FR2811789A1 - Procede et dispositif pour classifier des vehicules en categories de silhouettes et pour determiner leur vitesse, a partir de leur signature electromagnetique - Google Patents
Procede et dispositif pour classifier des vehicules en categories de silhouettes et pour determiner leur vitesse, a partir de leur signature electromagnetique Download PDFInfo
- Publication number
- FR2811789A1 FR2811789A1 FR0009189A FR0009189A FR2811789A1 FR 2811789 A1 FR2811789 A1 FR 2811789A1 FR 0009189 A FR0009189 A FR 0009189A FR 0009189 A FR0009189 A FR 0009189A FR 2811789 A1 FR2811789 A1 FR 2811789A1
- Authority
- FR
- France
- Prior art keywords
- data
- vehicles
- electromagnetic
- signals
- signature
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 39
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000003066 decision tree Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 239000000872 buffer Substances 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012952 Resampling Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000007493 shaping process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- SMDHCQAYESWHAE-UHFFFAOYSA-N benfluralin Chemical compound CCCCN(CC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O SMDHCQAYESWHAE-UHFFFAOYSA-N 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 239000004696 Poly ether ether ketone Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- JUPQTSLXMOCDHR-UHFFFAOYSA-N benzene-1,4-diol;bis(4-fluorophenyl)methanone Chemical compound OC1=CC=C(O)C=C1.C1=CC(F)=CC=C1C(=O)C1=CC=C(F)C=C1 JUPQTSLXMOCDHR-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920002530 polyetherether ketone Polymers 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Sorting Of Articles (AREA)
Abstract
Pour obtenir des donn ees de signatures electromagn etique de v ehicules, à partir de signaux electromagn etiques, le dispositif comprend des moyens (16) pour fournir un signal num eris e à partir des signaux electromagn etiques mesur es. Le dispositif comprend en outre des moyens (20) pour d eterminer si un tel signal num eris e est un signal de signature electromagn etique d'un v ehicule. Les moyens (20) calculent ensuite, à partir du signal num eris e, des donn ees de signature electromagn etique d'un v ehicule et datent chacune de ces donn ees de signature electromagn etiques. Les v ehicules peuvent ainsi faire l'objet d'une classification selon plusieurs critères grâce à un traitement sp ecifique des signaux num eris es de signature electromagn etique.
Description
DOMAINE TECHNIQUE ET ART ANTERIEUR
L'invention concerne le domaine des techniques permettant de recueillir des données routières, et notamment de compter et/ou de classifier des véhicules automobiles au cours de leur trajet sur une
chaussée, par exemple sur une autoroute.
L'invention concerne notamment un procédé et un dispositif de classification de véhicules en catégories de silhouette à partir de leur
signature électromagnétique.
Elle concerne également le domaine de la gestion du trafic routier.
Aujourd'hui, les capteurs à boucles électromagnétiques sont utilisés pour l'analyse du trafic routier. Ils ont pour avantage d'être simples et
robustes, tout en étant à la fois précis et fiables.
Comme illustré sur la figure 1, un point de mesure sur une voie de
circulation comporte au moins deux boucles 2, 4 électromagnétiques.
Chaque boucle est constituée de quelques spires (généralement 3 ou 4) de fil conducteur disposées dans la chaussée pour former une bobine, et est mise en place dans une saignée, à quelques centimètres de profondeur. Chaque bobine ainsi formée présente en général une inductance
de l'ordre de 100 itH.
Lorsqu'une bobine est excitée par une tension alternative, à une fréquence de l'ordre de 30 à 150 kHz, un champ magnétique est créé, qui
est proportionnel à l'inductance de la bobine et au courant qui la traverse.
Si une masse métallique passe dans le champ, des courants induits modifient ce dernier et entraînent par voie de conséquence une variation de la self-inductance de la bobine. La détection de ce phénomène de variation d'inductance est assurée par un détecteur 6. Elle peut se faire par mesure de variation de phase, ou de variation d'amplitude, ou de variation de fréquence ou bien encore par mesure de
variation d'impédance.
Avec les détecteurs connus, d'usage courant, dès lors qu'un véhicule est présent sur la boucle, on dispose en sortie d'un signal logique correspondant à la durée de la présence du véhicule sur la boucle. Ce signal logique apparaît dès lors que la variation relative de selfinductance
(AL/L) dépasse le seuil de sensibilité du détecteur.
En fait, avec un seul capteur par voie de circulation on peut s comptabiliser les véhicules et déterminer un débit. Mais on peut aussi mesurer le temps pendant lequel les véhicules sont présents (sur le
capteur) et exprimer un taux d'occupation.
Si l'on met deux capteurs sur une même voie de circulation, mais décalés d'une certaine distance (en général 3m entre fronts d'attaque), on 1o obtient alors une information sur la vitesse ainsi qu'une information sur la longueur du véhicule. Il est donc possible de dissocier les véhicules longs
des véhicules courts.
Cependant, ce classement, utilisé parfois dans certaines applications pour faire de la discrimination en catégories de véhicules, reste très approximatif et peu précis. C'est ainsi, par exemple, que les voitures tractant une caravane ou tout simplement une petite remorque
sont classées comme étant des poids lourds.
De plus on ne peut réaliser une classification qu'en au plus 6
catégories de longueurs.
Lorsqu'on souhaite une classification plus fine, par exemple en 14 catégories de silhouettes, il faut adjoindre aux deux boucles précédentes un troisième capteur dont le rôle est de détecter les essieux au passage
des véhicules.
Ce capteur supplémentaire est constitué généralement par un
câble piézo-électrique.
En lieu et place du câble piezo-électrique, et pour remplir les mêmes fonctions, on utilise aussi parfois une boucle particulière dite
"boucle étroite".
Ce type de dispositif donne des résultats de classification qui sont en général satisfaisants pour les exploitants routiers, mais il a un coût qui est élevé. En effet, un tel site est à peu près équivalent, en termes de prix de revient, à 3 sites équipés pour évaluer les vitesses (en incluant dans ce
prix le génie civil et les détecteurs).
Par conséquent, pour répondre aux besoins en recueil de données sur le trafic avec la technologie de boucles, il est nécessaire d'associer plusieurs capteurs par voie, d'o un surcoût de réalisation non négligeable
par point de mesure pour les installations actuelles.
Des systèmes mettant en oeuvre des capteurs capacitifs ont été utilisés, en Angleterre notamment, mais toujours en association avec une paire de boucles électromagnétiques, ce qui ne résous pas le problème
du prix de revient.
EXPOSE DE L'INVENTION
Il se pose donc le problème de trouver un dispositif de traitement de données à la fois plus simple que les systèmes actuellement connus et
présentant une grande fiabilité.
Il se pose également le problème de trouver un dispositif permettant de détecter précisément la catégorie d'un véhicule, et qui soit
d'une mise en oeuvre et d'un coût raisonnables.
L'invention a tout d'abord pour objet un dispositif pour obtenir des données de signatures électromagnétiques de véhicules, à partir de signaux électromagnétiques, comportant: - des moyens pour fournir un signal numérisé à partir des signaux électromagnétiques, - des moyens pour déterminer si un tel signal numérisé est un signal de signature électromagnétique d'un véhicule, - des moyens pour calculer, à partir du signal numérisé, des données de signature électromagnétique d'un véhicule, et pour dater chaque signature
électromagnétique.
Le dispositif selon l'invention met donc en oeuvre la mesure de la signature électromagnétique d'un véhicule, pour en déduire des données
numérisées, séquencées et datées.
Chaque échantillon numérique est donc associé à un instant ou à une valeur temporelle identifiée. De plus, le dispositif comporte des moyens qui permettent de déterminer si un signal reçu correspond à la
signature d'un véhicule ou si il s'agit uniquement de bruit.
