高速运动车辆的自动监测系统的制作方法

本发明涉及车辆监控系统，尤其涉及一种高速运动车辆的自动监测系统。

背景技术：

自改革开放以来，我国高速公路建设得到了飞跃式发展。截止2015年底，我国高速公路总里程数已达到12万公里，它对我国经济的发展起着越来越重要的作用。但是，高速公路或普通公路上，高速行驶车辆的监测系统却极其馈乏。多数的高速公路上，仅仅是安装了“雷达测速仪”用于反馈和监测高速行驶车辆的速度，而对车辆的其他信息如车辆的几何特征等却无法获知。

目前，用于提取车辆几何特征参数的方法主要有两类：一是基于视频技术提取车辆的几何参数；二是利用激光传感器的测距技术获取车辆的长、宽、高等参数。前者的视觉效果和技术效果的确很好，但外部环境的要求也比较苛刻，比如雨雾天气，视频技术就几乎无法发挥远距离作用，视频技术还需要存储量很大的硬件设施和功能强大的处理器；而后者对硬件设施的要求不高，几乎不受天气条件的影响，但仅能得到长、宽、高三个参数中的两个。

技术实现要素：

本发明对于上述现有技术的不足，提供了一种高速运动车辆的自动监测系统。

本发明的高速运动车辆的自动监测系统，利用激光传感器和雷达测速仪同步采集基础数据、并将数据传输给数据处理器，再通过构建数学模型和设计算法利用数据处理器描绘出车辆的外形特征、确定其所在车道位置并进行车辆的速度反馈与数据统计。

作为本发明的进一步改进，所述的在激光传感器安装于待测道路的路边，用来扫描车辆上各个点的位置，其安装高度为h(h≥0)，激光传感器的扫描角度为，在每条车道上分别安装雷达测速仪，各个雷达测速仪与激光传感器扫描面和路面的相交线相垂直，且各雷达测速仪的安装高度相同、各雷达测速仪到激光传感器扫描面与路面的相交线的距离相等。

作为本发明的进一步改进，所述的构建数学模型的方法为：

a、坐标建立：以激光传感器的激光头与高速公路路面的垂线所在直线为z轴、与z轴垂直相交且与高速公路的横截面平行的坐标轴为x轴，设置激光传感器的扫描角度为，步进角度为，则可计算出激光传感器转动一周所获取到的测量数据的个数，其中，步进角度是指激光头在两个相邻扫描点之间所旋转过的角度；调整的值为整数，激光传感器的转动频率为设定值f；

b、高度和宽度的确定：在参数已设定的条件下，激光头每旋转一周、即扫描一次，所采集到的数据个数是相同的；假设激光头扫描次，每次扫描采集到数据的个数为，总计共有个数据，记为，假设激光头扫描第次、第的测量的点为运动车辆上的点d，设为激光头第次取值时，激光头与路面之间的垂线与激光头到d点之间的直线之间的夹角，由此可以计算出d点在面内的坐标为，其横坐标xij的最大值与最小值的差即为该运动车辆的宽度，其纵坐标的最大值即是该运动车辆的高度；

c、长度的确定：假设车辆在通过扫描区域的过程中，被激光扫描器扫描了k次，并获得相应的数据，同时通过雷达测速仪测得车辆的运行速度设为vm，由此可计算出激光头扫描一次车辆行驶的距离l0，以及每次扫描过程中，采集两个数据之间的间隔时间内，车辆所行驶的距离l1，再根据利用b步骤中坐标的计算方法，找到第一个和最后一个hij大于0的点，即可计算出车辆的长度。

作为本发明的进一步改进，所述的设计的算法步骤如下：

a、读入一段时间内采集的基础数据，得到基础数据集；

b、删除基础数据集中无效数据，得到有效数据；

c、修正有效数据中的误差，得到一次修正数据；

d、修正一次修正数据中的异常数据，得到二次修正数据；

e、依据二次修正数据，按时间顺序，根据构建的数学模型计算出车辆的几何特征、并对通过的车辆进行计数；

f、对e步骤的得到的车辆几何特征和通过的车辆数量进行累计存储。

作为本发明的进一步改进，所述的b步骤中所述的无效数据为激光传感器在距离最远车道的最远边沿之外采集到的数据、以及受车辆形状、颜色或材质影响而采集到的数据。

作为本发明的进一步改进，所述的获得c步骤中的一次修正数据的计算方法如下：

a、理想数据的获得：计算公路上没有运动车辆时，激光传感器扫描一周所采集到的理想数据；

b、误差平均值的获得：当公路上没有运动车辆时，从激光传感器实际所采集的数据集中选择一组数据，然后利用a步骤采集的理想数据，计算误差平均值；

c、一次修改数据的获得：实际数据与误差平均值的和即为一次修正数据。

作为本发明的进一步改进，所述的d步骤中二次修正数据的获得方法是以邻近为原则，用正常数据的横、纵坐标分别对异常点的横、纵坐标进行插值代替异常数据。

本发明的高速运动车辆的自动监测系统，利用激光传感器和雷达测速仪同步获得的数据建立数学模型、设计算法还原车辆的外型，同时反馈运动车辆所在的车道和速度信息，利用配套的硬件设施，能够真实地还原公路上的路况，同时可监视车辆的运行情况，并可以提取运动中的每一辆车的几何特征和相应的速度。

