基于模糊積分的ETC干擾問題解決方法

丁浩 閆偉 呂坤 楊會

摘 要：有效結合車輛電子標簽信息和車輛圖像 提出一種基于模糊積分的ETC車輛身份驗證方法 從而解決ETC系統中的干擾問題。該方法以系統獲得的車輛信息為已知信息 用車輛圖像信息作為特征進行驗證 再通過模糊積分融合驗證結果 判斷車輛身份的合法性。同時對模糊密度的賦值方法進行了改進。實驗結果表明該算法具有簡單、魯棒性強的特點 利用模糊積分算法可以切實有效地解決ETC系統中的干擾問題。

關鍵詞：ETC;車牌驗證;模糊積分;跟車干擾;鄰道干擾

中圖分類號：U462.1? 文獻標識碼：B? 文章編號：1671-7988（2020）18-53-03

Abstract： Combining vehicle electronic label information and vehicle images effectively， an ETC vehicle identity verification method based on fuzzy integration is proposed to solve the interference problem in the ETC system. In this method， the vehicle information obtained by the system is known information， and the vehicle image information is used as a feature for verification， and then the result of fuzzy integration fusion verification is used to judge the legality of the vehicle identity. At the same time， the fuzzy density assignment method was improved. Experimental results show that the algorithm is simple and robust， and the fuzzy integration algorithm can effectively solve the interference problem in the ETC system.

Keywords： Electronic toll collection; License plate verification; Fuzzy integration; Following interference; Adjacent channel interference

CLC NO.： U462.1? Document Code： B? Article ID： 1671-7988（2020）18-53-03

1 引言

不停車收費系統能夠在很大程度上緩解日益嚴重的收費站擁堵瓶頸現狀。ETC系統能夠利用專用短程通信進行車輛自動識別和有關的收費數據的交換 實現不停車自動收費。ETC在運營和推廣的過程中產生了一些急需解決的實際問題。其中最為嚴重和突出的便是跟車干擾和領道干擾。

本文提出一種基于RSU獲得的車輛牌照字符信息 對車道監視攝像設備抓拍的車牌圖像信息進行驗證。在一階微分的基礎上 采用統計方法再次進行特征提取。通過模糊積分信息融合技術綜合分析 對模糊密度的賦值進行改進 從技術上解決我國ETC應用中的“跟車干擾”和“鄰道干擾”問題。

對于模糊積分Dempster和Shafer提出了兩種非可加測度：似然測度和信任測度 并形成了Dempster-Shafer證據理論。

2 解決ETC系統干擾問題的融合模型

2.1 解決方案

為了從根本上解決ETC系統干擾問題 充分利用車輛圖像信息和電子標簽信息采用驗證技術來驗證DSRC通信正確性 完成不停車收費系統中聯網車輛身份鑒別。

如何有效融合車輛圖像信息與電子標簽OBU信息是關鍵。通過對LPR系統的改進 在獲得電子標簽OBU信息基礎上對車輛圖像進行處理 將圖像識別問題轉換為圖像驗證問題 這在技術手段上具有明顯的優勢。為了實現聯網車輛身份驗證 需要對目前標準ETC系統流程進行部分改進 只需要將攝像設備前移 然后配合軟硬件即可 其在幾乎不增加ETC設備成本、不改變RSU和OBU硬件設計情況下 從技術上解決“跟車干擾”和“鄰道干擾”問題 防止了逃費等問題發生。

2.2 ETC系統的信息融合模型

為了能夠提高車輛身份識別的精確性和可靠性 需要選擇合適的信息融合模型。涉及到的融合信息包括電子標簽OBU字符信息和車輛圖像信息。利用電子標簽OBU信息對圖像信息進行驗證。

在ETC系統信息融合模型中 電子標簽OBU信息為字符信息 提取車輛圖像中的車牌、顏色以及車型信息 研究可信度的表征方法對各個信息驗證結果進行描述 采用信息融合算法對驗證結果進行融合得到具有更高可信度的身份判決結果。

由于不同字符信息得到的驗證結果可信度不同 即可通過信息融合處理得到車牌一致性的最終判決。在此基礎之上 再利用車輛的顏色和車型一致性判決結果進行多源信息融合處理得到較高精度車輛身份一致性驗證。采用Sugeno模糊積分進行信息融合處理。信息融合模型如圖2所示。

2.3 模糊積分的計算

根據OBU獲得的先驗知識獲得相應的分類器 再通過車輛圖像特征提取并進行數據處理得到每個特征向量相應的模糊測度。得知模糊測度的基礎上 便可完成模糊積分的計算 作為有限集 模糊積分可以簡化為簡單取大取小運算。

然后根據排序結果計算相應的λ-模糊測度 最后對可測函數和模糊測度進行模糊積分得到各個類別最終可信度 并歸一化處理得到最終判決。在ETC系統中應用模糊積分時 將分類器輸出作為模糊積分中的可測函數值 通過分類器標準向量和待識別對象特征向量得到每個特征的模糊密度 進而通過模糊積分有效融合各個分類器的輸出得到高精度的有效判決。

3 實驗結果與分析

實驗采用車輛圖像的實例來給出基于模糊積分的融合過程。分為兩個實驗來進行：實驗一OBU信息與車輛圖像一致 實驗二OBU信息與車輛圖像不一致。

選600幅車牌圖像作為實驗的處理數據 實驗結果如表1所示。

實驗結果分析：當車輛圖像和電子標簽信息一致時 識別率較高 存在一定拒識率 但是在解決干擾問題方面可接受 當出現拒識 系統以不一致進行處理同樣解決ETC干擾問題;當其不一致時存在約為0.33%誤識率 在數據構成方面出現車輛的相似度較高導致誤識。由于車牌的信息比重較大 所以在車輛身份驗證的過程中 可能導致錯誤識別。該算法的誤判率和拒識率較低 能夠精確鑒定車輛的身份 為解決ETC中干擾問題提供了一種行之有效的方法。

4 結束語

跟車干擾和鄰道干擾是不停車收費系統應用中重要問題 傳統方法對這兩個問題分開處理 且都不是理想解決方法。本文引入車輛圖像作為不停車收費系統正確性的鑒定信息 采用融合通信提高ETC系統的可靠性 同時解決ETC系統跟車干擾與鄰道干擾問題。本文算法 不需要增加現有ETC系統設備 也不需要改變硬件設計 只需將原有系統中車道監視攝像設備前移 便能切實解決ETC系統干擾問題。

實驗結果表明本算法有較高識別率。

參考文獻

[1] 胡果，杜科.試談取消省界收費站ETC及車牌識別數據應用[J].通訊世界，2020，27（04）：48-49.

[2] 張永合.一種面向ETC應用的智能控制器設計[J].單片機與嵌入式系統應用，2020，20（03）：77-80.

[3] 陳東.甘肅省高速公路ETC車道臨道干擾解決方案[J].中國交通信息化，2020（01）：100-101.

[4] 田富國，汪慶華，賈康，鄧東花.BP神經網絡與Sugeno模糊積分融合的轉子系統故障診斷[J].裝備環境工程，2019，16（10）：110-114.

[5] 魏征，余洋，余聰.面向ETC系統的干擾現象研究[J].電子世界， 2019（01）：118-119+122.

[6] 王玉凡，陳宏濤，王青林.ETC系統鄰道及跟車干擾問題的研究[J].電腦知識與技術，2014，10（35）：8572-8573.