道路交通信息采集与处理技术新进展

微波
高
中
中 中 中 中 高 长 中
超声波
高
中
低 中 中 中 高 中 中
红外
高
高
中 高 中 中 高 长 中
备注
全天候，但存 在跨道误检问
题
算法实时性 差、易受光
线影响
系统寿命短， 存在车辆互相 维护十分困难 遮挡现象
漏检情况严重
受环境的影 响较大
细粒度道路交通信息获取技术的基本要求
信息丰富、直观 全天候无异常工作 使用寿命长、经济性好
来说输入层到隐层的连接
权值和阈值是公共的，这
说明对每一种模式的学习
都会反复修改这些权值和
阈值，网络难以收敛。
新一代感应线圈交通信息采集系统—软件
车型分类的第3个过程—基于ANN的模式识别
当隐层、输出层分别采用sigmoid和线性激励函数时，目标误差函数表示为：
E1
1 2r
d RSAMPLE
新一代感应线圈交通信息采集系统－车型分类流程
信息增益值计算及特征选取 信息增益值大于某个阈值 则被选择
新特征集（Q）
Q 为R的真子集
Baidu Nhomakorabea
新一代感应线圈交通信息采集系统—软件
车型分类的第3个过程—基于ANN的模式识别
学习和解释现实世界中的复杂传感器数据，人工神经网络(ANN)是
目前已知的最有效的方法 一般BP网络模型
存在问题: 对于输出层的任何神经元
(t1d
jRHIDDEN
1 exp(
w1j xid wji
j )
1)2
1
iRIN
E2
1 2r
(t2d
d RSAMPLE
jRHIDDEN 1 exp(
w2j xid wji
j )
2 )2
2
iRIN
EN
1 2r
d RSAMPLE
(t
d N
jRHIDDEN
1 exp(
wNj xid wji
1. 基于FIR和 IIR滤波器的基频漂移抑制－－只适用 于截止频率固定的情况，在噪声频率超过其截止频率 时，无法发挥滤波作用
2. 基于自适应滤波器的基频漂移抑制－－需要一个 与噪声有关而与信号无关的参考信号
3. 基于小波分解的基频漂移抑制－－当真实信号和 噪声信号的频率较为接近时，该方法容易失效
新一代感应线圈交通信息采集系统—硬件
车型分类核心模块 软 件 功 能 模 块 图
新一代感应线圈交通信息采集系统—软件
车型分类最重要的 3 个过程： 信号预处理与特征提取 特征优选 模式识别
新一代感应线圈交通信息采集系统—软件
车型分类的第1个过程—— 基于模型库的数据预处理和特征提取 样本集
模型库
计算模型
特征集（属性集）
新一代感应线圈交通信息采集系统—软件
36 34 32 30 28 26 24 22 20 18 16 14 12 10 8 6
35 33 31 29 27 25 23 21 19 17 15 13 11
9 7 5
4
3
VCC RESET
TEST RELAYC1 RELAYC2 GREEN RED
CRYSTAL C9
VCC
+ C4
C3
R5
RESET SWITCH
C7
3
VCC R10
R12 C12
ADDCAP 1
2
Q1
1
B
PNP
C13
CE
R11
1
2
AK
L1
1
L1-1 L2-1
VCC
4 LOOP1-1
R14
2
L1-2 L2-1
3 LOOP1-2
0.01uF
R13
FIN1 P2
LOOP1-2 LOOP1-1
FANGLEI
2 1
CON2
FANGLEI
道路交通信息采集与处理 技术新进展
1、信息在ITS中的作用
定义：ITS是将先进交的通计参算与机者处理技术、信息技术、
数据通信技术、自动控制技术、人工智能及电子技术
等有效地综合应用基于于地信面息交的通交管通理管体系中，建立一种 在大范围内、全方位理发、挥控作制用与的诱准导时、准确、高效的
交通运输管理体系。
定义：信息粒度是在基本集(Rough集概念)
细粒度道路交通信中具息有将相同极属大性值地的改对象善集合IT，S是的通过应不可 用效果，并影响人分辨们性对、相IT似S性的和函理数解性等。来划分的对象集
合；一个基本信息粒度相当于Rough集的一 个等价类。
2、细粒度道路交通信息
道路交通信息包括：车型、车速、交通流量、道 路占有率、排队长度、交通事件等；精细化这些 参数，能够增强信息的表达能力，从而提高ITS的 应用水平和服务层次。