Le dispositif selon l'invention permet de ne mettre en oeuvre qu'une seule boucle par voie sur la chaussée. Une boucle supplémentaire n'est donc pas nécessaire. Une boucle par voie suffit donc pour effectuer des mesures telles que débit, taux d'occupation, vitesse, intervalle véhiculaire,
distance intervéhiculaire et catégorie de silhouette.
Avec une seule boucle, le dispositif selon l'invention permet d'identifier la catégorie de silhouette des véhicules, et/ou de mesurer la vitesse des véhicules. De plus, un tel dispositif est compatible avec les installations existantes qui mettent en oeuvre des boucles de détection standards, ce
qui évite des surcoût de génie civil.
L'invention a donc également pour objet un système d'acquisition 0o de données de signatures électromagnétiques de véhicules, comportant: - une seule boucle électromagnétique, - un dispositif selon l'invention, tel qu'exposé ci-dessus, qui permet de
traiter les signaux électromagnétiques issus de la boucle.
L'invention concerne également un dispositif de traitement de s5 signaux ou un système d'acquisition de données conforme à l'invention et tel qu'exposé ci-dessus, comportant en outre des moyens de classification pour classifier les véhicules en au moins deux catégories en fonction des données ou signaux de signature électromagnétique numérisés et séquences. Les moyens de classification qui traitent ces signaux de signature électromagnétique, reposent sur le parcours d'une pluralité d'arbres de décision. Ainsi, une classification robuste est obtenue. De plus, ce type de classification est compatible avec un nombre de catégories supérieur à 6,
par exemple 14.
L'invention concerne également un procédé de traitement de signaux de signatures électromagnétiques de véhicules, comportant: - la production de signaux de signature électromagnétique, numérisés, séquences et datés, la classification des véhicules en au moins deux catégories, en fonction des signaux de signature électromagnétique, numérisés, séquences et datés. Le dispositif, le système et le procédé selon l'invention mettent en oeuvre une procédure de traitement de la signature électromagnétique d'un véhicule qui permet, notamment, d'identifier sa catégorie de
silhouette dans un profil de classification pouvant contenir 14 silhouettes.
Il permettent en outre d'estimer la vitesse du véhicule lors de son passage sur le capteur, à partir des données numérisées et séquencées
avec seulement un capteur par voie de circulation.
Un seul capteur à boucle classique par voie de circulation est donc suffisant pour élaborer les principaux paramètres d'un trafic routier, et notamment le débit, le taux d'occupation, la distance intervéhiculaire, la vitesse des véhicules, la longueur des véhicules et la catégorie de
silhouette des véhicules.
Enfin, l'invention a également pour objet un procédé pour io engendrer un programme de classification de véhicules en au moins deux catégories prédéterminées, en fonction de signaux numérisés représentatifs de signatures électromagnétiques de ces véhicules, comportant: - le traitement temporel de ces signaux, pour produire un premier ls ensemble de données numérisées, - le traitement fréquentiel de ces signaux pour produire un deuxième ensemble de données, contenant les caractéristiques d'harmoniques de ces signaux, - une première sélection aléatoire de n données parmi les données des premier et deuxième ensembles, - la génération d'un premier arbre de décision, pour classer les véhicules dans lesdites catégories prédéterminées, en fonction des n données obtenues lors de la première sélection aléatoire de données, - au moins une deuxième sélection aléatoire de n données parmi les données des premier et deuxième ensembles, - la génération d'au moins un deuxième arbre de décision, pour classer les véhicules dans lesdites catégories prédéterminées, en fonction des n
données obtenues lors de la deuxième sélection aléatoire de données.
Un tel procédé permet de générer des arbres de décision pouvant être utilisés dans un système et un procédé selon l'invention, tel
qu'exposé ci-dessus.
La sélection aléatoire de données peut être répétée, et un arbre peut être généré pour chaque sélection. On peut ainsi générer cinq, dix ou
même trente arbres.
Un procédé de classification selon l'invention, particulièrement avantageux car permettant une classification en 14 catégories de
véhicules, met en oeuvre trente arbres de décision ainsi déterminés.
BREVES DESCRIPTION DES FIGURES
Les caractéristiques et avantages de l'invention apparaîtront mieux
à la lumière de la description qui va suivre. Cette description porte sur les
exemples de réalisation, donnés à titre explicatif et non limitatif, en se référant à des dessins annexés sur lesquels: - la figure 1 représente une structure de capteurs à boucles selon l'art antérieur pour un point de mesure sur une voie de circulation type débit/ vitesse, - la figure 2 représente une structure de capteurs à boucles selon l'invention pour un point de mesure sur une voie de circulation type débit/ vitesse, - la figure 3 représente un schéma fonctionnel d'un ensemble de détection et de traitement selon l'invention, - la figure 4 représente plus précisément des moyens d'extraction et de mise en forme de signaux d'un dispositif selon l'invention, - la figure 5 représente un procédé d'extraction pouvant être mis en oeuvre dans le cadre de la présente invention, - les figures 6A à 6C représentent divers exemples de signature électromagnétique obtenues avec un dispositif selon l'invention, - la figure 7 représente schématiquement des véhicules selon une classification en 14 catégories de silhouette, - la figure 8 représente un ordinogramme de classification, - la figure 9 représente des moyens de traitement d'un dispositif
selon l'invention.
DESCRIPTION DETAILLEE DE MODES DE REALISATION DE
L'INVENTION
La figure 2 représente une structure de capteur à boucle selon l'invention. Une seule boucle 10, ou un seul capteur boucle, est posé dans
ou sur la voie de circulation des véhicules.
Comme déjà expliqué ci-dessus, un capteur à boucle électromagnétique est constitué de quelques spires (généralement 3 ou 4)
de fil conducteur disposé dans la chaussée pour former une bobine.
Le capteur boucle constitue donc la partie selfique d'un oscillateur.
Dans le cas d'installations de longues durées, il est mis en place dans une saignée, à quelques centimètres de profondeur, formant le plus io généralement un rectangle de 2m x 1.50m avec un retour 12 (une paire
torsadée) de quelques dizaines de mètres vers le coffret de détection 14.
D'autres géométries et tailles de boucles peuvent être également
réalisées, telle que la géométrie circulaire illustrée sur la figure 2.
Avec la configuration donnée en exemple, la bobine ainsi formée présente une inductance de l'ordre de 100 p.H. La valeur de la boucle
tient compte de la plage d'accord du détecteur.
Lors de la mise sous tension du détecteur auquel il est raccordé, le capteur boucle 10 devient le siège d'un champ magnétique proportionnel
à l'inductance de la bobine et au courant qui la traverse.
Si une masse métallique passe au-dessus de la boucle, des courants induits modifient ce champ et entraînent par voie de
conséquence une variation de la self-inductance de la bobine.
Cette variation d'inductance, que l'on appelle la signature électromagnétique, dépend de la structure métallique du mobile et de sa
hauteur par rapport au plan de la boucle dans le sol.
La figure 3 représente la structure d'un dispositif selon l'invention,
pour l'extraction et l'exploitation d'un signal.
Un tel dispositif permet de produire une signature électromagnétique, et de la numériser, de la séquencer et de la dater. On dispose ainsi de la signature électromagnétique, en temps réel, pour son exploitation. Le signal numérisé est l'ensemble des valeurs numériques traduisant l'évolution analogique de l'amplitude du signal. La datation
donne l'horodate de l'événement "signature".
Enfin, le séquencement du signal correspond à la mise en relation entre les valeurs numériques des échantillons du signal et les valeurs
temporelles de mesurage de ces échantillons.
Le coffret de détection 14 comporte des moyens de détection 16 (ou détecteurs) et des moyens 18 de traitement des signaux détectés, tels
qu'une ou plusieurs cartes CPU de traitement d'un micro-ordinateur.
Ces moyens 18 de traitement comportent à leur tour des moyens d'extraction et de mise en forme des signaux, ainsi que des moyens 22
de traitement et de classification.
