清华大学团队创业，“追梦天空科技”完成千万种子轮融资
06-17
1 简介 随着城市车辆的增加，路况变得复杂。
如何监测道路交通流量对于城市道路交通状况的统计和预测具有重要意义。
它非常重要，也是合理调度城市道路运营状况的重要依据。
目前城市道路监控多以视频为主，甚至采用人工计数。
这使得很难对某一段时间内每条道路上通过的车辆频率或车辆类型进行长期、准确的统计。
因此，有必要设计一种低成本、高效率的智能识别装置来提升道路交通状况的监测水平。
2 装置总体设计 装置可分为三个部分，如图1所示，分别是采集部分、信号调理部分和识别处理部分。
在应用中，可以在每个路段的两侧安装多个设备，将处理结果最终汇总到最近的上位机节点，然后将每个本地节点汇总到中央工作站，从而可以存储数据、分析、统计，达到道路交通流量检测的目的。
以便掌握各路段车辆的通行规律，预测交通高峰和拥堵高峰，为制定合理调度和措施提供依据。
装置结构 图1车流识别装置整体结构图 3采集部分 该部分采用矩阵概念，采用红外发射管和接收管组成检测区域矩阵电路。
当车辆行驶进入检测区域时，会遮挡部分发射管和接收管，引起电路中电平的变化。
因此，通过充分分析车辆的行驶状况并设计识别算法，微处理器可以根据算法识别车辆的行驶状况。
本文将通过一个实验模型来说明设计思路。
矩阵采集区域由发射电路和其下方相应的接收电路组成。
发射部分由两排红外发射管组成，每排八个。
接收电路由面向每个发射管的接收管、相同的两排测量电平、每排八个单元的测量密度组成。
在实际应用中，为了提高识别精度并适应路况，可以合理增加矩阵中的测量等级和采集点密度，需要根据实际情况对识别算法进行简单修改。
4 信号调理部分 的主要功能是将采集到的信号进行放大、组织到微处理器能够处理的程度，然后根据处理部分的需要选择矩阵中的测量行。
原理图如图2所示。
(a)部分将接收管产生的微弱信号变化放大，反射到相应的引脚上，传输到相连的74HC芯片。
(b) 部分对放大的信号进行标准化，以获得处理器可以处理的微标准信号。
从图中可以看出，每一排接收行的引脚都连接着一颗74HC芯片。
图2信号调理部分原理图 5判断处理部分 该部分主要采用ATmega16L芯片作为微处理器，如图3所示。
图3微处理器作为判断处理部分 利用AVR单片机的PD端口来控制和选通两颗74HC芯片之一，即分别选通两个接收行之一，然后接收数据通过AVR的PB端口接收，通过仿真可以检测算法在运行过程中的正确性。
另外，微处理器的PA口用于与外界通信，将识别结果发送给上位机。
6 识别算法的设计流程 算法的设计直接决定了识别效果甚至系统的成本。
该算法要解决的关键技术问题是如何判断车辆是否进入测试区域、确定车辆方向、识别多辆并排行驶的车辆、确认车辆型号和交通流量。
本系统采用C语言编程。
软件调试经过硬件测试、单排识别测试、稳定双排识别测试和外部通讯测试四个阶段逐步设计、修改和优化，最终达到较为理想的结果。
识别效果。
(1)在硬件测试中，用程序检查接收电路中选用的电阻和晶体管型号是否合理，这将直接影响采集灵敏度和采集效果。
（2）完成硬件测试后，通过单排检测测试，首先要解决判断车辆是否进入测试区域的标准。
这一步的关键点是计算两个接收点之间的距离w。
首先必须保证最小车辆宽度。
屏蔽n个接收点就足够了，并排行驶的汽车之间的最小距离应大于1个接收间隔。
这为判断是一辆车还是多辆车的算法设计提供了可行性。
n的值可以根据现场接收点的密度来选择。
在本实验模型中，选择n为3。
因此，在判断一行接收信号时，如果连续三个以上的接收点被遮挡，则说明有车经过。
对从r[0]到r[7]的一行接收点进行编号，使得r[i]到r[j]第一次连续阻塞，并将j和i的差值赋给变量l，如果l的值不小于3，则找到车辆。
同时，l*w可以确定车辆宽度。
通过比较车辆宽度标准，可以确定车辆型号。
另外，提取第j个位置后，如果7-j不小于4，则平行车辆有可能通过。
按照第一判断标准，判断是否存在平行车辆及其车型。
（3）双排识别的作用是稳定判断汽车方向，提取经过测试区域的车流。
这就需要根据车辆依次通过两个测试排时产生的信号的顺序变化以及车辆通过测试区域的分解动作建立模型，设计算法来确定交通流。
这个阶段会出现一个新的干扰问题，即车辆在连续通过两个测试排的过程中，在通过每个测试排之前采集到的信号会发生剧烈的变化，导致最终的结果出现严重误差。
鉴别。
因此，在这个环节中，需要增加防抖和抗干扰措施，在一定时间内对每行信号进行多次采样，设置采样标志变量，多次采样的标志变量为全面匹配。
匹配后，结果在置信区间内。
收集的数据被认为是真实的。
但过多的采样会降低系统的运行速度。
经过实验，模型中，间隔1ms取两次样本，已经可以达到满意的效果。
以第一行为例，假设第一个集合中标识的车辆标志变量为a1（0表示无车，1表示有车），并行标志变量b1（0表示无车，1表示有车）是平行车）。
驾驶）；同理，假设第二个集合中得到的对应变量为a2和b2，则第一行真实通行情况标志变量a和b如图4所示。
类似地获取第二行的置信状态方式，整合两排车辆的运行状态，利用设计的动作模型来判断车辆的进入、通过、退出和离开，并利用算法完成这组动作作为判断车辆的方向行驶里程和车辆实际通过测试区域的情况是完成计数的标准。
综合上述步骤和采集到的数据，完成了双向并列交通流的识别。
(4)系统在与外界进行通信时，根据外部连接的设备，采用算法在合适的时间发送数据，避免通信频率过高，占用识别处理时间，影响识别效果。
结果。
7 结论 本文有两个创新点。
一是采用矩阵红外识别，解决利用红外或激光对经过一定区域的物体进行判断和计??数的问题。
他们只能根据物体经过时阻挡信号的次数来进行计数。
物体必须按顺序一一通过测试区域，并行通过的物体无法被识别。
这样可以经济高效地识别双向并排通过的多辆车辆。
其次，针对经过测试区域的车辆的不同状态，设计了多种算法，可以有效识别车辆交通状况。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-08
06-18
06-06
06-18
06-18
最新文章
使用电子管有哪些注意事项？如何检查电子管之间是否短路？
博通支付1200万美元和解SEC财务欺诈指控
八名运营商高管确认加入虚拟运营商
内蒙古农牧区雷电灾害成因分析及防雷对策
北京联通将5G应用于世园会远程医疗急救
TD-SCDMA最后一轮冲刺测试启动，产业前景更加光明
专访阿里云总裁王健：云计算服务平台梦想成真
USB2.0控制器CY7C68013的接口设计与实现