论文部分内容阅读
电子不停车收费系统(ElectronicTollCollection,ETC)是国际上所努力推广的一种应用于道路、大桥和隧道的电子收费技术,ETC系统能实现车辆的不停车收费,是提高高速公路通行能力和解决收费站拥堵问题的最有效手段。标准ETC系统依靠车辆与收费站之间的微波通信实现车辆自动识别,曾被广泛研究的基于图像抓拍的牌照自动识别技术由于其识别率低,识别时间长而末彼采用。然而,仅依靠无线通信作为车辆识别的依据会给ETC系统实际运行带来很多问题,如跟车干扰与邻道干扰。ETC系统干扰问题存在的本质在于现有ETC系统中自动车辆识别仅依靠路侧单元RSU与车载单元OBU之间的专用短程通信DSRC通信来实现,在车辆识别或DSRC通信的过程中,没有其他技术检验车辆识别的正确性。要从根本上解决这个问题,必须建立车辆识别正确性验证的辅助技术,必须综合所获得多个信息,达到对车辆身份精确和可靠的识别。 因此本文提出将多源信息融合技术应用于ETC系统的车辆身份鉴别,通过将RSU获得的车辆信息与车辆图像信息进行信息融合,解决ETC系统的跟车干扰与邻道干扰问题,提高系统的可靠性。实际应用中,图像信息总是来源于正确的当前车辆,用车辆图像中的车辆颜色、车型及车牌字符对OBU中记录的车辆身份信息进行一致性验证,按照这些特征一致的程度给出验证结果,利用多变量输入、单变量输出的网络模型进行决策融合,判断待交易车辆是否来源于当前车辆,对RSU和当前OBU是否继续交易给出明确的信号。 本文的主要研究工作集中于以下两个方面:1.基于图像的车辆身份验证方法。包括车牌验证、车辆颜色验证、车型验证;2.综合多个特征验证结果的决策融合方法。针对这两方面提出了相应的算法: 提出了一种基于字符整体特征的快速验证方法。该方法以RSU获得的待验证车牌信息为已知信息,用数字字符的凹凸特性检验待验证车牌信息的正确性。该方法不需要对牌照图像进行复杂的预处理,也不是对牌照字符进行直接识别,因而能够很好地满足ETC系统的实时性要求。 车辆颜色与车型验证环节中,采用基于HSI空间色差的车辆颜色验证算法,HSI颜色空间两点的欧氏距离与人的感知程度近似成正比,并且对光线的强弱不敏感,从而有较高的可信度。对于车型验证主要依靠提取车辆外形的几何参数作为特征进行验证。然而由于车道监视摄像机拍摄角度的问题,所得到的车辆图像中车型特征有限,对于车型宜采用其他手段进行区分。因此,车型验证在整个验证过程中所占的比重较小,可信度也比较小。 采用D-S证据理论对车牌、车辆颜色、车型的验证结果进行决策融合,得到待交易车辆身份合法性的最终判决。D-S证据能够比传统的概率理论更好地描述和把握问题的未知性与不确定性,将大量不同方面的、不确定的信息有效地转化为确定性的决策结果。并且,在这个过程中引入未知项赋值,对传统D-S证据进行改进,以更好地描述判决的不确定性和更好地处理各证据之间的冲突。 本文通过分析跟车干扰与邻道干扰问题存在本质的同源性,提出将信息融合技术应用于ETC系统的车辆身份鉴别,为解决ETC系统的跟车干扰与邻道干扰问题提供了一个统一的、集成的解决方案。本文提出的有关车辆身份验证的方法,均利用RSU获得的车辆信息作为已知信息,避免对车辆身份的直接识别,显著提高了验证的速度,满足了ETC系统的实时性要求;采用多源信息融合技术鉴定车辆身份,比任何单一信息提供的证据有更高的可信度,提高了ETC系统车辆身份鉴别的可靠性。本文提出的算法,不需要增加现有ETC系统的设备,也不需要改变其硬件设计,只需要将原有系统中的车道监视摄像设备前移,配合相关的软件,便能切实解决ETC系统的干扰问题。