[发明专利]一种基于地磁传感器的车位检测方法

说明书

本发明属于物联网和智慧城市建设领域，具体的说是涉及一种基于地磁传感器的车位检测方法。与传统方法相比，本发明的方法考虑了更多的影响车位检测结果的因素，因此提高了车位检测的准确度，具有很好的工程实用性；同时本发明采用人工神经网络结合网络数据库的综合检测算法，解决了地磁传感器本身非常灵敏导致的检测状态不稳定、地磁传感器长时间安装在车道上检测车辆自身基频漂移的问题、地磁传感器本身受温度影响较大需要补偿的问题、以及不同车辆来往干扰的问题，提高了车位检测精度和准确率。

技术领域

本发明属于物联网和智慧城市建设领域，具体的说是涉及一种基于地磁传感器的车位检测方法。

背景技术

在智能交通系统(ITS)越来越受到人们关注的同时，作为智能交通系统的信息采集前端之一的车辆检测器也越来越受到业内人士的关注。车辆检测器以机动车辆为检测目标，检测车辆的通过或存在情况，收集相关信息，为智能交通系统提供数据支撑。从国内外来看，目前常用的车辆检测器主要有磁感应线圈车辆检测器、超声波车辆检测器、红外线车辆检测器、激光车辆检测器、视频车辆检测器等。地磁车辆检测器是基于磁阻传感器的车辆检测技术，具有尺寸小、安装方便、对非铁磁性物体无反应等特点，经常用于动静态车辆检测、车速车长估计、车型分类等领域之中。

《交通信息与安全》，2011年，荣梅等人发表的论文“基于地磁传感器的车辆检测算法”采用时间序列预处理对地磁检测器检测信号进行车辆波形特征的提取，利用疑似波形检测和二次确认波形检测来开启波形记录，利用监测传感器数据的是否达到平稳状态而非传统的单纯的采用基线值来判定波形记录是否结束，并且提出的一种加权动态基线值的调整方案，但该方法的加权值需人为设置，不具有智能性，同时对地磁长时间使用基频漂移的影响也没有考虑，工程适用性差。

《科学技术与工程》，2014年，何志强等人发表的论文“基于地磁传感器的车辆检测算法”通过分析大量地磁数据，提出一种基于波形峰谷值特征的车辆检测算法，该算法可以自动跟踪基线值并提取车辆信号特征，实际道路检测试验数据表明该算法简单有效。但该方法的缺陷是没有考虑各种车辆对地磁信号的干扰情况，同时也没有考虑地磁长时间使用基频漂移的影响。

公开号为CN106157688A，公开日为2016年11月23日的中国专利文献“基于深度学习和大数据的停车位检测方法和系统”报道了一种基于深度学习的停车位检测方法和系统。所述方法包括：获取停车场中停车位上有否驻车的相关检测数据；获取停车场中停车位上有否驻车的相关状态；将相关检测数据作为深度神经网络的输入，将相关状态作为深度神经网络的输出，对深度神经网络进行训练；获取当前时刻下停车场中待测停车位上有否驻车的相关检测数据；将相关检测数据输入训练后的深度神经网络进行深度学习；将深度神经网络的相应输出作为待测停车位上有否驻车的机器判定相关状态。本发明采用深度学习和深度神经网络对停车位的相关检测数据进行识别，可以从千变万化、干扰众多的停车位检测数据中去伪存真，得到的停车位状态能达到令用户满意的检测精度。该专利考虑了各种车辆对地磁信号的干扰情况，缺点是没有考虑地磁本身的灵敏性和温度对地磁的影响，也没有考虑地磁长时间使用基频漂移的影响。

综上所述，现有技术的地磁传感器在实际运用中，仍然会出现一些误检测，其原因如下：第一，现有地磁传感器通常根据地磁的变化量是否大于某一设定的阀值来判断有无车辆停靠的，由于地磁传感器本身非常灵敏，经常会出现在设定阀值附近振荡的情况，这样就会导致检测状态不稳定；第二，地磁传感器长时间安装在车道上检测车辆，地磁传感器自身会发生基频漂移以及失真现象，从而导致车位检测出现误检；第三，地磁传感器本身受温度影响较大，即便是在同一地点、同样条件下的读数也会因为外界温度的不同而发生很大的变化，尤其是在户外条件下使用时，非常容易因温度原因产生误检；第四，实际的停车场环境复杂，停车场中车来车往，不同车主停车模式千差万别，不同停车位所受的干扰不同，所以这种复杂的环境下会出现千变万化的检测数据，因此仅仅使用固定的几个阈值或固定的几个模式来识别停车位的相关状态，容易出现误检。如何同时解决上述四个缺陷，提高车位检测精度和准确率，避免误检测，目前还没有确定的技术方案。

发明内容