L'ensemble de ces moyens fournit un signal ou des signaux
représentatifs de données de circulation, sur un bus de données 19.
Une base de données 24 de signatures peut également être constituée. Selon un exemple le détecteur 16 comporte un oscillateur interne,
qui est associé à la boucle 10.
Les variations d'inductance de la boucle 10 lors du passage d'un
véhicule 9 tendent à modifier la fréquence de cet oscillateur interne.
En fait, les variations du signal obtenues sont la résultante, à chaque instant, d'effets opposés dus à la masse métallique qui transite 2o audessus de la boucle: a) effet des courants induits dans la masse métallique qui traverse le champ magnétique autour de la boucle, ce qui entraîne une augmentation de la fréquence et une diminution de l'inductance apparente L mesurée; b) effet d'un noyau plongeur dans une bobine d'inductance (par exemple, au passage des essieux et des roues), ce qui entraîne une diminution de la fréquence et une augmentation de l'inductance apparente L. Un détecteur digital (à microprocesseur) compte le nombre de périodes de l'oscillateur interne pour en déterminer les variations de fréquence. La variation d'inductance équivalente peut en être déduite, par exemple selon la formule: AL/L=ValeurLue * FACT*1000 (1) o ValeurLue est la valeur donnée par le détecteur à chaque lecture du signal de la boucle (cette valeur lue est proportionnelle à la variation de fréquence) et o FACT est un facteur qui dépend du réglage de sensibilité
du détecteur.
Le détecteur 16 est un détecteur standard, qui réalise la conversion analogique - numérique des signaux de variation de fréquence de l'oscillateur interne. Selon un mode de réalisation, il fournit: - un signal logique, du type "tout ou rien", qui correspond à la variation produite par la présence d'un véhicule sur la boucle; la production de ce signal est fonction du seuil de détection du détecteur et de la durée de présence du véhicule sur la zone de détection, - la variation de fréquence induite par le passage d'un véhicule, qui
sera ensuite exprimée en variation relative d'inductance AL/L.
La communication du détecteur vers un système externe peut se
faire via une liaison sérielle ou une liaison parallèle.
De préférence, on choisit pour détecteur un dispositif permettant: - de détecter un véhicule roulant très lentement (moins de 1 km/h) ou très vite (plus de 250 km/h), avec un temps de réponse inférieur à 100 ms, -de détecter une variation en AL/L de l'ordre de 0,01% et de garder
une bonne immunité aux bruits électriques.
Sur requête, le détecteur fournit des informations permettant de déterminer ou de calculer certains paramètres, et notamment le réglage de la sensibilité, la fréquence de l'oscillateur, la valeur de l'inductance de
la boucle et enfin son état (détection ou repos).
Selon un exemple de réalisation le détecteur est un détecteur standard avec liaison série, de type MTS38Z fabriqué par PEEK. Ce détecteur est associé à des moyens programmés ou spécialement
programmés de manière à traiter et à exploiter les signaux.
L'exemple ci-dessus concerne un détecteur qui fournit un signal de variation de fréquence, dont on peut déduire la signature électromagnétique. Selon d'autres exemples, cette signature peut être obtenue à partir de variations de phases, ou d'amplitudes, ou de
variations d'impédance.
Les moyens 20 d'extraction interrogent cycliquement le détecteur 16. Celui-ci répond en fournissant les informations de variations de fréquence de l'oscillateur (ou de variations de phase ou d'amplitude ou
d'impédance) qui permettent de calculer la variation relative AL/L.
La figure 4 représentent fonctionnellement les moyens 20 (carte CPU programmée) qui calculent les variations AL/L, et qui filtrent ces variations, les datent, et les stockent en mémoire. Ces moyens 20 comportent un microprocesseur 36, un ensemble de mémoires RAM 34 (pour le stockage de données), une mémoire ROM
36 (pour le stockage d'instructions de programme).
Une carte d'acquisition de données 42 (interface d'entrée/sortie)
met les données fournies par le détecteur au format requis par la carte 20.
Ces divers éléments sont reliés à un bus 40.
Dans les moyens 20, et notamment dans la mémoire 36 sont chargées les données ou les instructions pour mettre en oeuvre un traitement des données selon l'invention, et notamment pour calculer les
variations AL/L.
Ces données ou instructions pour le traitement des données peuvent être transférées dans la zone mémoire 36 à partir d'une disquette ou de tout autre support pouvant être lu par un micro-ordinateur ou un ordinateur (par exemple: disque dur, mémoire morte ROM, mémoire vive dynamique DRAM ou tout autre type de mémoire RAM, disque optique
compact, élément de stockage magnétique ou optique).
Les moyens 20 sont en outre munis d'une horloge 26 en temps
réel, d'une minuterie 28, et de mémoires tampons 30, 32.
L'une de ces mémoires est un buffer tournant qui permet de stocker temporairement les dernières données de signal correspondant à une durée tl, qui est de l'ordre de grandeur du temps de réponse du
détecteur utilisé.
Il est possible de détecter, à l'aide de ces données correspondant à une durée tl, si un signal est un signal de signature associé au passage d'un véhicule, par exemple par détection d'une valeur seuil préalablement fixée. Dans le cas o est détecté un signal de signature effectivement associé au passage d'un véhicule, le reste du signal est enregistré dans la mémoire 32. Le reste du signal concerne les données de signal
ultérieures ou suivantes, correspondant à des instants postérieurs à tl.
II L'ensemble de ces données peut ensuite être récupéré dans une mémoire 34 ou être transféré en vue d'une exploitation, pour former la signature électronique sous forme numérisée et séquencée: chaque valeur de AL/L est, en effet, associée à la valeur correspondante de la minuterie. Ceci permet de s'affranchir d'un capteur supplémentaire pour la détection du passage d'un véhicule, ce qui simplifie le dispositif de mesure qui ne nécessite qu'une boucle 10, sans capteur supplémentaire (voir
figure 1).
Un exemple de procédé de fonctionnement des moyens 20
io d'extraction et de mise en forme est donné sur la figure 5.
Pour cet exemple, le coefficient FACT utilisé pour convertir les variations de fréquence en variations relatives de L est donné par: FACT = 0,00965 pour S (sensibilité) comprise entre 0,04 et 0,64 et
FACT = 0,00244 pour S=0,01 ou S=0,02.
Les principales étapes de ce procédé sont les suivantes (El - E6).
Dans une première étape (El), la minuterie 28 est synchronisée
avec l'horloge temps réel 26, et les paramètres de base sont acquis.
Selon un exemple, on acquiert à ce stade les données suivantes: Date = 22/02/00 Heure= 08:52:45:26, Minuterie = 1368906243 (ps) Réglage sensibilité = 0.16, Fréquence =61561 Hz, Inductance =142,2 p H. Dans une deuxième étape (E2) il est procédé à l'acquisition, pendant un temps tl, des données du détecteur. Il y a calcul (par exemple selon la formule (1) ci-dessus) et stockage de chaque échantillon de AL/L dans la mémoire tampon 30 (ou buffer tournant) avec la valeur
correspondante de la minuterie.
Comme déjà indiqué ci-dessus, la valeur de tl dépend du temps de réponse TR du détecteur utilisé, par exemple t1=100 ms. Sa valeur optimale est d'environ 1,5TR. La valeur de TR correspond au réglage sur
la sensibilité la plus grande, par exemple sur la sensibilité 0,01.
Il est ensuite testé (E3) si le seuil de détection (fixé par réglage
manuel du détecteur) est franchi. Si non, il y a retour à l'étape (E2).
