[发明专利]一种基于地磁传感器的车位检测方法有效
申请号: | 201710299758.3 | 申请日: | 2017-05-02 |
公开(公告)号: | CN106960580B | 公开(公告)日: | 2019-04-26 |
发明(设计)人: | 何庆强;苏畅;张毅 | 申请(专利权)人: | 成都蓉易停科技有限公司 |
主分类号: | G08G1/042 | 分类号: | G08G1/042;G08G1/14 |
代理公司: | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人: | 葛启函 |
地址: | 610041 四川省成都市高新*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 地磁 传感器 车位 检测 方法 | ||
1.一种基于地磁传感器的车位检测方法,其特征在于,包括以下步骤:
S1、通过地磁传感器采集磁场数据样本X0,所述磁场数据样本X0为地磁传感器的磁场信号变化引起的电压值数据矩阵,其单位为mV;所述地磁传感器连接有网络数据库,所述网络数据库中预存有样本数据,至少包括基频先验样本数据和温度先验样本数据;
S2、根据采集到的磁场数据判断地磁传感器状态:
若磁场数据样本X0的地磁变化率ρ随时间t的变化则判定地磁传感器磁场信号处于稳定状态,进入步骤S3并实时统计更新磁场数据样本X0;若磁场数据样本X0的地磁变化率ρ随时间t的变化则判定地磁传感器磁场信号异常,持续监测磁变化率ρ直至ρ=0后进入步骤S3;
S3、检测地磁传感器的基频是否漂移并校准:
根据预存的基频先验样本,采用统计比较法对地磁传感器采集的磁场数据X0进行诊断,若识别出地磁传感器自身的基频已发生漂移或失真,则采用基于快速小波变换的滤波方法对地磁传感器的基频漂移进行抑制,实现校准,校准后的地磁传感器采集的磁场数据样本为X;若无基频漂移,则直接将原磁场数据样本X0赋值为校准后的磁场数据样本X=X0;
S4、采用人工神经网络获取车位状态特征值:
将校准后的地磁传感器的磁场数据样本X在人工神经网络里进行学习和训练,滤掉由于地磁传感器本身非常灵敏所产生的地磁脉冲信号X1、各位干扰车辆引起的地磁扰动信号X2,输出检测车辆状态判定的车位状态特征值Y,其中车位状态基准特征值分为无车到有车状态,即车辆进入并停放记为Y1;有车到无车状态,即车辆离开记为Y2;有车到有车状态,车辆人为驶动,但又停靠进车位记为Y3;无车到无车状态即为Y4;车辆进入并立即离开记为Y5;
S5、对地磁传感器的环境温度进行补偿:
根据预存的温度先验样本,采用统计比较法对地磁传感器采集的环境温度进行判断,对地磁传感器环境温度的变化进行补偿,采用全部数据的最小二乘拟合法对车位状态特征值Y进行补偿,补偿数值为△Y,如无环境温度影响,则△Y=0,补偿后的车位状态特征值为Yc=Y+△Y;
S6、检测判断并输出车位检测结果:
地磁传感器的单片机控制单元读取温度补偿后的车位状态特征值Yc,进入检测判断流程,同时将新获取的磁场数据样本X和车位状态特征值Yc存入网络数据库,实现对预存的样本数据进行更新,对车位的检测方法为:
在网络数据库中,根据所存储的车位状态特征值,设置有车位状态特征曲线Y1、Y2、Y3、Y4和Y5,将得到的车位状态特征值Yc依次与车位状态特征曲线进行对比可判断车位状态,其中Y1对应车辆进入并停放,车位检测结果为有车;Y2对应车辆离开,车位检测结果为无车;Y3对应有车到有车状态,车辆人为驶动,但又停靠进车位检测结果为有车;Y4对应无车到无车状态,车位检测结果为无车;Y5对应车辆进入并立即离开,车位检测结果为无车;具体过程为:
若车位状态特征值Yc与车位状态基准特征值Y1曲线一致,车辆进入并停放,车位检测结果为有车,进入步骤S7,否则继续;
若车位状态特征值Yc与车位状态基准特征值Y2曲线一致时,车辆离开,车位检测结果为无车,进入步骤S7,否则继续;
若车位状态特征值Yc与车位状态基准特征值Y3曲线一致时,有车到有车状态,车辆人为驶动,但又停靠进车位检测结果为有车,进入步骤S7,否则继续;
若车位状态特征值Yc与车位状态基准特征值Y4曲线一致时,无车到无车状态,车位检测结果为无车,进入步骤S7,否则继续;
若车位状态特征值Yc与车位状态基准特征值Y5曲线一致时,车辆进入并立即离开,车位检测结果为无车,进入步骤S7;
S7、输出检测结果后回到步骤S1进行下一次车位状态判断。
2.根据权利要求1所述的一种基于地磁传感器的车位检测方法,其特征在于,所述步骤S4中在人工神经网络里进行学习和训练的具体方法为:
对车位状态特征值Y建立人工神经网络数学模型:
Y=F(X)
采用两层感知器神经网络进行学习和训练,第一隐蔽层活化函数为:
上式中a为斜率参数;第二输出层活化函数为:
因此人工神经网络计算出的车位状态特征值Y输出结果为:
Y=F2{w2*[F1(w1*X+B1)]+B2}
式中w1和w2分别是第一隐蔽层和输出层的突触权矢量,B1和B2分别是第一隐蔽层和输出层的神经元偏置矢量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都蓉易停科技有限公司,未经成都蓉易停科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710299758.3/1.html,转载请声明来源钻瓜专利网。