基于地磁傳感器的車輛檢測算法研究

馬芳蘭，張紅霞，徐武德，楊國輝，馬宏偉，楊旭輝，鄭 礴

（甘肅省科學院傳感技術研究所甘肅省傳感器與傳感技術重點實驗室，甘肅 蘭州 730000）

基于地磁傳感器的車輛檢測算法研究

馬芳蘭，張紅霞，徐武德，楊國輝，馬宏偉，楊旭輝，鄭 礴

（甘肅省科學院傳感技術研究所甘肅省傳感器與傳感技術重點實驗室，甘肅 蘭州 730000）

針對現有地磁傳感器車輛檢測算法存在基線漂移、固定閾值導致車輛檢測準確率低，以及干擾引起的狀態機誤判等問題，提出了基于地磁傳感器的自適應閾值有限狀態機車輛檢測算法。在研究了三軸異相磁阻（AMR）地磁傳感器車輛檢測原理的基礎上，分析了AMR傳感器采集的原始信號，對原始信號進行了滑動窗口均值濾波處理；為了消除基準值漂移造成的檢測誤差和固定閾值造成的累積誤差，提出了基準值和閾值實時更新的自適應車輛檢測算法。采用加權函數進行基準值的實時更新，閾值隨著基準值的更新而更新。同時，該算法以多狀態機判斷為主體，在有限狀態機中增加了車輛到來計數和波動計數兩個狀態，消除了干擾引起的誤判，提高了車輛檢測準確率?，F場車輛測試結果表明，該算法的車流量檢測準確率在97%以上，可用于智能交通系統中車流量的檢測。

智能交通；物聯網；地磁傳感器；有限狀態機；車流量

0 引言

新一代智能交通系統是戰略性新興產業中物聯網和智能汽車兩大領域的重要交集。車聯網通過融合網絡技術、傳感技術、控制技術、計算技術、智能技術等，對道路和交通進行全面感知，實現人、車、物、路的暢通、安全、高效運轉，將有效提高市民出行效率，降低道路擁堵狀況，減少交通事故，提高出行安全［1］。車輛檢測是交通參數獲取的最前端，為智能交通系統的科學調度和管理提供實時可靠的參數依據，是系統的重要組成部分［2］。

當前，基于磁阻傳感器的車輛檢測技術以其具有低成本、低功耗、易組網、微體積等特性［3］而備受青睞，是現階段車輛檢測的研究重點。本文針對現有地磁傳感器車輛檢測算法存在的檢測準確率低、狀態機誤判等問題［4］，提出了基于地磁傳感器自適應閾值的車輛檢測算法。

1 地磁車輛檢測原理

地球是一個天然磁體，其表面磁場強度大約為500～600 mGs，在一定區域內可以看作一個穩定的磁場。然而，當任何具備導磁能力的鐵磁性物質擾動時，該區域的磁場強度將會發生變化。磁阻傳感器能夠通過電壓值的大小反映磁場強度的變化［5-6］。所以，車輛作為一種含有大量鐵磁性物質的物體，可以通過在車道內放置磁阻傳感器，分析傳感器輸出信號，獲取交通參數。

車輛作為大型鐵磁物質，可以看作是一個雙極性磁鐵組成的模型［7］。采用低成本、低功耗的三軸異相磁阻（anisotropic magneto resistive，AMR）傳感器，作為車輛檢測傳感器。AMR傳感器安裝示意圖如圖1所示。

圖1 AMR傳感器安裝示意圖Fig.1 Schematic diagram of the installation of AMR sensor

由圖1可知，X軸平行于車輛行駛方向，Y軸垂直于車輛行駛方向，Z軸垂直于地面。車輛周圍的混合磁場可以建立成一個如圖2所示的磁偶極子模型。假設磁場傳感器位于m0（x0、y0、z0）處，磁偶極子位于距離磁傳感器 r位置的 m（x、y、z）處。

圖2 車輛磁偶極子模型Fig.2 Magnetic dipole model of vehicle

則根據麥克斯韋爾方程［8］，可推導得磁偶極子在磁傳感器處的磁場強度為［9］：

式中：μ0為磁導率；x、y、z分別為當車輛經過AMR傳感器時對應三軸的讀數；mx、my、mz分別為 X、Y、Z 三軸的磁矩；r為磁傳感器與磁偶極子之間的距離。

由式（1）～式（3）可知，磁偶極子在磁傳感器處的磁場強度會隨著r、x、y、z等的不同而有規律地變化，即車輛對地磁場的干擾會隨著車輛位置、車身鐵磁物質分布等的不同而產生差異。根據此原理，可通過檢測車輛行駛時的磁感應強度來獲取車流量信息。

2 基于地磁傳感器的車輛檢測算法

由于地磁傳感器采集的原始信號受相鄰車道、周圍環境等因素影響，存在基準值和閾值漂移、檢測信號不連續、噪聲信號嚴重等問題［10］?；诖?，本文提出了基于地磁傳感器的自適應閾值車輛檢測算法。采用滑動窗口均值濾波法對原始信號進行濾波處理，并對基準值和閾值進行實時更新，結合有限狀態機算法，實現車輛的有效檢測。車輛檢測算法流程圖如圖3所示。