Au cours de l'étape suivante (E4), il y a acquisition, pendant un temps t2, des données du détecteur. Il y alors calcul (par exemple selon la formule (1) ci-dessus) et stockage de valeurs du rapport AL/L dans la mémoire tampon 32. t2 est égal à tl + tL, o tL est le temps de passage,
à la vitesse de 10 km/h, du véhicule le plus long à prendre en compte (ex.
t2=7300 ms pour un véhicule de 18m, une zone de détection de 2m et
t1 =100ms).
Chaque échantillon AL/L est stocké dans la mémoire 32 avec la
valeur correspondante de la minuterie.
Puis (étape E5) les valeurs des mémoires tampons 30 et 32 sont récupérées pour former une signature complète du véhicule, tout en respectant l'horodate de la minuterie. La correspondance avec l'horloge îo temps réel 26 et la minuterie 28 permet de dater avec précision le
passage du véhicule.
Enfin (étape E6), les données de signature sont formatées et
transférées des moyens 20 aux moyens 22 d'analyse.
La réponse est récupérée et les mesures individuelles peuvent ensuite être transférées vers l'applicatif (pour le calcul de vitesse, le
classement en catégorie, etc...).
Il y a ensuite retour en El.
Plusieurs variantes de réalisation sont possibles selon l'architecture matérielle et logicielle choisie. Ainsi on peut augmenter l'intelligence des détecteurs à boucle en y adjoignant une partie des moyens d'extraction, tout en respectant les caractéristiques ci-dessus. La minuterie 28 (sur 4 octets), ainsi que les mémoires tampons 30 et 32, peuvent utilement résider sur la carte du détecteur 16 pour améliorer le temps de transfert des informations du détecteur et augmenter ainsi la résolution de la
signature.
Les traitements du système d'analyse et de classification peuvent partiellement ou totalement être transférés sur la carte du détecteur ou sur
une carte CPU de traitement indépendante.
L'invention n'est donc pas limitée au seul mode de réalisation donné en exemple car les éléments constitutifs peuvent être sur des
supports physiques, distincts ou non.
La signature électromagnétique que fournissent les moyens 20 d'extraction se présente donc sous forme numérique et séquencée, c'est à dire sous la forme d'une suite de valeurs de AL/L à des intervalles de temps constants, chaque valeur de AL/L étant associée à une valeur
correspondante de la minuterie.
Des exemples de signature sont donnés sur les figures 6A à 6C: - la figure 6A représente la signature électromagnétique d'un véhicule léger, - la figure 6B représente la signature électromagnétique d'un camion à trois essieux, - la figure 6C représente la signature électromagnétique d'un
camion semi-remorque.
Dans les trois cas, l'ordonnée représente AL/L et le temps est
donné en abscisses en unités de 1/10 sec.
Un procédé de classement selon l'invention, qui peut être mis en oeuvre à l'aide des moyens d'analyse 22, repose sur le parcours d'une
pluralité d'arbres de décision.
Un arbre de décision est un ensemble de tests, organisés de façon à classer rapidement un nouvel objet (signature). L'arbre comporte des noeuds et des branches et chaque noeud est constitué par un test sur une
variable. Les noeuds terminaux sont les catégories de classement.
Un tel arbre est binaire, c'est à dire qu'il comporte des tests de type "si... alors... sinon" qui font que la progression s'effectue de noeud en noeud via les branches. Lorsque le noeud est terminal, il s'agit alors d'une
feuille dont le contenu est la catégorie de l'objet à classer.
La construction d'un arbre se fait à partir d'un ensemble d'apprentissage contenant les objets à classer, avec un algorithme de construction ou de génération de classification automatique qui vise à
minimiser le nombre de tests à effectuer pour classer.
Le principe de cet algorithme de construction est de partir d'un ensemble d'exemples (base d'apprentissage) pour créer un arbre de classification qui vise à minimiser le nombre de tests à effectuer pour
classer un nouvel objet.
A chaque noeud, la variable de test est celle qui sépare au mieux les objets présents en 2 sous-ensembles homogènes. Le critère de choix qui est utilisé pour la séparation "au mieux" s'appuie sur une mesure d'entropie de Shannon. On réitère l'opération de séparation jusqu'à ce que les sous-ensembles ne contiennent plus que des individus d'une même catégorie. Un tel algorithme est décrit par J.R. QUILAN dans "Learning efficient classification procedures and their application to chess end games" in "Machine Learning: an Artificial Intelligence Approach", Michalsky, Carbonell, Mitchell - pp 463 à 482 - Palo Alto - California; Tioga Publishing Company, 1983, ainsi que dans l'article du même auteur intitulé"Induction Decision Trees" in "Machine Learning " - Vol 1- pp81 à
106 - Kluwer Academic Publish, 1986.
Selon un exemple, la construction des arbres a été faite à l'aide d'un tel algorithme, sur une base d'apprentissage constituée des signatures de plus de 1000 véhicules parfaitement identifiés par leur catégorie de silhouette. La définition des différentes catégories utilisées pour cet exemple, au nombre de 14, est présentée sur la figure 7:
- catégorie 1: véhicules légers (berlines, coupés, camionnettes,...).
- catégorie 2: petits camions ou cabine de semi-remorque - catégorie 3: camions à trois essieux, avec ou sans remorques, - catégorie 4: camions à quatre essieux, - catégorie 5: camions à cinq essieux, avec ou sans remorque, - catégorie 6: camions à six essieux, avec remorque,
- catégorie 7: véhicules poids lourds à quatre essieux (avec semi-
remorque), - catégorie 8: camions à quatre essieux, avec remorque, catégorie 9: camions à huit essieux, avec remorque, - catégorie 10: véhicules' poids lourds à cinq ou six essieux (avec semi-remorque), catégorie 11: bus ou autobus, avec ou sans remorque, - catégorie 12: véhicules légers avec caravane ou remorque, - catégorie 13: vélos ou motocyclettes
- catégorie 14: engins de travaux publics ou engins agricoles.
C'est dans ces catégories que les objets, en l'occurrence les véhicules, sont à classer par chaque arbre en fonction de leur signature électromagnétique. On peut aussi réaliser des classifications avec un nombre K de catégories, différent de 14, par exemple K< 14. Selon un exemple K = 2 (ce qui correspond à des questions telles que: le véhicule est-il de type
C14 ou pas? Ou bien: le véhicule est-il de type C1 ou pas?).
Avant d'engager le processus d'élaboration d'un arbre, chaque signature a été décrite par un ensemble de variables temporelles et de variables dites fréquentielles. N variables temporelles sont considérées, qui sont en fait les valeurs de la signature résultant d'un échantillonnage (découpage) en N
points (par exemple: N = 50) de cette signature.
Les autres variables contiennent des informations concernant les o0 premiers harmoniques, par exemple les 8 premiers harmoniques amplitude, phase, taux d'harmoniques et rapports d'amplitude. Elles sont obtenues après analyse fréquentielle de la signature, par exemple par
transformée de Fourier.
Les variables utilisées pour la description d'une signature
électromagnétique dont les harmoniques ont pour amplitude AO (fréquence fondamentale), A1 (1er harmonique),...Ai (harmonique d'ordre i) peuvent donc être: - d'une part les valeurs de la signature résultant d'un échantillonnage en N (ici: N= 50) points. Ne sont conservées pour le traitement que les 49 premières valeurs, - d'autre part des variables fréquentielles comportant: - I'amplitude et la phase des 8 premiers harmoniques de chaque signature, constituant 16 variables, - les rapports d'amplitude entre les différents harmoniques (AO/A1, AO/A2, AO/A3...... AO/A7, AL/A2, A1/A3,...A1/A7,
A2/A3,...A21A7, A3/A4,...A3/A7, A4/A5,...A4/A7, A5/A6, A5/A7, A6/A7)
constituant 28 variables, - les 7 rapports de "richesse en harmonique" suivants:
(A1 +A2+A3+A4+A5+A6+A7)/AO, (A2+A3+A4+A5+A6+A7)/A1,
(A3+A4+A5+A6+A7)/A2, (A4+A5+A6+A7)/A3, (A5+A6+A7)/A4,
(A6+A7)/A5, (A7/A6).