附图说明

图1为本发明硬件需求与安装示意图；

图2为本发明激光传感器取值示意图。

具体实施方式

实施例1

本发明的高速运动车辆的自动监测系统，是利用激光传感器和雷达测速仪同步采集基础数据、并将数据传输给数据处理器，再通过构建数学模型和设计算法利用数据处理器描绘出车辆的外形特征、确定其所在车道位置并进行车辆的速度反馈与数据统计。

实施例2

本发明的高速运动车辆的自动监测系统，如图1所示，在激光传感器安装于待测道路的路边，用来扫描车辆上各个点的位置，其安装高度为h(h≥0)，其探头面向路面、探头的安装位置与道路的横截面相平行，激光传感器的扫描角度为，在每条车道上分别安装雷达测速仪，各个雷达测速仪与激光传感器扫描面和路面的相交线相垂直，且各雷达测速仪的安装高度相同、各雷达测速仪到激光传感器扫描面与路面的相交线的距离相等，雷达测速仪的照射方向需面向激光传感器，且各雷达测速仪的安装角度相同。

实施例3

本发明的高速运动车辆的自动监测系统的硬件配置：

如图1所示，龙门igh与龙门jfe相互平行、与车道隔离线垂直且分别位于高速公路的两侧，门柱oa位于道路的一侧且位于两平面igh与jfe的中分面上，i、o、j三点分别安装在与距离自己最近车道的最近边沿并保持一定距离的位置，e、f、g、h四点分别安装一个雷达测仪，雷达测速仪安装于车辆行驶的车头的上前方，调整雷达测速仪f的上下左右角度，使之最有效的路面测速区域为fs，同样地调整其他三个雷达测速仪，使得三个雷达测速仪的最有效测速区域分别为gs、hs、es四个椭圆形区域gs、hs、es、fs的前后左右相互平行且与门柱oa垂直，门柱的a点安装激光传感器，它的工作示意图如图2所示，角形域bac为激光传感器的扫描区域，其中e、f、g、h四点的雷达测仪到四个椭圆形区域es、fs、gs、hs的距离为雷达测速仪的最佳测速距离。

当然，除上述的主要硬件设施外，还需要数据传输与接收、数据处理器和信息存储与反馈等相关硬件设施，四台雷达测速仪e、f、g、h的作用是采集对应车道上运动车辆的速度；激光传感器的作用是按时间顺序采集激光头与扫描点之间的距离；利用数据的传输设施将采集到的两项数据传送到相应的存储器内；数据处理器从存储器内按时间顺序导入数据并按核心算法进行数据处理，进而得到主要的结果，然后将主要结果进行存储和反馈给执行监控的人员。

本发明的高速运动车辆的自动监测系统是利用雷达测速仪和激光传感器同步采集到的两项数据构建数学型和设计算法来描绘通过中位面abc车辆的外形特征、确定其所在车道位置并且进行车辆的速度反馈与数量统计，其具体操作方法如下：

1、数学模型的构建：

如图2所示，设激光传感器的激光头a与高速公路路面的垂线所在直线为z轴，垂直距离为h；与z轴垂直相交且与高速公路的横截面平行的坐标轴为x轴；设置激光传感器的扫描角度为，当激光传感器从α转到β时，其扫描的地面宽度需将公路的横截面覆盖在其内部，步进角度为，则激光传感器转动一周可以获取到的测量数据个数为：

（1）

其中，所谓的步进角度是指激光头在两个相邻扫描点之间所旋转过的角度；的值为整数。另外，设置激光传感器的转动频率为fhz。

在参数已设定的条件下，激光头每旋转一周（亦称为“扫描一次”）所采集到的数据个数是相同的，我们假设激光头旋转了m周(即扫描m次)，每次扫描采集到数据的个数为n，总计共有m×n个数据，记为。我们考虑第次扫描时的数据采集情形，如图2所示，设激光传感器的激光头所在的位置为a点，其旋转方向为逆时针方向，从而其沿着bc方向取值，设它第j（j=1,2,…，n）次的测量数据为dij；此时的扫描位置为运动车辆m的d点，设d点在xoz面内的坐标为，其中也是m（即某一高速运动中车辆）在d点的高度；设为激光头第次取值时，ad与ao之间的夹角，经过计算可得：