圖3 車輛檢測算法流程圖Fig.3 Flowchart of vehicle detection algorithm

2.1 數據預處理

由于受周圍環境等噪聲信號的影響，地磁傳感器采集的原始信號存在大量毛刺。為了提高車輛檢測系統的準確性和可靠性，本文采用滑動窗口均值濾波方法。該方法既可以濾出高頻噪聲信號干擾，又能保證原始信號的完整性和真實性?；瑒哟翱诰禐V波原理如下：

式中：M（k）為傳感器輸出原始信號；A（k）為濾波后的信號；N為滑動濾波窗口的長度。

2.2 基準值和閾值更新

對于氣候和道路環境等引起的磁場變化，無法通過濾波的方式消除，而且會造成基準值的漂移。為了消除基準值漂移造成的檢測誤差，本文采用權值更新方法，通過基準值加權函數完成當前基準值的更新?；鶞手蹈潞瘮等缡剑?）所示：

式中：α為加權系數，其取值的大小與基準值更新速率有關，本文中 α =0.05；B（k-1）為更新前的基準值；B（k）為更新后的基準值；A（k）為經過滑動濾波后的采樣值。

由式（5）可知，只有在無車輛通過時，基準值才進行更新；當有車輛通過傳感器時，基準值保持前一時刻值不變。

在車輛檢測算法中，閾值的大小與檢測系統的靈敏度以及檢測精度緊密相關。閾值過大，會造成車輛的漏檢；閾值過小，又會帶來車輛重檢問題。因此，在基準值更新的過程中，閾值也需要實時更新，以免固定閾值造成誤差的累積，導致檢測系統精度的降低。閾值更新原理如下：

式中：β 為閾值更新因子，取值為 0.05；B（k）為更新后的基準值；T（k）為更新后的閾值。根據閾值更新公式，可以判斷車輛進出檢測區域的情況。

2.3 有限狀態機檢測

有限狀態機檢測就是對經過濾波后的采樣信號進行二值化處理，轉換成0、1離散值進行車輛狀態判斷。理想情況下，當結果為0時，判為無車；為1時，判為有車。但是，實際交通環境比較復雜，往往存在周圍鐵磁物質等干擾，會出現短時間0和1之間的跳動，造成對車輛狀態的誤判。因此，本文在狀態機中增加了車輛到來計數狀態和波動計數狀態，有效抑制了短時跳動引起的誤判，提高了車輛檢測準確率。

在利用狀態機檢測之前，需要對濾波后的采樣信號A（k）進行二值化處理。

本文提出的有限狀態機檢測包括：初始化狀態（S0）、無車狀態（S1）、車輛到來計數狀態（S2）、波動計數狀態（S3）、有車狀態（S4）、車輛離開狀態（S5）。有限狀態機車輛檢測過程如下。

①初始化狀態（S0）。

S0為無車狀態，初始化所有參數，并根據采樣值A（k）確定基準值。如果 F（k）=1，則進入 S1。

②無車狀態（S1）。

基準值根據式（5）進行實時更新，假設磁場中由于車輛的到來所產生的波動為Flu_Arr，當Flu_Arr=1時，由S1跳轉至S2。

③車輛到來計數狀態（S2）。

假設利用Cnt_Arr記錄連續波動Flu_Arr產生的次數。如果短時間之內沒有波動產生，即Flu_Arr=0，則由S2立即跳入S3。如果Cnt_Arr計數達到設定的有車判定閾值CY，則轉入S4；否則，保持在S2。

④波動計數狀態（S3）。

進入S3狀態，首先將Cnt_Arr置0，如果波動再次產生，即Flu_Arr=1，則由S3返回S2；假設記錄無連續波動的計數器為Cnt_noArr，則當Cnt_noArr的值達到設定的無車判定閾值CN時，轉換到S1；否則，算法停留在S3。

⑤有車狀態（S4）。

假設由于車輛的離開產生的波動為Flu_Dep，則當 Flu_Dep=1時，由 S4跳入S5；當Flu_Dep=0時，維持S4不變。

⑥車輛離開狀態（S5）。

設Cnt_Dep為車輛離開計數器，如果Cnt_Dep達到設定的車輛離開閾值N_Dep，則表明有車輛通過，計入車流量。同時，算法由S5跳轉到S1，進行下一次的檢測；如果Flu_Dep的值由1變到0，則算法由S5跳轉到S4，同時說明剛才Flu_Dep=1是由于干擾引起的波動，而不是車輛離開產生的波動；否則，保持在S5繼續等待波動的發生。

有限狀態機判斷流程圖如圖4所示。

圖4 有限狀態機判斷流程圖Fig.4 Flowchart of finite state machine judgment

3 算法驗證

試驗中，傳感器按圖1所示方式安裝在測試路段。測試時間是2016年10月13日，天氣晴，溫度7～22℃，微風。測試時間段為08∶00～18∶10，每隔 2 h測試一次，每次測試持續時間10 min，共采集6組數據。車輛檢測算法測試結果如表1所示。