Les variables fréquentielles sont donc au nombre de 51. Il n'y en a en fait que 50 indépendantes puisque le rapport de richesse en harmonique A7/A6 n'est que l'inverse du rapport A6/A7 déjà présent dans
les 28 variables de rapports d'amplitude.
Ces variables sont utilisées par l'algorithme de génération de
classification automatique pour l'élaboration d' arbres de décision.
Selon l'invention, chaque arbre est obtenu à partir d'une sélection
aléatoire de variables caractéristiques des signatures électromagnétiques.
L'élaboration d'un tel ensemble d'arbres permet in fine de disposer d'une méthode de classement fiable, donnant un résultat de classement déterministe. Ne sont donc prises en compte que n variables, (avec n < 100, par exemple: n = 30) tirées au hasard parmi toutes les variables associées à
io chacune des signatures initiales.
Pour effectuer cette sélection aléatoire, un identifiant compris entre 1 et 100 est associé au hasard à chaque variable, et ne sont retenues que
les variables tirées aléatoirement et dont l'identifiant est inférieur à n.
Du fait de cette procédure, la quantité de variables choisies peut
être légèrement différente de n.
Les variables retenues sont introduites dans l'algorithme de génération de classification automatique afin que celui-ci élabore un
premier arbre de décision permettant de réaliser un tri prédéterminé, c'est-
à-dire permettant de répondre à la question "le véhicule est-il du type Cil ou......ou du type Cip (p>l)", o les Cip représentent p classes ou catégories choisies parmi les K catégories initiales dans l'ensemble
desquelles tous les véhicules se classent.
Puis de nouvelles variables sont tirées au hasard pour construire
un deuxième arbre, afin de réaliser le même type de tri.
Cette procédure est réitérée jusqu'à l'obtention de k arbres de décision, chaque arbre étant donc construit à partir d'un ensemble de variables tirées au hasard parmi les variables initiales. Une valeur de k = convient, mais d'autres valeurs de k (par exemple k > 5) peuvent aussi
convenir dans certains cas.
Lors de l'exploitation, donc pour classifier un nouvel objet, en l'occurrence une signature, les k arbres sont parcourus en parallèle. La décision de classement choisie est la catégorie qui présente la plus forte
occurrence à l'issue du parcours des arbres. Lorsqu'il y a égalité, c'està-
dire lorsque 2 classes Ci et Cj contiennent 5 réponses, on retient celle
dont l'indice est le plus petit parmi i et j (inf (i,j)).
Au sein d'une même catégorie de véhicules, il y a des hétérogénéités assez fortes. D'autre part, les signatures des véhicules sont parfois déformées, notamment lorsque le véhicule ne passe pas selon l'axe du capteur. Tous ces facteurs ont pour effet de dégrader les résultats, mais on améliore le taux de véhicules bien classés si on effectue des tris préalables du type véhicule court - véhicule long, la
stratégie de tri étant toujours basée sur un parcours d'arbres multiples.
Pour l'exemple déjà donné de classification en 14 catégories, le procédé de classification ou la structure de parcours des arbres qui
permet de classifier un véhicule est celui/celle de la figure 8.
Ce procédé est mis en oeuvre à l'aide des moyens d'analyse 22 selon l'algorithme suivant: DEBUT Nombre de C1 = 0 TANT QUE le nombre de C1 est inférieur à 500: - Récupération du tableau de valeurs de la signature, Calcul des variables (Rééchantillonnage de la signature pour normalisation à 50 points temporels. Calcul des variables fréquentielles), - Recherche de la catégorie du véhicule, Si catégorie = 14, ALORS renvoyer 14, SINON parcours parallèle des 10 arbres de tri des C1, SI catégorie = C1 ALORS sauvegarder l'amplitude max du véhicule - nombre de C1 = nombre de C1 + 1 - renvoyer 1 SINON - parcours parallèle des 10 arbres de tri des véhicules long SI véhicule long ALORS - parcours parallèle de tri des véhicules longs - renvoyer N catégorie du véhicule (5, 6, 7,
8, 9, 10, 11, 12)
* SINON - parcours parallèle de tri des véhicules courts - renvoyer N catégorie du véhicule (2, 3, 4, 13)
FIN SI
FIN SI
FIN SI
- calcul de la vitesse - renvoyer la vitesse
FIN TANT QUE
- Aller à DEBUT
FIN
Après échantillonnage de la signature et calcul des variables fréquentielles, le procédé met d'abord en ceuvre un test pour déterminer si
le véhicule est de type C14 ou pas.
Si il n'est pas de catégorie C14, un test (en fait, le résultat de la combinaison de 10 arbres) détermine si le véhicule est de catégorie C1,
ou pas.
Si il n'est pas de catégorie C1, un autre test (là encore, le résultat de la combinaison de 10 arbres) permet de déterminer si le véhicule est
un véhicule long, ou pas.
Si le véhicule est un véhicule long, un test (encore le résultat de la combinaison de 10 arbres) détermine la catégorie du véhicule parmi les
catégories C5 à C12.
Si le véhicule n'est pas un véhicule long, un test (encore le résultat de la combinaison de 10 arbres) détermine la catégorie du véhicule parmi
les catégories C2, C3, C4 ou C13.
Par conséquent, selon la catégorie du véhicule en présence: - aucun arbre n'est à parcourir s'il s'agit d'un véhicule de type C14, - 10 arbres sont à parcourir s'il s'agit d'un véhicule de type C1,
- 30 arbres sont à parcourir pour les autres véhicules.
Le calcul des variables fréquentielles est réalisé après analyse spectrale par transformation de Fourier Ce procédé peut être adapté pour une classification à réaliser en K
catégories, avec K différent de 14.
La signature d'un véhicule, relevée sur le capteur, est introduite dans le procédé ou l'algorithme de classification sous un format imposé par les moyens de traitement 20, 22 (par exemple: sous la forme de tableaux de valeurs dont le nombre est compris entre 500 et 1000 pour les véhicules longs). Ces valeurs sont représentatives de la variation relative d'inductance (AL/L) à des intervalles de temps constants et réguliers. Elles sont par exemple exprimées en multiple de 10-5. La période d'échantillonnage est exprimée en microsecondes; elle est par exemple de 0.6 ms, afin que la précision de l'estimation de la vitesse soit
1o suffisante pour les véhicules circulant à plus de 100 km/h.
L'algorithme qui a été développé est fait pour fonctionner en association avec un détecteur à boucle électromagnétique dont le rôle est
d'élaborer la signature des véhicules.
Cet algorithme peut être en outre auto-adaptatif.
Il s'avère en effet que la réponse des capteurs, même pour une géométrie donnée, n'est pas indépendante du site. Cela est dû notamment à la longueur du câble 12 (voir figure 2) de retour de boucle qui dépend des conditions locales d'implantation. L'effet résultant, qui est à peu près linéaire (sauf pour des cas extrêmes), se traduit par une
transformation de la signature par homothétie.
Par conséquent une phase initiale peut être prévue, au cours de laquelle l'algorithme détermine la correction de site à apporter. Dans cette phase, intervient seulement une discrimination entre les C1 (VL) et les autres véhicules. Elle cesse dès lors que 100 véhicules C1 ont été identifiés. Dans la phase suivante, dite d'exploitation, tous les véhicules sont classifiés. Leur vitesse peut en outre être estimée (à l'aide des données numérisées et séquences) et la correction de site peut être validée à chaque fois qu'un certain nombre de véhicules ont été détectés, par exemple dès 500 véhicules de type C1, ce qui permet de prendre en
compte des effets de dérive éventuels.
