基于TMR傳感器的車輛檢測與識別技術(shù)研究.pdf

1、隨著中國汽車工業(yè)的快速發(fā)展和城市車輛數(shù)量的激增，交通問題變得越來越嚴重。為了解決交通問題，人們開始發(fā)展智能交通系統(tǒng)(Intelligent Transportation System)。在ITS中的交通信息系統(tǒng)、交通管理系統(tǒng)、車載系統(tǒng)等多個領(lǐng)域迫切需要車輛有無檢測、方向檢測、車輛識別、車輛位置估計等方面的技術(shù)研究。本文基于隧道磁電阻(Tunnel Magneto Resistance，TMR)傳感器，利用TMR車輛數(shù)據(jù)采集系統(tǒng)獲得相關(guān)的

2、車輛信息，分析TMR檢測信號的特點，結(jié)合ITS中的技術(shù)需求，設(shè)計了基于TMR傳感器的車輛檢測與識別技術(shù)的研究方案。
　　在車輛檢測算法研究方案中，設(shè)計了基于TMR傳感器的車輛有無檢測算法與車輛方向檢測算法。其中，設(shè)計車輛有無檢測算法時：對車輛信號進行預處理，并通過車輛樣本確定狀態(tài)機的閾值，利用實時的車輛信息實現(xiàn)閾值的更新，最后利用多狀態(tài)機進行車輛狀態(tài)的判定。設(shè)計車輛方向檢測算法時：根據(jù)TMR傳感器放置，分析得出Y，Z兩軸的車輛信息

3、無法反應車輛行駛方向信息，依據(jù)X軸的車輛檢測信息設(shè)計基于單個傳感器和雙傳感器的車輛方向檢測算法。大量實驗表明，車輛有無檢測和方向算法準確率高，未出現(xiàn)誤檢情況。
　　在車輛識別算法研究方案中，設(shè)計了基于遺傳BP（GA-BP）神經(jīng)網(wǎng)絡(luò)車輛識別算法與基于遺傳支持向量機（GA-SVM）車輛識別算法。針對BP神經(jīng)網(wǎng)絡(luò)算法的不足，提出遺傳BP神經(jīng)網(wǎng)絡(luò)車輛識別算法，利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，最后對車輛進行識別。雖然該算法取得

4、了92％的識別準確率。但是BP神經(jīng)網(wǎng)絡(luò)存在著先天性的不足如易局部極小化問題，同時本文車輛樣本并不是非常充分，在一定程度上也影響著BP神經(jīng)網(wǎng)絡(luò)的識別效果。SVM將識別分類問題轉(zhuǎn)變?yōu)槎涡蛯?yōu)問題，解決了BP神經(jīng)網(wǎng)絡(luò)中易局部極小化的缺點，得到的將是全局最優(yōu)解。且在處理非線性、小樣本問題時有一定的優(yōu)勢。因此，進一步提出SVM識別算法并利用遺傳算法優(yōu)化SVM的參數(shù)，得到GA-SVM車輛識別算法，取得了95.3％的識別準確率。
　　在車輛位

5、置估計算法研究方案中，設(shè)計了基于Kalman濾波的車輛位置估計算法。通過車輛信息的檢測，分析車輛運動軌跡的磁信號變化曲線，將車輛磁信號轉(zhuǎn)化成車輛相對速度和距離信號，然后利用Kalman濾波來估計車輛的相對位置。實驗結(jié)果表明，車輛的位置估計誤差范圍在0.1m內(nèi)。
　　隨著ITS的不斷發(fā)展，其功能不斷完善和規(guī)模不斷擴大，對車輛檢測和識別技術(shù)的需求也將變得更加迫切?；赥MR傳感器的車輛檢測和識別技術(shù)研究是一個新的發(fā)展方向，它的研究必能