论文部分内容阅读
车辆信息检测技术是实现交通路口信号灯自动控制和高速公路不停车收费的核心技术,为智能交通系统的应用提供信息支撑,因此深入研究车辆信息检测技术对智能交通系统具有重要意义。本文设计了一种基于地磁传感器的车辆信息检测系统,提出基于动态阈值的状态机车辆检测算法和基于数据融合的车型分类算法,完成了车辆信息的识别。实验结果表明,算法可以有效提高车辆检测和车型检测的准确率。论文主要完成的工作:(1)研究了利用地磁传感器采集运动车辆的地磁扰动信息,分析了扰动信息特征,提出基于动态阈值的状态机车辆检测算法。该算法利用加权函数对阈值进行实时更新,以消除基线漂移对车辆检测精度的影响,利用状态机能有效判断车辆进出传感器检测范围的时刻,准确的分割车辆地磁扰动数据,提高车型、车长、车速的识别准确度。(2)针对单地磁传感器检测车辆信息少、准确度低的问题,采用多传感器节点融合检测方法,实现对多节点车辆地磁扰动数据的融合处理。提出基于DTW(Dynamic Time Warping,动态时间规整)的多节点扰动数据特征对齐算法,利用相关性函数对规整后的多节点扰动数据进行自适应加权融合,在数据级上完成多节点的车辆地磁扰动数据融合。(3)依据采集的车辆类型,将检测车辆分为小型车、SUV、中型货车和大型客车,从融合后的车辆地磁扰动数据中提取用于车型分类的特征向量。针对BP(Back Propagation)神经网络收敛速度慢,容易陷入局部最优的问题,提出采用GA-BP(Genetic Algorithm,遗传算法)神经网络算法进行车型分类。(4)搭建系统试验平台,验证本文所提出的车辆检测和车型分类算法。试验结果表明,论文提出的车辆检测算法准确率优于98%,车型分类准确率大于84%,数据融合能明显提高车型分类精度。