L'enchaînement des tâches exécutées en phase initiale est alors le suivant:
DEBUT
Nombre de Cl = 0 TANT QUE le nombre de C1 est inférieur à 100: Récupération du tableau de valeurs de la signature, - Recherche du maximum de l'amplitude, - Normalisation en amplitude par rapport à ce maximum, Calcul des variables (Rééchantillonnage de la signature pour normalisation à 50 points temporels. Calcul des variables fréquentielles), - Recherche de la catégorie du véhicule (Parcours en parallèle des 3 arbres de décision spécifiques pour I'étalonnage), SI catégorie = C1 ALORS sauvegarder l'amplitude max du véhicule, - renvoyer 15, - nombre de C1 = nombre de C1 + 1, s SINON - renvoyer 16,
FIN SI
FIN TANT QUE
- Calculer facteur de site (moyenne des amplitudes max des C1 après élimination des valeurs extrêmes)
FIN (Fin de la phase initiale).
Les codes 15 et 16 indiquent respectivement la catégorie C1, avec une incertitude, et la catégorie "véhicule long", également avec une incertitude. Dans ce cas il est possible de modifier de la manière suivante le
début et la fin de l'algorithme de classification déjà indiqué ci-
dessus: DEBUT Nombre de C1 = 0 TANT QUE le nombre de C1 est inférieur à 500: - Récupération du tableau de valeurs de la signature, - Application du facteur de site, - Calcul des variables (Rééchantillonnage de la signature pour normalisation à 50 points temporels. Calcul des variables fréquentielles),
FIN TANT QUE
- Calculer nouveau facteur de site (moyenne des amplitudes max des C1 après élimination des valeurs extrêmes) - Remplacer facteur de site par nouveau facteur de site -Aller à DEBUT FIN Ceci permet de remettre à jour le facteur de site à prendre en compte, des dérives pouvant se produire dans les paramètres influençant
le facteur de site.
Il faut noter que les arbres de décision implantés dans le code ont été obtenus pour une certaine géométrie de capteur (boucle de 1.5m x S5 2m). Pour des configurations différentes, d'autres arbres peuvent être adaptés. L'estimation de la vitesse des véhicules est optionnelle. Le calcul de la vitesse se fait selon une processus particulier qui consiste à rechercher l'instant o l'allure de la signature cesse de suivre une loi exponentielle. Le temps écoulé entre le début de la signature et cet
instant particulier est inversement proportionnel à la vitesse du véhicule.
La figure 9 représente fonctionnellement les moyens 22 (carte CPU programmée) qui mettent notamment en oeuvre les procédés de tri exposés ci-dessus, ainsi que le traitement par transformation de Fourier et
l'extraction des variables pour chaque signature.
Ces moyens 22 comportent un microprocesseur 50, un ensemble de mémoires RAM 52 (pour le stockage de données), une mémoire ROM
54 (pour le stockage d'instructions de programme).
Une carte d'acquisition de données 58 (interface d'entrée/sortie) met les données numérisées et séquencées fournies par la carte 20 au
format requis.
Ces divers éléments sont reliés à un bus 56.
Dans les moyens 22, et notamment dans la mémoire 54 sont chargées les données ou les instructions pour mettre en oeuvre un traitement des données selon l'invention (analyse spectrale, extraction
des variables pour chaque signature, procédé de tri).
Ces données ou instructions pour le traitement des données peuvent être transférées dans la zone mémoire 54 à partir d'une disquette ou de tout autre support pouvant être lu par un micro-ordinateur ou un ordinateur (par exemple: disque dur, mémoire morte ROM, mémoire vive dynamique DRAM ou tout autre type de mémoire RAM, disque optique
compact, élément de stockage magnétique ou optique).
Les données obtenues par tri peuvent aussi être affichées sur des
0o moyens d'affichage périphériques tels que l'écran 23 d'un micro-
ordinateur 21. Un opérateur peut ensuite effectuer tout traitement de ces données à l'aide d'un clavier 25, d'une souris 27 et de tout programme résidant dans le micro-ordinateur 21. Ainsi peuvent être obtenues des informations de comptage de véhicule, par exemple par catégorie de
véhicule après classement.
Les arbres de tri sont obtenus à l'aide d'un micro-ordinateur, tel que le micro-ordinateur 21, programmé pour mettre en oeuvre un algorithme
tel que celui de J.R. QUILAN déjà mentionné ci-dessus.
Le micro-ordinateur présente une structure similaire à celle de la figure 9. Les variables temporelles et fréquentielles sont obtenues à partir des signaux de signature numérique élaborés et transmis (via la liaison
19) par la carte 20.
Chaque arbre de tri est obtenu sous forme de programme dont les instructions sont mémorisées dans une zone mémoire du micro-ordinateur 21. L'algorithme de tri tel que celui de la figure 8 peut ensuite être réalisé
par un opérateur en faisant appel à ces différents programmes.
Le procédé de tri selon l'invention fonctionne en mode quasi temps
réel. Le délai de réponse dépend essentiellement du processeur utilisé.
Par exemple, avec un Pentium cadencé à 133 MHz, ce délai de réponse
est inférieur à 50 ms.
Quant aux performances de classification, elles sont tout à fait comparables aux systèmes existants. Des résultats, obtenus sur 3 sites différents, sur chaque fois un échantillon d'environ 1000 véhicules dont 750 autres que des C1, sont indiqués dans le tableau I ci-après. Ils sont exprimés, par catégorie, en taux de bien classés C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 Cll C12 C13 C14 Tau97 80 60 - 40 10 70 60 - 70 90 90 10050 x % % % % % % % % % % % %
Tableau I
Les résultats peuvent apparaître insuffisants pour certaines catégories. Cela peut être dû au fait que l'échantillon de test est insuffisant. Il y a des véhicules qui sont rares. Mais c'est aussi dû au fait qu'un même véhicule peut circuler tantôt avec tous ses essieux, tantôt avec un essieu relevé. Cet état de fait implique que ce véhicule peut
appartenir à 2 catégories selon qu'il a ou non un essieu relevé.
Si on définit une nouvelle grille de classification o les véhicules ressemblants sont placés dans une même catégorie (par exemple les C7 et les C10 qui correspondent aux semi-remorques), alors les résultats
obtenus sont trés satisfaisants, comme on peut le voir dans le tableau Il.
Ci C2+C3 C5+C6 C7+C10 Cll C12 C13 C14
+C4 +C8
Tau 97% 96% 94% 91% 95% 90% 100% 50% Xl
Tableau Il
Claims (20)
1. Dispositif pour obtenir des données de signatures électromagnétiques de véhicules, à partir de signaux électromagnétiques, comportant: - des moyens (16) pour fournir un signal numérisé à partir des signaux électromagnétiques, - des moyens (20, 30, 36) pour déterminer si un tel signal numérisé est un signal de signature électromagnétique d'un véhicule, - des moyens (20, 36) pour calculer, à partir du signal numérisé, des données de signature électromagnétique d'un véhicule, et pour dater
chaque donnée de signature électromagnétique.
i5
2. Dispositif selon la revendication 1, les moyens (20, 30, 36), pour déterminer si un signal numérisé est un signal de signature électromagnétique d'un véhicule, comportant des moyens (30) pour enregistrer les données numériques de chaque signal pendant une durée prédéterminée (tl), et des moyens (36) pour comparer ces données
2o enregistrées avec une valeur seuil.
3. Dispositif selon la revendication 1 ou 2, les moyens pour dater chaque donnée de signature électromagnétique d'un véhicule comportant des
moyens de type horloge (26) et/ou minuterie (28).
4. Dispositif selon l'une des revendications 1 à 3, les signaux
électromagnétiques étant des signaux de variations de fréquence ou de
phase ou d'amplitude ou d'impédance.
5. Dispositif selon l'une des revendications 1 à 3, comportant un
oscillateur et des moyens pour produire des signaux électromagnétiques représentatifs de variations de fréquence de l'oscillateur, les données de signatures électromagnétiques de véhicules étant produites à partir de ces signaux.