（2）

通过上面的分析，我们很容易得到车辆m的d点坐标公式：

（3）

在公式(3)中，若，则表明此时激光传感器的扫描点为公路的路面上；若则表明此时的扫描点在运动的车辆m上；在的条件下，我们还可以根据值所属的实数区间判断车辆m所在的车道或者判断车辆m是否骑线行驶。

下面我们讨论如何利用激光传感器采集到的距离数据和雷达测速仪对应采集到的车辆m的速度数据vmkm/h来计算高速运动车辆m的长度、宽度与高度问题。

我们假设只有一辆高速运动车辆m在通过如图1所示的扫描区域bac的过程中，激光传感器恰好扫描了k次，采集到的所有数据为

（4）

为了计算车辆m的长度，我们需要计算一次扫描的时间内以及同次扫描内，激光头采集相邻两个数据的时间内，车辆m分别行驶的距离（单位：mm）,它们分别为：

（5）

首先，利用公式（3）寻找数据（4）中相对应的第一个和最后一个大于0的hij，他们的下标分别记为is、js、ie、je，从而车辆m的长度为：

（6）

其次，我们可以根据对应的取值情形来计算出车辆m的宽度，易知其宽度为：

（7）

车辆m的高度公式如下：

（8）

2、运动车辆的自动监测算法设计：

高速行驶车辆自动监测系统设计的最终目的是利用激光传感器和雷达测速仪获得的数据来还原车辆的外观形状，进一步地获得其几何特征数据，同时统计过往车辆的数量，其具体算法设计步骤如下：

a、读入一段时间内发生的数据；

b、删除数据集中无效数据，记为；

c、调用误差修正算法模块来修正数据中的误差，修正误差之后的数据集记为；

d、调用异常数据修正算法模块修正数据集中存在的异常数据；

e、按时间顺序，根据公式（3）～（8）描绘通过车辆的外形及提取其几何特征、并对通过的车辆进行记数；

f、对上一步的结果进行信息反馈或累积存储；

g、是否继续，若否，则停止；若是，则然后读入下一段信息，执行第（2）步；

其中a步骤所指的一段时间是指每次读取数据的时间间隔，这取决于数据处理器的性能，性能好的时间间隔可以长一些，否则会短一些。

3、根据激光传感器和雷达测速仪同时采集的数据，得到基础数据。

4、误差数据与异常数据的修正方法如下：

（1）无效数据删除

当激光传感器在距离最远车道的最远边沿之外采集数据时，根据实验数据可得：存在正整数，当时，有，此时的数据是无效的，我们在处理数据之前有必要舍弃这部分的数据；

舍弃无效数据之后，激光传感器所采集到的数据还存在两方面的问题：一方面是数据误差，另一方面是数据异常。

（2）数据误差的修正

雷达测速仪已经被广泛地应用于实践，所以可以认为校正后的雷达所采集到的数据误差是可以忽略不计的，但是激传感器的误差还是不能忽略的，故需要对其进行修正，本文设计的修正数据误差的方法如下：

a、计算公路上没有运动车辆时，激光传感器扫描一周所采集到的理想数据，公式如下：

（9）

b、当公路上没有运动车辆时，从激光传感器实际所采集的数据中选择一组数据，然后计算误差的平均值，公式如下：

c、对激光传感器实际所采集到的数据进行误差修正，公式如下：

其中即为误差修正后的数据。

（3）异常数据的修正

激光传感器采集到的数据受车辆颜色、车窗以及车辆形状的影响，通常会产生一些异常数据，所以在应用数据之前需对原始数据的异常性进行识别并作出相应的修正，仅仅从激光传感器采集到的数据本身很难判断出其异常性，但是可以根据图1中门柱oa的高度、o点与最近边沿的距离以及公式（9）可知：激光传感器采集到的数据值必定小于门柱oa的高度。

由此，可以得出：若，则必为异常数据。

为了更真实地恢复车辆的几何特征，我们需要对异常数据进行修正。本文修正异常数据的基本方法是：以邻近为原则，用正常数据的横、纵坐标分别对异常点的横、纵坐标进行插值代替异常数据。设激光传感器采集到的数据集为，本文设计的异常数据修正算法如下：

a、在矩阵中，若，则对其赋值为0；

b、寻找中无全零行和无全零列的所有子矩阵（每一子矩阵代表一辆运动车辆），记为，依据公式（3）分别计算每个子矩阵的；

c、按照的顺序，对于第k个子矩阵，按下面的方式，分别将中与异常数据相对应的进行插值替代；

按照先行后列的顺序，寻找第一个（但）的数据，用的值代替的值；用中第q列的所有非零元素值的平均值代替，而后，如此往复进行，直至中所有的与异常数值相对应的被修正；

d、判断k是否等于r，若等于，则停止；若不等于，则将k的值增加1，转而执行c步骤。