国内智能交通领域中车辆检测技术的应用与研究.docx
《国内智能交通领域中车辆检测技术的应用与研究.docx》由会员分享，可在线阅读，更多相关《国内智能交通领域中车辆检测技术的应用与研究.docx（10页珍藏版）》请在冰豆网上搜索。
国内智能交通领域中车辆检测技术的应用与研究
国内智能交通领域中车辆检测技术的应用与研究
作者：
敖卓森朱光翔张宏顺
摘要：
车辆检测技术是智能交通系统的重要组成部分，也是实现智能化监测、控制、分析、决策、调度和疏导的基本依据。
通过对国内智能交通系统应用情况的调研，本文分析了国内智能交通系统中几种常用的车辆检测方式，及它们的工作原理、环境适应性和优缺点，并对线圈检测和视频检测的应用进行了深入研究。
关键词：
智能交通系统；车辆检测技术；线圈检测；视频检测
ApplicationandResearchofVehicleDetectionTechnologyforInternalIntelligentTransportationSystems
Abstract：
VehicledetectiontechnologyisanimportantpartofIntelligentTransportationSystems（ITS）,anditalsoisthebaseofintelligentmonitoring,controlling,analysis,decision-making,schedulingandleading.Bylong-timeresearchwork,thispaperanalyzesseveralkindsofcommonmethodsonvehicledetectiontechnology,theirprincipleofwork,environmentalsuitabilityandmeritanddemerit.Simultaneously,theapplicationofloopdetectionandvideodetectionweredeeplyresearched.
Keywords：
IntelligentTransportationSystems;vehicledetectiontechnology;loopdetection;videodetection
1、引言
随着我国经济快速发展和城市规模不断扩大，各种交通需求不断增加，智能交通系统（又称"智能运输系统"，IntelligentTransportationSystems，ITS）。
在我国逐渐得到了广泛应用和快速发展。
车辆检测技术是智能交通系统的重要组成部分，交通智能化管理需要通过车辆检测方式采集客观、有效的道路交通信息，获得交通流量、车速、道路占有率、车间距、车辆类型等基础数据，从而有目的地实现监测、控制、分析、决策、调度和疏导等智能化手段。
目前，国内外诞生的车辆检测器产品的种类很多，技术原理和实现方式各不相同，如有线圈检测、视频检测、微波检测、激光检测、声波检测、超声波检测、磁力检测、红外线检测等。
我国幅员辽阔，道路里程长，车多人多，交通状况比较复杂，各地交通管理部门对于车辆检测方式的要求具有多样性，从性能指标、产品成本、安装方式、天气路况、管理政策等方面都有诸多不同。
本文通过对国内智能交通系统应用情况的调研，结合笔者所在企业多年来在智能交通领域实施项目的经验数据，列举了几种国内智能交通系统中常用的车辆检测方式的工作原理、环境适应性以及优缺点分析，并对普遍采用的线圈检测和视频检测的应用进行重点研究。
2、车辆检测方式特点比较
2.1、线圈检测方式
通过一个电感器件即环形线圈与车辆检测器构成一个调谐电子系统，当车辆通过或停在线圈上会改变线圈的电感量，激发电路产生一个输出，从而检测到通过或停在线圈上的车辆。