6. Système d'acquisition de données de signatures électromagnétiques de véhicules, comportant: - une seule boucle électromagnétique (10),
- un dispositif selon l'une des revendications 1 à 5.
7. Dispositif de traitement de signaux ou système d'acquisition de
données selon l'une des revendications précédentes, comportant en outre
des moyens (22, 54) de classification pour classifier les véhicules en au moins deux catégories (C1,...C14) de silhouettes en fonction des signaux
io numérisés de signature électromagnétique.
8. Dispositif selon la revendication 7, les moyens de classification permettant de traiter les signaux numérisés de signature
électromagnétique, selon une pluralité d'arbres de décision.
9. Dispositif selon la revendication 8, les moyens de classification échantillonnant préalablement chaque signal de signature électromagnétique, et produisant un ensemble de données numérisées ainsi que des données caractéristiques d'un certain nombre d'
2o harmoniques du signal de signature électromagnétique.
10. Dispositif selon la revendication 9, les données caractéristiques d' harmoniques du signal de signature électromagnétique comportant des données d'amplitude, de phase, de taux d'harmoniques et de rapports
d'amplitudes d' harmoniques du signal de signature électromagnétique.
11. Dispositif selon l'une des revendications 7 à 10, les moyens (22,54) de
classification permettant en outre de classer les véhicules en véhicules
longs et en véhicules courts.
12. Dispositif, selon l'une des revendications 6 à 11, comportant en outre
des moyens (22,54) pour calculer la vitesse d'un véhicule.
13. Procédé de traitement de signaux de signatures électromagnétiques de véhicules, comportant: - la production de signaux de signature électromagnétique, numérisés, séquences et datés, - la classification des véhicules en au moins deux catégories (C1,...C14) de silhouettes, en fonction des signaux de signature électromagnétique, numérisés, séquences et datés.
14. Procédé selon la revendication 13, la classification des véhicules étant réalisée à l'aide d'un procédé ou d'un algorithme de classification de
formes, comportant une pluralité d'arbres de décision.
15. Procédé selon la revendication 14, les signaux de signatures électromagnétiques étant échantillonnés et subissant un traitement d'analyse des harmoniques pour en déterminer des données
représentatives de certaines de leurs composantes spectrales.
16. Procédé selon l'une des revendications 13 à 15, les véhicules étant
classés en 14 catégories.
17. Procédé selon l'une des revendications 13 à 16, la classification
comportant une étape de classement en deux catégories, une catégorie
de véhicules longs et une catégorie de véhicules courts.
18. Procédé selon l'une des revendications 13 à 17, la vitesse des
véhicules étant estimée à partir des données numérisées de signature.
19. Procédé pour engendrer un programme de classification de véhicules en au moins deux catégories de silhouettes prédéterminées, en fonction de signaux représentatifs de signatures électromagnétiques de ces véhicules, comportant: - le traitement temporel de ces signaux, pour produire un premier ensemble de données numérisées, - le traitement fréquentiel de ces signaux pour produire un deuxième ensemble de données, contenant les caractéristiques d'harmoniques de ces signaux, - une première sélection aléatoire de n données parmi les données des premier et deuxième ensembles, - la génération d'un premier arbre de décision, pour classer les véhicules dans lesdites catégories prédéterminées, en fonction des n données obtenues lors de la première sélection aléatoire de données, - au moins une deuxième sélection aléatoire de n données parmi les données des premier et deuxième ensembles, - la génération d'au moins un deuxième arbre de décision, pour classer les véhicules dans lesdites catégories prédéterminées, en fonction des n
données obtenues lors de la deuxième sélection aléatoire de données.
20. Procédé selon la revendication 19, les signaux représentatifs de
signatures électromagnétiques étant des signaux numérisés.
Priority Applications (9)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0009189A FR2811789B1 (fr) | 2000-07-13 | 2000-07-13 | Procede et dispositif pour classifier des vehicules en categories de silhouettes et pour determiner leur vitesse, a partir de leur signature electromagnetique |
| ES01955423T ES2346402T3 (es) | 2000-07-13 | 2001-07-13 | Procedimiento y dispositivo de clasificacion de vehiculos. |
| DE60142234T DE60142234D1 (de) | 2000-07-13 | 2001-07-13 | System und verfahren zur klassifierung von fahrzeugen |
| US10/332,665 US6865518B2 (en) | 2000-07-13 | 2001-07-13 | Method and device for classifying vehicles |
| AT01955423T ATE469412T1 (de) | 2000-07-13 | 2001-07-13 | System und verfahren zur klassifierung von fahrzeugen |
| AU2001277593A AU2001277593A1 (en) | 2000-07-13 | 2001-07-13 | Method and device for classifying vehicles |
| EP01955423A EP1299870B1 (fr) | 2000-07-13 | 2001-07-13 | Procede et dispositif de classification de vehicules |
| CA002418938A CA2418938A1 (fr) | 2000-07-13 | 2001-07-13 | Procede et dispositif de classification de vehicules |
| PCT/FR2001/002292 WO2002007126A1 (fr) | 2000-07-13 | 2001-07-13 | Procede et dispositif de classification de vehicules |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0009189A FR2811789B1 (fr) | 2000-07-13 | 2000-07-13 | Procede et dispositif pour classifier des vehicules en categories de silhouettes et pour determiner leur vitesse, a partir de leur signature electromagnetique |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR2811789A1 true FR2811789A1 (fr) | 2002-01-18 |
| FR2811789B1 FR2811789B1 (fr) | 2003-08-15 |
Family
ID=8852464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR0009189A Expired - Fee Related FR2811789B1 (fr) | 2000-07-13 | 2000-07-13 | Procede et dispositif pour classifier des vehicules en categories de silhouettes et pour determiner leur vitesse, a partir de leur signature electromagnetique |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US6865518B2 (fr) |
| EP (1) | EP1299870B1 (fr) |
| AT (1) | ATE469412T1 (fr) |
| AU (1) | AU2001277593A1 (fr) |
| CA (1) | CA2418938A1 (fr) |
| DE (1) | DE60142234D1 (fr) |
| ES (1) | ES2346402T3 (fr) |
| FR (1) | FR2811789B1 (fr) |
| WO (1) | WO2002007126A1 (fr) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7765056B2 (en) | 2006-01-11 | 2010-07-27 | Commissariat A L'energie Atomique | Magnetic traffic control system |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7764197B2 (en) * | 2001-10-17 | 2010-07-27 | United Toll Systems, Inc. | System and synchronization process for inductive loops in a multilane environment |
| US7734500B1 (en) | 2001-10-17 | 2010-06-08 | United Toll Systems, Inc. | Multiple RF read zone system |
| US8331621B1 (en) | 2001-10-17 | 2012-12-11 | United Toll Systems, Inc. | Vehicle image capture system |
| US7725348B1 (en) * | 2001-10-17 | 2010-05-25 | United Toll Systems, Inc. | Multilane vehicle information capture system |
| ES2312245B1 (es) * | 2006-02-21 | 2009-12-17 | Universidad Politecnica De Valencia | Metodo y dispositivo para medir la velocidad de vehiculos. |
| US7952021B2 (en) | 2007-05-03 | 2011-05-31 | United Toll Systems, Inc. | System and method for loop detector installation |