表1中：實際車流量是通過人工計數方式得到的；系統檢測車流量是利用本文所提出的車輛算法檢測到的；檢測準確率=

由表1可知，本文所提出的車輛檢測算法檢測準確可達97%以上，具有較高的檢測精度，可以應用于智能交通系統中車流量的統計。

表1 車輛檢測算法測試結果Tab.1 Test results of vehicle detection algorithm

4 結束語

針對現有的磁傳感器車輛檢測算法存在基線漂移、固定閾值導致車輛檢測準確率低、干擾引起的狀態機誤判等問題，提出了基于地磁傳感器自適應閾值的車輛檢測算法。該算法實現了基準值和閾值的實時更新，有限狀態機中增加的車輛到來計數和波動計數兩個狀態有效地消除了干擾引起的狀態誤判，實現了車輛到來與離開的準確判斷。測試結果證明了本文所提出的算法具有較高的檢測準確率，能滿足智能交通系統對車流量的檢測需求。

［1］肖平.車聯網：未來城市交通的智能中樞［EB/OL］.［2015-09-24］.http：//news.hexun.com/2015-09-24/179454404.

［2］高敬紅，楊宜民.道路交通車輛檢測技術及發展綜述［J］.公路交通技術，2012（1）：116-119.

［3］賀秀玲，劉春俠，趙明富，等.基于磁阻傳感器的車輛檢測算法［J］.激光雜志，2015，36（9）：144-147.

［4］李陽.基于AMR的交通信息檢測算法研究［D］.西安：長安大學，2015.

［5］ SIFUENTES E，CASAS O，PALLAS R.Wireless magneticsensor node for vehicle detection with optical wake-up［J］.IEEE Sensors Journal，2011,11（8）：1669-1676.

［6］楊志愷，楊成忠，張君，等.基于地磁技術的車輛檢測傳感器［J］.杭州電子科技大學學報，2012，32（5）：261-264.

［7］ KWAN B W，TUNG L J.Magnetoresistors for vehicle detection and identification［C］//Florida：Department of Electrical Engineering.FAMU-FSU College of Engineering，1997：3839-3840.

［8］ RESNICK R，HALLIDY D，WALKER J.Fundamentals ofPhysics［M］.New York：Wiley，1988.

［9］ ZHU H M，YU F Q.A cross-correlation technique for vehicle detections in wireless magnetic sensor network［J］.IEEE Sensors Journal.2016，16（11）：4484-4494.

［10］文志東.基于磁阻傳感器的無線車輛檢測系統研究與設計［D］.重慶：重慶理工大學，2015.

Research on Vehicle Detection Algorithm Based on Geomagnetic Sensor

MA Fanglan，ZHANG Hongxia，XU Wude，YANG Guohui，MA Hongwei，YANG Xuhui，ZHENG Bo
（Gansu Province key Laboratory of Sensors and Sensing Technology，Institute of Sensor Technology，Gansu Academy of Sciences，Lanzhou 730000，China）

To deal with the disadvantages of existing vehicle detection algorithm based on geomagnetic sensor，e.g.，baseline drift，low detection accuracy caused by fixed threshold，and misjudgment of the state machine because of the interference，a novel adaptive threshold and finite state machine vehicle detection algorithm based on geomagnetic sensor is proposed.The principle of anisotropic magneto resistive（AMR）geomagnetic sensor in vehicle detection is researched，the original signal collected by AMR sensor is analyzed，and processed by sliding window mean value filtering to eliminate the detection error caused by drift of baseline and accumulate error caused by the fixed threshold，and the adaptive vehicle detection algorithm of baseline and threshold updated in real time is proposed.In the algorithm，weighted function is designed to realize the baseline real-time update，and the threshold update following with the baseline.In addition，with multi-state machine as the main body，in finite state machine，two of the states are added，i.e.，the vehicle arrival count state，and the fluctuation count state，thus the misjudgment caused by interference is eliminated，and the detection accuracy is enhanced.The field test result shows that the proposed algorithm can be applied to detect the vehicle flow in intelligent traffic system and the detection accuracy can reach up to 97%。

Intelligent traffic；IoT；Geomagnetic senor；Finite state machine；Vehicle flow

TH-39；TP274+.2

A

10.16086／j.cnki.issn1000-0380.201711021

修改稿收到日期：2017-06-07

甘肅省重點實驗室專項基金資助項目（145RTSA009）、甘肅省科學院應用研究與開發基金資助項目（2015JK-08）、甘肅省科學院青年科技創新基金資助項目（2016QN-05）

馬芳蘭（1988—），女，碩士，實習研究員，主要從事傳感器應用技術的研究。E-mail：mfanglancos@163.com。鄭礴（通信作者），男，學士，高級工程師，主要從事電子技術的研究。E-mail：zhengboem@sina.com。