线圈检测技术成熟、易于掌握、计数非常精确、性能稳定。
缺点是交通流数据单一、安装过程对可靠性和寿命影响很大、修理或安装需中断交通、影响路面寿命、易被重型车辆、路面修理等损坏。
另外高纬度开冻期和低纬度夏季路面以及路面质量不好的地方对线圈的维护工作量比较大的。
本文将在第3部分重点针对线圈检测方式进行深入分析研究。
2.2、视频检测方式
视频检测方式是一种基于视频图像分析和计算机视觉技术对路面运动目标物体进行检测分析的视频处理技术。
它能实时分析输入的交通图像，通过判断图像中划定的一个或者多个检测区域内的运动目标物体，获得所需的交通数据。
该系统的优点是无需破坏路面，安装和维护比较方便，可为事故管理提供可视图像、可提供大量交通管理信息、单台摄像机和处理器可检测多车道。
它的缺点是精度不高，容易受环境、天气、照度、干扰物等影响，对高速移动车辆的检测和捕获有一定困难。
因为，拍摄高速移动车辆需要有足够快的快门（至少是1/3000S）、足够数目的像素以及好的图像检测算法的支持，视频检测由于需要进行计算往往无法捕获到高速运动物体。
本文将在第4部分重点针对视频检测方式进行深入分析研究。
2.3、微波（多卜勒）检测方式
微波式交通检测器通过发射低能量的连续频率调制微波信号，处理回波信号，可以检测出多达8个车道的车流量、道路占有率、平均车速、长车流量等交通流参数。
微波检测由发射天线和发射接收器组成。
发射器对检测区域发射微波，当车辆通过时，由于多普勒效应反射波会以不同的频率返回，通过检测反射波的频率来检测车辆是否通过。
优点是在恶劣气候下性能出色,可以全天候工作、可检测静止的车辆、直接检测速度、可以侧向方式检测多车道、安装维护方便，缺点是侧面安装只能区分长车短车，相邻车道同时过车时可能漏记车辆数。
雷达就是依据"多卜勒效应"的一种微波检测方式。
雷达先发出一个频率为1000兆赫的脉冲微波，如果微波射在静止不动的车辆上，被反射回来，它的反射波频率不会改变，仍然是1000兆赫。
反之，如果车辆在行驶，而且速度很快，那么，根据多卜勒效应，反射波频率与发射波的频率就不相同。
通过对这种微波频率微细变化的精确测定，求出频率的差异，就可以换算出汽车的速度。
雷达测速有效范围大约在每小时24公里到255公里之间，测速范围比较大，精确度也相当高。
对于速度较快，车流量较少且方向统一的高速公路上面，采用微波雷达配合高速摄像机是一种不错的选择。
而对于多车道、车辆并行、人车混杂的复杂路段，单纯只使用多普勒效应的微波雷达对路口、路段违法车辆的进行检测，则具有较大困难，在检测范围内如果出现多个车辆，往往无法区分目标车辆。
另外，测速雷达一般安装在公路中间6米高的横臂上面，如果比较高的大型车辆（如挂车、货柜车等）经过，由于车体比较高，造成车体顶部距离雷达太近，雷达发出的脉冲微波射在车体顶部被反射回来的距离大大缩短，往往造成了计算出来的速度值比较大，会产生比较大的误差。
2.4、磁力检测方式
在铁磁材料中会发生磁阻的非均质现象（AMR），当沿着一条长而且薄的铁磁合金带的长度方向施加一个电流，在垂直于电流的方向施加一个磁场。
合金带自身的阻值会发生变化。
利用AMR磁阻效应生产的AMR磁阻传感器成功地将三维方向（x，y，z）的单个传感器件集成在同一个芯片上，而且将传感器与调节、补偿电路集成一体化，可以很好地感测地磁范围内低于1高斯的磁场，可以根据一些铁磁物体对地磁的扰动，来检测车辆的存在，也可以根据不同车辆对地磁产生的扰动不同来识别车辆类型。
磁阻传感器的优点有：
安装、维修方便，不必封闭车道、破坏路面。