传统交通信息获取技术难以满足细粒度道路交通 信息获取的要求。
3、道路交通信息获取技术比较
内容
技术成熟度 交通量检测
精度 车型分类精度 速度检测精度
抗干扰能力 设备稳定性 维护方便性 使用寿命
价格
感应线圈
高
中
低 中 高 高 高 长 低
视频
中
中
低 中 中 高 高 长 低
压电
中
高
中 高 高 高 低 短 高
视频 感应线圈，压电 感应线圈，视频
结论
视频设备安装方便、检测信息量大、且具有可视性， 有着其它检测设备无法比拟的优势。但是，必须开 发出先进的视频交通信息采集系统，才能克服跨道 误检、光影干扰等问题。
新一代感应线圈＋先进的视频检测技术
感应线圈经济、可靠、全天候工作。必须开发出新 新一代感应线圈，才能克服传统感应线圈无法进行 车型分类的缺陷。
待删：单片微型计算机 Micro Controller Unit
MCU 模块
通讯 模块
控制输 出电路
1
FUSE +220
R1
TRANS
V1 V2
1 3
2 4
D
-220
TRANS1
2
12V+ C1 4 C2
12V-
1
3
12V+ BRIGHT 2 VIN
12V-
1
+ C5
VOLTREG Vin
Vout
3
交通设施
交通工具
1、信息在ITS中的作用
传统交通理论结合信息技术是ITS的显著特点 信息是ITS的灵魂，道路交通信息是ITS信息中最基础、
最重要的部分
ITS的应用范围和应用效果受限于道路交通信息的精 细程度
2、细粒度道路交通信息
信息粒度(information granularity) 是描述信 息分辨率的基本指标 。
RX1T3 O 8
TX1D1 10 1
+ C13 3
R1 IN R2 IN T1 IN T2 IN C1+ C1 -
MAX232
R1 OUT R2 OUT T1 OUT T2 OUT
C2+ C2 -
12 RXT 9 14 TXDO 7 4 5
SWG
R20
10 11 12 13 14 15 16 17 18
j )
N )2
N
iRIN
E E1 E2 EN 1 2 N
（3）
神经网络对N种模式的识别问题本质上是求解一组连接权值和阈值，使(3)式成立。
新一代感应线圈交通信息采集系统—软件
车型分类的第3个过程—基于ANN的模式识别
只考虑某一支输出，即将某模式e和e~区分开（此时为两种模式的识别问题）， 则网络应得到一组权值和阈值满足下式：
车型自动分类
及侧向干扰现象
提高
新一代感应线圈的显著特点：几匝导线实现交通信息的准确获取 稳定可靠、全天候无异常工作 准确率超过95%的车型分类数据
准确率超过98%的交通量数据
准确率超过95%的车速数据 交通流状态信息
新一代感应线圈交通信息采集系统－技术原理
车型分类实质：利用信号波形进行模式识别
新一代感应线圈交通信息采集系统—硬件
③用基频信号聚类中心值更新当前基频值；
④聚类分析窗口向前滚动（剔除第一个数据的同时， 加入一个新的采样数据）开始新的聚类分析；
⑤通过原始信号与当前基频值相减来实现基频漂移抑制。
长度为N的滚动时间窗
新一代感应线圈交通信息采集系统—硬件
基于滚动时间窗聚类分析的基频漂移抑制方法
车辆感应信号
线圈检测器实测数据
REL2
2
2 RELAYOUT1
R19
3
3
1
1
4
4
TORELAY2
REL1
P4
TOR0 ELAY02
2
2 RELAYOUT2
3
3
1
1
4
4
Title
Size A
Date: File:
3
J1 R7
3
2
R6
1
CON3
Num ber
Revision
9-Apr-2007
Sheet of
D:\WORK\VEHICLES\专利资料\New Folder (D2)r\aMwynDBeysi:gn.ddb
定义1 设X是取有限个值（共n个）的随机变量， pi =P{ X=xi }，i = 1, 2,…, n，则X的熵定义为：
其中，对数的底a可为任意正数，一般取2。规定当pi=0时， 上面定义的熵称为Shannon熵，它度量了训练样本的纯度。
新一代感应线圈交通信息采集系统—软件
车型分类的第2个过程— 基于信息增益的特征优选
9 8 7 6 5 4 3 2 1
1 2 3 4 5 6 7 8 9
