及总重信息，设定阈值，将车辆划分为小型车、中型车及大型车。在上一步通过检测车辆存在获取车流量信息的基础上可以进一步地去确定车流中的车型比信息。输出形式为：矩阵[Ka+b,w，(x、y、z)]、[(Ka+b,Kc+d),w,(x、y、z)]，矩阵第一列为位置信息，即断面或区间；矩阵第二列为车流量信息；矩阵第三列为车型比信息，x、y、z分别代表车流中小型车、中型车、大型车所占比例。

密度是指某一瞬时内单位长度车道上的车辆数，当道路为多车道时应除以车道数，设定空间分辨率，选定需要进行密度检测的区域，提取该区域首末位置的传感单元次序编码，令分别为α、β，该区域长度为Kβ-Kα，若车道数为λ，在进行检测的时刻，编码单元检测到的车辆存在数为m，则该区域的密度计算方法为：

密度输出形式为：[(Ka+b，Kc+d)、K]，(Ka+b，Kc+d)为统计密度的区间，K为密度统计值，单位为pcu/km。

地点车速为车辆通过某一地点的瞬时车速，车辆通过两连续单元，提取两传感单元首次检测到车辆存在的时刻，令其分别为T_O与T_D，则车辆在该段的车速为：

由于该段间距较短，计算的车速可近似视为地点车速，需要说明的是，当原始输出的每个单元是否有车的数据分辨率较高时，可能会出现同一辆车连续多帧被检测到出现在同一单元的情况，因此这里提取车辆首次出现在前后两连续单元的时刻进行车速计算。

在此基础上计算断面车流的时间平均车速与区间平均车速：

时间平均车速即单位时间内测得的道路某一断面各车辆的地点车速的算术平均值，选定一断面，首先统计进过该断面的各车辆的车速，令车辆通过该断面光栅传感单元与上游相邻传感单元的时刻分别为T_iO与T_iD，统计单位时间内通过的车辆数，记为n，并计算车速平均值(即时间平均车速)，即：

时间平均车速的输出形式为：

Ka+b表示进行时间平均车速计算的断面，

单位为m/s。

区间平均车速即行驶于道路某一特定长度的全部车辆的车速分布的平均值，选定一区间进行计算，令选取的区间长度为L，该区域起点和终点处编码单元匹配的道路桩号分别为Kα与Kβ，对车辆进行轨迹追踪，提取单位时间内经过的第i辆车经过该区域首末位置编码单元的时刻T_iO与T_iD，计算方法如下：

区间平均车速的输出形式为：

(Ka+b，Kc+d)为选定的区间，

单位为m/s。

本发明的一个具体实施例中，基于光栅阵列光纤传感网络进行交通流检测的方法，其交通流参数提取方法具体包括以下步骤：

首先对光纤传感网络的各传感单元进行信息编码，编码规则由上述四部分构成，以一单向三车道为例，如图2所示，矩形虚线框内的传感单元编码为(SY，3，n，Ka+b)，SY和3表示它在编码为SY的这条道路从最内侧车道起第3条车道上，n表示该单元在所处车道上的次序，Ka+b为该传感单元所在位置上游第一个精确到米的道路桩号信息，该编码规则可以准确地表示各传感单元在路网上的位置信息。

对车辆经过编码单元时传感单元采集的振动信号进行转换，通过以下计算处理提取交通流参数，首先需要对车辆通过产生的振动信号进行判断、分析，车轮经过编码单元上方时，因为荷载最大，信号会产生一个峰值，为每个编码单元设置一个阈值，当峰值间出现时刻小于阈值时判断并记录为同一辆车，对每一辆车编号并进行轨迹追踪，则车辆的实时位置可知。如图3所示，一辆车经过各个传感单元的时刻被记录下来。各编码单元间间距设置相等，设置为s，同时为了避免因安装产生较大误差，将编码单元与道路桩号进行匹配进而计算车辆的区间车速。

本发明在具体实施中对每一编码单元按照上述编码规则进行了编码，在获取车辆经过产生的振动信号并结合传感单元自身编码信息的基础上获取以下交通流信息：

1、获取交通量及车型，交通量是随机的，不同地点、不同时间的交通量是不断变化的。通常可以取某一时段内的平均值作为该时段内的代表交通量。在具体实施过程中编码单元通过振动信号峰值检测，并通过设定阈值判断同一车辆。设置时间分辨率，统计任意单位时间内通过该编码单元的车辆数，对于铺设了传感光纤网络的道路而言，可以根据需求统计任意断面或任意区域在任意时段内的交通量情况，此外，还可以通过车辆的荷载情况判断车型，进而可以统计车流中的车型比情况。

引入车型比的车流量信息的输出形式为：

矩阵[Ka+b,w，(x、y、z)]、[(Ka+b,Kc+d),w,(x、y、z)]，矩阵第一列为位置信息，即断面或区间；矩阵第二列为车流量信息；矩阵第三列为车型比信息，x、y、z分别代表车流中小型车、中型车、大型车所占比例。

2、获取车流密度，车流密度即单位车道长度上的车辆数，统计多车道道路时应除以车道数，取均值。例如，单向的车道数为m时，则进行车流密度计算时应将单位长度内的车辆数除以m得到密度。在该检测方法中，可以通过设置空间分辨率，获取各段道路的车流密度。选定一段道路进行车流密度检测，令该选定路段首末的编码单元编号为α与β，如图2所示，该路段的密度计算方法为：

其中，K为选定道路区域的车流密度，单位为pcu/km，m为统计的该区域的车辆存在数，s为两编码单元间的间距，本例中s取3米，λ为该路段的车道数，如图2所示，本例中λ取3。

密度输出形式为：[(Ka+b，Kc+d)、K]

3、获取车速，基于传感单元自身编码信息及振动信号峰值出现时刻等信息进行相关计算：

车辆通过两连续传感单元，由于间隔较短，计算得到的速度可视为地点车速(即该地点瞬时车速)。如图3所示，通过车辆轨迹追踪，连续传感单元记录车辆经过的时刻，通过上文的方法提取两连续传感单元首次检测到车辆存在的时刻，分别按照上文实施例的方法计算地点车速、时间平均车速及空间平均车速。

如图4所示为应用的光栅阵列光纤传感网络系统架构示意图，该系统主要包括激光光源、SOA、EDFA掺铒光纤放大器、模数转换器和FPGA控制器。激光光源发出激光进入SOA，再通过EDFA掺铒光纤放大器进入光栅阵列传感网络，模数转换器将采集的光栅反射信号进行模数转换，再传给FPGA控制器进行信号的解析，该FPGA控制器可以实现上述实施例解析模块的功能。同时该FPGA控制器还可以控制激光光源的波长，以及对脉冲信号进行调制。该实施例中以单向三车道为例，横向上每条车道下方均布设有光栅阵列传感网络，纵向上3-5米分割为一个编码单元，编码单元采集振动信号并上传，据此检测车辆存在，并记录对应的时间戳信息。

本发明实施例的基于光栅阵列传感光纤网络进行交通流信息检测的系统，主要用于实现上述实施例的方法，该系统包括：

各个模块用于实现上述实施例的对应方法，在此不赘述。

本发明还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于被处理器执行时实现上述实施例的基于光栅阵列传感光纤网络进行交通流信息检测的方法。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。