缺点也非常明显，对于纵向过于靠近的车辆的干扰排除能力较差，即当车流速度较低，前后车辆之间的距离较小时对测量精度影响较大。
2.5、超声波检测方式
超声波检测的原理与雷达测速类似，都是利用"多卜勒效应"的反射原理，发射器从顶部发出超声波，当有车辆通过时，接收器接收到回波的时间是不一样的，据此可以判断是否有车通过。
与雷达测速不同的只不过其传感器探头发出的是声波而不是电磁波。
此种检测设备的缺点是必须顶置安装，安装条件受到一定的限制，并且传感头在路口这种灰尘极大的恶劣环境中使用，寿命非常短。
因此这种检测方法并不实用。
2.6、激光检测方式
激光检测为点测量行为，从理论上讲是可行的并且检测精度过程都相当高，但与微波雷达一样，同样面临路口多道路，多车辆和多行人的三多影响，点测量的效率无法满足监管要求，最重要的是：
激光检测中的激光束对人体（主要是人眼的伤害）是其在使用中极为严重的问题。
在欧美等国家又用激光测速的交通测速仪器，其性能指标不仅要达到国际Class1安全标准，同时在使用中必须用人工操控，以避免对人眼造成伤害。
在日本是严格禁止用激光作交通检测设备的，因此，激光检测在理论上讲比较好，但目前在使用中的安全问题仍未解决。
2.7、红外检测方式
红外检测器是顶置式或路侧式的交通流检测器。
该检测器一般采用反射式检测技术。
反射式检测器探头由一个红外发光管和一个红外接收管组成，其工作原理是由调制脉冲发生器产生调制脉冲，经红外探头向道路上辐射，当有车辆通过时，红外线脉冲从车体反射回来被探头的接收管接收，经红外解调器解调再通过选通、放大、整流和滤波后触发驱动器输出一个检测信号。
这种检测器具有快速准确、轮廓清晰的检测能力。
其缺点是工作现场的灰尘、冰雾会影响系统的正常工作。
2.8、常见几种车辆检测方式优缺点比较
注：
前面带*为摘自美国托休斯检测中心试验报告内容，其余为作者综合相关资料的结论。
3、线圈检测方式研究
线圈检测技术是目前世界上应用最普遍的车辆检测方式，其灵敏度高、技术成熟度高、计数精确、稳定性好，不受环境的影响。
它的缺点是安装过程对可靠性和寿命影响很大，维修或安装需中断交通，破坏路面，影响路面寿命。
同时线圈易被重型车辆、路面修理等损坏，而且它的维护难度较大。
下面以车辆检测器作为基础，对线圈检测方式的工作特性作深入的研究。
3.1、线圈检测技术原理
线圈检测系统主要由电感线圈及与之相配套的车辆检测器组成，一般在同一车道设置一组（2-3个）电感线圈。
其中，电感线圈一般是由几匝金属导线绕制成空心线圈，埋设于车道的路面下，通过馈线与车辆检测器相联，如图1所示：
车辆检测器用高频信号驱动电感线圈，在线圈的周围就产生了交变的电磁场，这时，若有车辆（金属物体）通过线圈上方，在改变线圈周围空间的磁导率的同时切割磁感线，引起线圈电感量的变化，进而引起线圈阻抗的变化，这将导致车辆检测器内部振荡信号频率的变化，检测电路可以检测到这一频率的变化，据此就可以达到检测车辆的目的。
3.2、线圈检测工作特性
电感线圈在检测系统中起到了传感器的作用，线圈的形状和埋设布局等对检测系统的灵敏度有很大的影响。
为了说明这一情况，首先应该了解线圈工作时的磁场分布规律。
我们将以毕奥－萨伐尔定律为工具着手研究。
毕奥－萨伐尔定律是有关电流产生磁场的基本定律，把载流导线看成是由许多电流元IdL连接而成的，该定律认为，载流导线在磁场中某点所产生的磁感应强度B，就是由这根导线所有电流元在该点所产生的磁场强度dB的叠加。
而任一电流元IdL在真空中某点P的磁感应强度dB的大小与电流元的大小IdL成正比，与电流元IdL的方向和由电流元到P点的矢径r的夹角的正弦成正比，并与电流元到P点的距离r平方成反比。
即
其中?
