基于傳感器的車輛信息識別

(三峽大學水利與環(huán)境學院管理科學與工程系 湖北 宜昌 443000)

一、引言

車輛識別作為一種交通監(jiān)控的重要技術，用以明確目標車輛所屬類別，根據車輛的外部特征可進行初步區(qū)分和處理，在交通車輛管理過程中，常常需要對車輛的類別和不同車道通過的車輛頻率，用以調整城市的交通樞紐布置，目前我國的的交通樞紐問題存在的挑戰(zhàn)在于通過利用攝像頭對車輛進行畫面處理過程中，常常受到氣候因素的影響，導致車輛在畫面中的視覺誤差較大給車輛的識別系統(tǒng)造成影響。

張強等學者通過淺層學習與深層學習的車輛識別系統(tǒng)[1],總結了我國目前車輛識別的現存問題，關于車輛的圖像處理問題，考慮到交通管理中信息搜集過程的數據處理，可以利用更為簡單的設備與方式對于來往車輛進行數量和車輛款式的統(tǒng)計，因此本文提出一種簡單的基于傳感器原理的車輛識別模型。

可通過激光感應器的工作原理分析其反饋數據，進而得到數學關系并構建模型，利用模型結合數據得到車輛的寬度以及高度，最后利用決策樹對數據進行分類從而得到車輛類別以及對應數量，為交通規(guī)劃設計提供參考數據。

二、信息識別模型的建立

激光傳感器是一種內部具有放大功能的光學傳感器，因此它能檢測極其微弱的光信號，其激光頭以25HZ的頻率旋轉，旋轉軸與道路方向平行，并以步進角度0.5度自左向右逆時針掃描，可獲得181點的測量數據，分析數據可知共有181個返回值，其中有148個返回值不為0，說明第148個數據就是車道的最邊界處，可得出傳感器有效掃描角度θ∈(90°,163.5°)。結合掃描數據求出立桿到第四車道最邊緣的距離λ=5900/cos(163.5°-90°)，假設所有的車道都是一樣寬，設車道寬為Z=(L-1700)/4,可利用三角函數關系確定各車道所對應的角度θ和返回值l

θ=90°+arctan[(z+1700)/5900]，ρ=5900/COS(θ-90°)；x=ρsin(θ-90°),y=ρcos(θ-90°)。

接下來為了篩選出異常數據，將對所給數據以每掃描一次即181個反饋數據為一組通過MATLAB繪制出散點圖，當縱坐標軸上數值主要集中在0-2000mm之間，當距離值(縱坐標數值)在此范圍外的均視為異常數值。對于異常數值我們利用差值法將其替換，并對修改后的數據運用多項式最小二乘曲線擬合，允許擬合函數的xi處的殘差不全為o，但要求計算高度測量數據的偏差平方和最小。

三、車輛信息的確定

根據車道的寬度，利用三角函數關系確定各車道所對應的角度θ和返回值，在每一組高度序列中進行壞值定位搜索壞值標準為Hi≤0||Hi≥4200，其中4200為高速限高。最終多項式次數等于5比較合理，根據最小二乘偏差平方和最小的原則求出擬合多項式系數，對已經剔除壞值的散點圖依據車道的進行分離，然后將其中的第一個數據的返回值轉換成該點距離激光轉換器的水平距離Xi，即Xi=ρsin(θi-90°)，同理可得出最后一個點距離激光轉換器的水平距離，從而得出車輛的寬度。

最后將車高高于2000mm為客車、攪拌車、載貨車；低于2000為轎車、面包車皮卡、車長超過12000mm的是客車；轎車與面包車車長小于4000mm車寬小于2000mm。對于攪拌車以及載貨車而言根據交通部門規(guī)定車長6000mm以上規(guī)定為大貨車，將車輛分為轎車、面包車、皮卡、客車、大貨車這五類，根據決策樹思想進行分類,先根據車長判斷小于6000的可能為皮卡、轎車、面包車。大于6000為大貨車，車長超過12000mm為客車再根據車寬大于2000mm找出皮卡。

四、結果分析

利用異常值處理后的數據，計算出所有車輛的長寬高，結合決策樹中車長、車高區(qū)別客車、貨車、皮卡，再結合圖形區(qū)別轎車以及面包車。最終得到如下結果：

表1 車輛類型以及數量

經過計算總共有116輛車輛經過，其中面包車共計7輛、皮卡13輛、客車15輛、轎車21輛、貨車60輛。說明高速公路上貨車數量最多并且所占比例最多，面包車數量最少，皮卡數量與客車數量類似。

【參考文獻】

[1]張強.北京工業(yè)大學學報.車輛識別技術綜述，2018年3月.

[2]張小軍.智能交通系統(tǒng)中的車輛檢測和車型識別技術研究，陜西：西北大學，2006.

[3]司守奎.數學建模算法與程序.北京：國防工業(yè)出版社，2007.

[4]唐小平.基于相關算法的激光傳感器車輛長高檢測系統(tǒng)的研究與設計.太原:太原理工大學碩士論文，2012.

[5]劉怡光.車輛識別若干基礎算法與技術研究.四川大學學士論文，2004.