| KR100885530B1 (ko) * | 2008-05-27 | 2009-02-26 | 이정준 | 루프코일을 이용한 일체형 루프식 차량검지장치 및 이를이용한 주차정보시스템 |
| FR2955180B1 (fr) * | 2010-01-08 | 2012-03-23 | Commissariat Energie Atomique | Dispositif de mesure de la vitesse de deplacement d'un objet deformant les lignes du champ magnetique terrestre |
| KR20140072442A (ko) * | 2012-12-04 | 2014-06-13 | 한국전자통신연구원 | 차량 검지 장치 및 방법 |
| US9429463B2 (en) * | 2013-03-04 | 2016-08-30 | International Road Dynamics, Inc. | System and method for measuring moving vehicle information using electrical time domain reflectometry |
| US20150122560A1 (en) * | 2013-11-06 | 2015-05-07 | King Fahd University Of Petroleum And Minerals | Multi-car trackless transportation system |
| DE102014203754A1 (de) | 2014-02-28 | 2015-09-03 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur Bestimmung mindestens einer Verkehrskenngröße |
| US9361798B2 (en) * | 2014-06-25 | 2016-06-07 | Global Traffic Technologies, Llc | Vehicle classification system and method |
| US10377398B2 (en) * | 2015-01-16 | 2019-08-13 | Mitsubishi Electric Corporation | Train wireless system and train length calculation method |
| GB2536028B (en) * | 2015-03-05 | 2018-05-09 | Red Fox Id Ltd | Vehicle detection apparatus with inductive loops |
| GB2564882B (en) * | 2017-07-25 | 2022-04-13 | Red Fox Id Ltd | Apparatus and methods for assessing vehicles straddled between lanes |
| GB202013430D0 (en) * | 2020-08-27 | 2020-10-14 | Q Free Asa | Vehicle detection system |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0089030A2 (fr) * | 1982-03-15 | 1983-09-21 | Siemens Aktiengesellschaft | Méthode de détection de véhicule pour trafic routier |
| WO1995028693A1 (fr) * | 1994-04-19 | 1995-10-26 | Honeywell Inc. | Detecteur magnetometrique de vehicules |
| US5757288A (en) * | 1996-05-02 | 1998-05-26 | Mitron Systems Corporation | Vehicle detector system and method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR1505506A (fr) | 1966-11-02 | 1967-12-15 | Evr Eclairage Vehicules Rail | Dispositif de comptage routier de véhicules automobiles |
| IT1097584B (it) * | 1977-08-24 | 1985-08-31 | Basf Ag | Processo ed apparecchio per la preparazione di poliesteri macronolecolari linerai |
| US6052068A (en) * | 1997-03-25 | 2000-04-18 | Frederick J. Price | Vehicle identification system |
| US7028899B2 (en) * | 1999-06-07 | 2006-04-18 | Metrologic Instruments, Inc. | Method of speckle-noise pattern reduction and apparatus therefore based on reducing the temporal-coherence of the planar laser illumination beam before it illuminates the target object by applying temporal phase modulation techniques during the transmission of the plib towards the target |
| GB2342251A (en) * | 1998-09-29 | 2000-04-05 | Secr Defence | Proximity measuring apparatus |
-
2000
- 2000-07-13 FR FR0009189A patent/FR2811789B1/fr not_active Expired - Fee Related
-
2001
- 2001-07-13 AU AU2001277593A patent/AU2001277593A1/en not_active Abandoned
- 2001-07-13 EP EP01955423A patent/EP1299870B1/fr not_active Expired - Lifetime
- 2001-07-13 AT AT01955423T patent/ATE469412T1/de not_active IP Right Cessation
- 2001-07-13 WO PCT/FR2001/002292 patent/WO2002007126A1/fr active Application Filing
- 2001-07-13 DE DE60142234T patent/DE60142234D1/de not_active Expired - Lifetime
- 2001-07-13 US US10/332,665 patent/US6865518B2/en not_active Expired - Fee Related
- 2001-07-13 ES ES01955423T patent/ES2346402T3/es not_active Expired - Lifetime
- 2001-07-13 CA CA002418938A patent/CA2418938A1/fr not_active Abandoned
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0089030A2 (fr) * | 1982-03-15 | 1983-09-21 | Siemens Aktiengesellschaft | Méthode de détection de véhicule pour trafic routier |
| WO1995028693A1 (fr) * | 1994-04-19 | 1995-10-26 | Honeywell Inc. | Detecteur magnetometrique de vehicules |
| US5757288A (en) * | 1996-05-02 | 1998-05-26 | Mitron Systems Corporation | Vehicle detector system and method |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7765056B2 (en) | 2006-01-11 | 2010-07-27 | Commissariat A L'energie Atomique | Magnetic traffic control system |
Also Published As
| Publication number | Publication date |
|---|---|
| US20030163263A1 (en) | 2003-08-28 |
| DE60142234D1 (de) | 2010-07-08 |
| US6865518B2 (en) | 2005-03-08 |
| CA2418938A1 (fr) | 2003-01-10 |
| EP1299870A1 (fr) | 2003-04-09 |
| FR2811789B1 (fr) | 2003-08-15 |
| ES2346402T3 (es) | 2010-10-15 |
| ATE469412T1 (de) | 2010-06-15 |
| AU2001277593A1 (en) | 2002-01-30 |
| EP1299870B1 (fr) | 2010-05-26 |
| WO2002007126A1 (fr) | 2002-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| FR2811789A1 (fr) | Procede et dispositif pour classifier des vehicules en categories de silhouettes et pour determiner leur vitesse, a partir de leur signature electromagnetique | |
| EP2710572B1 (fr) | Procédé et système d'analyse de données de véhicule | |
| EP1811479B1 (fr) | Système magnétique de contrôle de trafic | |
| EP1777526A1 (fr) | Procédé et système de détection et de mesure des perturbations en fréquence de la vitesse de rotation d'un rotor | |
| CN111724505A (zh) | 一种行驶工况构建方法及装置 | |
| CN116206451A (zh) | 一种智慧交通车流数据分析方法 | |
| US20200365017A1 (en) | System and method for single-loop vehicle speed estimation using inductive loop signature data | |
| KR20170020921A (ko) | 차량 분류 시스템 및 방법 | |
| WO2014135771A1 (fr) | Procédé de traitement d'un ensemble de données destinées à être utilisées ultérieurement en vue de la génération graphique d'un schéma électrique d'un système électrique | |
| Gajda et al. | Automatic vehicle classification in systems with single inductive loop detector | |
| EP2965238A1 (fr) | Procede de gestion de donnees relatives a des vehicules automobiles en vue de la generation graphique ulterieure de schemas electriques de systemes electriques | |
| CN112466004B (zh) | 车辆使用信息获取方法、装置、设备及存储介质 | |
| EP0458669B1 (fr) | Procédé de reconnaissance rapide d'objets susceptibles de faire partie d'une collection comportant un grand nombre d'objets à caractéristiques différentes | |
| WO2017216495A1 (fr) | Procédé de détermination d'une classe de conduite de référence | |
| CN111325869B (zh) | 一种车辆疲劳驾驶精确判断方法、终端设备及存储介质 | |
| FR2617315A1 (fr) | Procede et dispositif de discrimination du type d'un vehicule automobile en circulation | |
| WO2004038346A1 (fr) | Procede et dispositif de test comportant un capteur de signaux vibratoires | |
| EP3740417B1 (fr) | Procédé d'assistance au stationnement pour un véhicule à moteur | |
| Parineh et al. | Detecting emergency vehicles With 1D-CNN using fourier processed audio signals | |
| EP1480182A2 (fr) | Compteur d'essieux sans contact pour traffic routier | |
| CN113177536B (zh) | 基于深度残差收缩网络的车辆碰撞检测方法及装置 | |
| FR3138398A1 (fr) | Procédé de détermination d’une vitesse limite autorisée où circule un véhicule automobile. | |
| FR3127593A1 (fr) | Classification de données de roulage pour stockage dans une base de données | |
| CN114186638A (zh) | 一种行人车辆交互场景的提取方法、系统及可读存储介质 | |
| WO2001018969A1 (fr) | Procede et dispositif de test integre pour un convertisseur anologique-numerique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TQ | Partial transmission of property | ||
| ST | Notification of lapse |
Effective date: 20130329 |