基于地磁感应的车辆检测方法的研究

地磁检测器是一种新型的利用磁场变化的车辆信息检测设备.文中提出了基于这种地磁检测器的交通流信息检测方法,通过对地磁检测器采集的数据进行预处理和特征提取,利用2个地磁感应器,应用基于阈值的车辆判别方法,进行了车流量的实时在线的实验检验,实验检验结果表明,基于地磁感应的车辆检测方法的准确率达到了96%.     

基于无线传感器网络的交通流量采集系统

提出了一种基于无线传感器网络（WSN）的车流量监控系统。系统采用无线数据采集的方法和地磁传感器进行车辆检测的方法,通过无线传感器网络的多跳传输机制传输车辆感应数据,并通过地磁传感器采集车辆感应数据。系统通过后台统一管理,用户可实时获取道路车流量信息,相比传统的基于有线数据采集和地磁感应线圈检测器的监控系统,基于WSN的车流量监控系统在施工与维护上具有很大优势,可实现交通车流量状况的实时监控。     

基于地磁传感器的车辆检测算法

地磁传感器是一种动态检测地磁场变化的感应设备。文中提出了基于地磁传感器的一种车辆检测方法,通过对地磁检测器所采集的数据进行预处理和波形特征提取来进行车辆信息的检测。利用安装在路面上的2个地磁感应器,和基于动态基值的波形特征提取算法,对车辆流量和车辆速度及车型等信息进行有效的检测,试验结果表明基于地磁感应的车辆检测方法的准确率高达98%。     

基于传感器网络的智能交通系统架构及关键技术

针对传感器网络应用于智能交通系统的关键技术,深入研究准确测量车长和车速的磁敏车辆检测算法、基于节点比特能量消耗和工作模式切换优化的低功耗设计方法、具有可靠性保障的网络拓扑和网络协议设计以及简单有效的时间同步方法,并提出智能交通传感器网络系统架构和关键技术。通过工程实际应用．测试验证了关键技术的有效性和系统架构的可行性。     

基于矢量运算和多级阈值判断的地磁车位占用检测算法研究

检测算法解决了现有地磁车位检测中无法排除邻位停车干扰以及所选判断标准无法适应多种车型、停车应用场景的问题.检测算法分析磁偶极子模型,基于矢量运算提取目标车位停车过程产生的地磁扰动矢量,有效排除邻近车位停车过程对目标车位磁场的影响.通过收集大量真实停车产生的地磁扰动信息,统计分析地磁扰动的强度以及方向变化特征,合理选取多级阈值作为算法中车位占用检测的标准,保证检测算法适用于多种车型、停车应用场景.经过3个月实地应用测试,发现检测算法车位占用检测精度达到99.3%,优于强度或者方向单一特征判断算法,并能检测出停车是否规范.研究算法尚未应用于大型客车、货车以及特种车辆车位占用判断.      

基于多传感器融合的排队长度检测系统设计

提出了一种基于多传感器信息融合的交通路口排队长度检测方法,该系统以无线地磁车辆检测器作为数据检测来源,基于无线传感器网络,构建了一种互联感知的分布式检测系统.系统以多检测节点协同工作的模式,由点到面,实现排队长度等深度路交通流信息获取,为交通信号控制系统提供准确的路网交通流数据.系统基于交通流特性建立数学模型,采用无线地磁车辆检测器及多传感器融合算法实现交通路口各方向排队长度检测.可实现红灯期间实时排队长度检测及绿灯放行期间队首位置判别及实时排队长度检测.通过绿信比优化,均衡各相位绿灯时间的分配,对提高道路通行能力有重要意义.     

道路交通参数检测系统设计

为了能够获取高速公路上的车流信息,基于电磁感应原理,设计了一种基于环型感应线圈传感器的单片机检测系统.通过检测、采集、分析振荡频率,可得到车流量计数、车速及车辆的分类等信息.介绍了工作原理、数据采集及硬件结构组成.     

高速地磁传感器磁芯性能表征及其优化

高速地磁传感器用于检测车辆通过道路时对地球磁场的影响导致的磁场变化,在智能交通系统的信息采集中起到非常重要作用,磁芯是地磁传感器的核心组件。本文通过3种试验数据,从多种磁芯样板中,选出灵敏度最高、性能最佳的的磁芯材料。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

基于红外测距的道路前方车辆探测预警系统研究

进行道路前方车辆探测预警系统设计时,通常采用红外测距仪来获取道路前方车距信息,并以此作为前车探测的基础数据。为了消除系统状态误差和测量误差对车距信息数据精度的影响,可根据车距信息和相对车速不会突变的特性建立预测模型,基于此预测模型,应用Kalman滤波理论准确预测相对车速,并利用车距信息和相对车速计算安全距离报警阈值。试验证明该探测及预警方法可大大提高车辆探测的准确性和鲁棒性。