为真空磁导率（可近似认为是空气中的磁导率）dB的方向可用右手螺旋定则来判断，dB垂直于dL和r所组成的平面。
根据
（1）式可求出载流长直导线放在真空中时，导线旁边任意一点P的磁感应强度B，设有一长直导线AB，其中的电流为I，如图2所示：
在直导线上任取一电流元IdL，根据毕奥－萨伐尔定理，该电流元在给定点P所产生的磁感应强度的大小为
dB的方向垂直于电流元IdL和矢径r所组成的平面。
用右手螺旋定则可知，直导线上各个电流元所产生的磁感应强度dB的方向都相同，因此，P点的磁感应强度就等于各电流元的磁感应强度的代数和，用积分表示有：
由于L，r和α都是变量，在进行积分运算时，必须首先将他们用同一个变量来表示，所以，取矢径r与P点到直导线的垂线PO之间的夹角β为自变量，根据图示关系有：
（3）
根据上述结论，我们可以来计算电感线圈所包围的平面内某一点的磁感应强度B，为计算简便设有一单匝正方形线圈，线圈的边长为8a，线圈中电流为I，该线圈平面的中点为P，该点的磁感应强度计算过程如图3所示：
令线圈右边导线在P点所产生的磁感应强度为β1，则根据（3）式有
线圈内各点的磁感应强度是不一样的，线圈中心点处的磁感应强度比其他点都小，越接近导线，磁感应强度越大，在线圈拐角的地方，磁感应强度比其他同距离的地方都大。
3.3、线圈检测技术应用
根据上面的分析可以得出结论：
电感线圈内部的磁场分布并不均匀。
实质上，根据电磁感应定律，切割磁场产生的感应电动势为：
e＝－dФ/dt
当车辆经过线圈中磁感应强度大的区域时，磁通量变化率也相应增大，从而产生较大的感应电动势，增加了车辆检测的灵敏度。
据此，在电感线圈的设计和施工上，我们主要考虑的就是要使车辆通过时能引起较大的磁通量变化。
根据电感线圈的工作特性，可以从两方面来考虑这个问题，一是尽可能让车能够通过线圈拐角磁通量较大的地方，二是尽可能增大车辆通过线圈时车体所覆盖的线圈区域，为此，我们可以考虑把线圈设计成菱形以提高车辆检测的灵敏度。
见下图4，
图4长方形线圈及菱形线圈比较（阴影部分为车经过时覆盖面积）
我们也可以将线圈设计为平行四边形，该线圈形状的优点在于覆盖的路面范围较大，对于要求检测摩托车的路口，可以有效提高检测灵敏度。
如图5所示：
我们还可以来讨论另外一种增加磁感线强度的设计方法，即将线圈设置成"日"字型，这样可以使线圈中两个环的磁场互相迭加，极大增加线圈的磁感应强度，但是他们的施工难度相对较大，成本同时也要高一些。
对于上述长方形和菱形等一般的线圈设计方法，在实际工程中还应使线圈的宽度略小于被测车辆的宽度。
这样，车辆经过时，能够全部覆盖线圈，使磁通量变化最大。
线圈车辆检测系统是由电感线圈和车辆检测器组成的有机整体，在研究提高线圈灵敏度的同时，也要求配套的车辆检测器具有强大的信号处理能力和抗干扰能力。
只有这样，才能整体提高车辆检测系统的准确性。
4、视频检测方式研究
4.1、视频检测技术原理
视频检测技术是一种计算机视觉和图像处理技术，通过视频摄像机和计算机模仿人眼的功能，为实际应用提供实时交通信息的先进技术。
其工作原理是通过视频摄像机和计算机模拟人眼视觉技术,通过分析摄像机拍摄的交通图像，在视频范围内划定虚拟线圈，运动物体进入检测区域导致背景灰度发生变化，从而感知运动目标的存在，实现对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪，并对检测、跟踪和识别的交通运动目标的交通行为进行分析和判断，从而既完成各种交通数据信息的采集。