10
1
2
3
R22
J2
RSET1 RSET2 RSET3 RSET4
B VCC
RELARY8C1
R11
R9
R12
P1
R10
A
1
VCC R13
TORELAY1 P2
R15
RELARY1C42 R16
R17 R18
P3
2
TOR0 ELAY01
定义2 一个属性A相对样本集S的信息增益 Gain(S,A)定义为：
其中，Values(A)是属性A所有可能值的集合，Sv是S的值为v的
子集，即
。
新一代感应线圈交通信息采集系统—软件
车型分类的第2个过程— 基于信息增益的特征优选
信息增益越大，代表特征属性提供的分类信息越多。
特征集（R）
信息存在冗余
4
参数设置 电路
B
A
新一代感应线圈交通信息采集系统—硬件
感应线圈基频漂移的成因
在理想状态下
无车经过时的线圈电感量L是恒定的，线圈基频也是不变的
实际应用中
错误检测
基频漂移
基频漂移抑制是非常重要和必要的
新一代感应线圈交通信息采集系统—硬件
常用的基频漂移抑制方法
待删：有限冲击响应Finity Inpulse Response 待删：无限冲击响应Infinity Inpulse Response
基于滚动时间窗聚类分析的基频漂移抑制方法
不同车速情况和干扰因素下，感应曲线的基频漂移信号与车辆感应信号
在频率上，可能出现相似甚至重叠现象 在幅值上，漂移信号幅值通常较小，而车辆感应信号较大
滚动时间窗聚类分析方法的基本思路：
①感应信号由基频信号和“异常信号”线性叠加而 成； ②利用长度为N的时间窗聚类分析方法（K-MEANS） 来识别基频信号和“异常信号”；
基于滚动时间窗聚类分析法 得到的基频漂移曲线
车辆感应曲线
车辆感应数据－－当前频率值与当前基频值之差
新一代感应线圈交通信息采集系统—硬件
基于小波分解的车辆感应数据滤波
车辆感应数据中夹杂着噪声信号 小波分解把信号分解成低频的“近似信号”和高频的“细节信 号”
数据滤波与压缩
对上一级信号进行1/2抽样
新一代感应线圈交通信息采集系统—软件
4、新一代感应线圈交通信息采集系统
保留传统感应线圈的优点: 全天候稳定工作，抗干扰能力强， 造价低；
基于感应曲线而非脉冲，因此信息量极大地增加；
突破了传统感应线圈的技术缺陷。
“新一代感应线圈”是唯一能区分轮廓
通过智能难模以式进识行别算 通过交滤通波流算量法检克服 通过波速峰度时检间测差算法
法相实似现车高的型准分客确类率车的与货车车辆测间的精信度交号不的通高粘信连 息使采速度集精检技度测不精术高度显著
+
L2
C6
4
VCC
VCC R3
R2 LED
电源模块
D
GND 2
3
VCC
MCU
C8
VCC
C
40
39
38
37
RSET1 RSET2 RSET3 RSET4 OPTION1 OPTION2 OPTION3 OPTION4 OPTION5 OPTION6 OPTION7 OPTION8 OPTION9
RXT TXD
1 2
CON2
C
LC谐振 电路
2 1
2
1
FANGLEI CON2
910 11 12
8
7
RXTO4 TXDO5
6
3
2
+R2E2L0AYO4UT1 -LR2EO2L0OAP1YOUT2 LOOP21
NC NC NC
GREEN RED
VCC OPTION1 OPTION2 OPTION3 OPTION4 OPTION5 OPTION6 OPTION7 OPTION8 OPTION9
车型分类的第2个过程— 基于信息增益的特征优选
为避免信息冗余，提高模式识别算法的学习和分类性能， 必须进行特征优选
以信息增益来度量特征值包含的分类信息大小 以信息增益值的大小来确定特征值是否被选择——不同应
用环境，“有用的特征值”可能不同
新一代感应线圈交通信息采集系统—软件
车型分类的第2个过程— 基于信息增益的特征优选
Ee
1 2r
(ted
d RSAMPLE
jRHIDDEN
1 exp(
wej xid wji
j )
e )2
e
iRIN
（4）
（4）式是不等式组（3）的一个子式，（4）式的解未必是（3）式的 解；反过来（3）式的解必定同时满足（4）式。因为（3）式受多个条 件的限制，因此无解的可能性比任何一个子式都大。