其主要处理流程如图7所示：
视频检测可提供全面的交通数据信息和事故检测信息，如道路上车辆的车流量、平均速度、平均车头时距、车道占用率，车型分类、停车报警、逆行报警，拥堵报警等信息；可为管理人员提供可视图像，使管理更直观；检测覆盖范围大，单台摄像机可检测多车道。
安装无需中断交通，不破坏路面，维护方便，适用面广。
缺点是技术还不够成熟，极易受气候和光照等外界条件等影响，容易被其它运动物体和灯光干扰；由于视频检测对于环境照度依赖性较强，夜晚检测精度比白天要低一些，在照度很低情况下只能采用高灵敏度（红外补偿）黑白摄像机来进行检测。
由于视频检测方式受外部因素的影响较大，因此，采用的模型和算法非常关键。
目前，基于视频的车辆检测算法可分为如下几类：
背景差分法，相邻帧差分法、光流法、边缘检测法，运动矢量检测法，下面针对几种常用的视频检测算法进入深入研究。
4.2、视频检测常用算法
相对于其他方法，背景差分法简单且易于实现，是利用当前帧与背景图像对应像素点的灰度值相减进行判断。
一般而言，背景差分的步骤如下：
首先对固定摄像机拍摄的视频图像序列进行计算，得到一个场景的静态背景初始化模型，之后将当前帧与静态背景图像相减。
在环境亮度变化不大的情况下，如果对应像素点的灰度相差很小，可以认为此处景物是静止的；如果图像区域某处的灰度变化很大，则认为这是由于图像中运动物体引起的，然后取出运动目标在图像中的位置。
不过由于背景可能发生变化，所以算法在实现的过程中，要不断地自动实现背景图像的更新，之后再次利用新的背景模型来确定前景目标，以得到更精确的结果。
背景差分法是以图像背景固定不变为前提，如果背景图像运动时，则应先对由摄像机运动引起的背景运动进行补偿，然后再进行差分运算。
这种情况下，背景差分法的有效性强烈依赖于背景运动补偿算法的准确程度。
背景差分法一般能够提供最完全的特征数据，适用于背景已知的情况。
其关键所在是如何自动获得场景的静态背景模型。
目前最简单的背景模型是时间平均图像。
然而在场景中，背景往往是不固定的。
它会随着光线、运动以及背景物体的变化而变化，背景模型必须能及时适应这些变化。
相邻帧差分法与背景差分法在策略上同属于差分运算，但相邻帧差分的原理是将前后两帧图像对应像素点的灰度值相减。
先设定一个阈值，当差值变化很小，小于指定的阈值，即认为没有运动目标经过；当差值较大，大于一定的阀值时，即可认为该点对应位置有运动目标存在，然后通过形态学处理、像素点连通、标记等算法提取出该运动目标，再根据区域的特征，如长宽比等区分出是车辆还是其他物体，也可对运动区域采用聚类分析，按照人、车辆以及复杂背景三类进行聚类，来实现不同运动目标的检测。
相邻帧差分法的突出特点是实现简单、运算速度快，在大多数情况下检测效果较好，常常用于对实时性要求比较高的场合，然而这种方法常常出现两种不良的效果：
（1）两帧间运动物体重叠部分没有检测出来，而只检测出物体的一部分；
（2）检测出物体在两帧中的目标信息比真实物体大得多。
通过三帧图像计算出两个差分图像，再令他们对应像素相乘可消除伪运动信息。
光流场法是通过计算图像的光流场，再结合目标的运动特征进行目标检测。
由于运动对象通常与背景有不一致的运动，因此可以从分析对象的运动特征入手来分割视频图像。
基于光流场运动分割的算法是先估计视频图像上的运动场，然后在此基础上对场景进行分割。
运动场是物体在三维空间中的实际运动，在二维图像平面上的投影，然而我们所能得到的是图像亮度随时间的变化，即图像的光流场。
通过研究光流场，可以得到视频图像的运动场，然后根据运动场的运动特征进行视频运动目标的分割。
光流法可以得到完整的运动信息，能很好地从背景中检测到不同的运动目标等前景，甚至可以检测到运动目标的一部分。
因此可以实现单一摄像机运动过程中独立运动目标的检测。
不过，算法要对所有帧中的所有像素进行计算，计算量大，算法复杂耗时，如果没有专门的硬件设备支持，很难实现视频实时检测。
4.3、视频检测算法优化探讨
常用的三种视频检测算法有着它们各自的优缺点：
（1）背景差分法：
摄像机固定，算法简单易于实现，在背景已知的情况下，能够提供最完全的特征数据，并能完整地检测出运动目标。
由于背景建模对光照、天气变化以及突发事件等外部动态场景变化极其敏感，所以当背景更新不能很好的适应变化场景时，无疑将影响到目标的检测。
（2）相邻帧差分法：
采用固定摄像机，对动态变化环境中的运动目标检测有较强的自适应性。
在实时性方面显示出优越性，由于连续两帧时间间隔短，受光线变化、摄像头抖动的影响很小。
但总体来说该方法不能完全提取所有相关的特征像素点，得到的背景并不是纯背景图像，故检测结果不十分精确，在运动实体内部易产生空洞现象，不利于进一步的目标分析与识别。
（3）光流场法：
该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。
然而，大多数的光流计算方法相当复杂，运算量很大，且抗噪性能差，除非有特殊的硬件支持，否则很难实现动目标的实时检测。
（1）解决背景差分中的背景更新问题。
设定一个时间开关t，每经过时间t时，将当前帧与上一个背景相差分，并统计它们差值的灰度直方图，如果有运动目标存在，则在直方图图上存在至少两个波峰，其中一个为背景其他为运动目标，否则只有一个波峰。
以此来判断当前帧是否有运动目标，如果没有，即将当前帧设为背景，否则计算下一帧，直到有新背景更新为止，以此类推，这就很好的解决了捕获率随着外界变化而降低的问题。
保证了背景图像的不断更新。
（2）解决效率问题。
将每帧图像分成几块，比如9块，分布。
在做相邻帧差分时，第一次对应块相差分，如果第一列的三个块中有目标被检测出来，则在下一次相邻帧差分时，只计算第一列或者第三列，为了进一步提高速度，只针对每一行进行差分，比如第一行第一列检测到目标，则在后面的差分中，只处理第一行的第二列或者第三列，当目标驶出第三列时，再开始新的计算。
（3）将几种方法相互结合，相互补偿，才能达到更好的使用效果。
5、结束语
经过深入调研和分析，目前使用最多的是感应线圈和视频检测这两种方式。
综合考虑使用环境、性能要求、成本、使用寿命、日常维护和系统升级等方面，在普通道路或者车流密集的情况下优先考虑使用线圈检测方式，在大桥、高架桥、隧道等不能破坏路面的情况下优先考虑视频检测方式，在高速公路、快速环路等封闭型道路又需测速的情况下优先考虑微波（雷达）检测方式。
由于当前不同检测方式的优缺点都十分明显，所以可以采取多种检测设备配合使用组成功能完备的综合检测系统，相互取长补短。
视频检测技术不如线圈检测方式成熟和稳定，现阶段受到使用环境、检测算法、硬件平台等的制约，还存在一些自身缺陷有待进一步完善和提高。
但是它具有不可取代的优越性，随着技术的不断发展，检测方法的不断更新，视频检测技术将会越来越多地在诸多方面取代其他检测方式，成为交通管理工作中获取交通信息的重要来源和手段。
今后，随着对基于视频的车辆检测算法研究的不断进展，立体视觉检测方式和多传感器检测方式将成为未来的发展趋势。
升级会员 