基于地磁传感器的道路交通车辆检测技术研究

发布时间：2020-11-14 20:28

　　 随着城市的快速发展,城市道路交通需求量日益剧增,交通拥堵、管理困难、事故频发等问题日益突出,严重阻碍了城市的经济发展,为了缓解城市交通拥堵,改善城市交通运行效率,智能交通系统被人们提出并得到了快速发展,其中车辆检测系统作为智能交通系统的基础核心内容,在智能交通系统中起基础性和关键性作用。基于传统车辆检测技术存在安装与维护成本高、抗干扰能力较弱以及功耗高等缺点,本文提出了一种基于AMR磁阻传感器,并根据车辆地磁检测信号的特征,采用一种基于状态机的自适应检测算法的车辆地磁检测系统方案,设计了一种低功耗、低成本的道路交通车辆检测系统。本文首先介绍了课题研究背景及意义以及国内外研究现状,并概述了本课题的研究内容及主要目标。其次介绍了车辆磁场模型以及磁异常模型,并详细阐述了磁阻传感技术原理和AMR传感器工作原理及特点,同时介绍了一种自适应状态机地磁车辆检测算法,并阐述了该检测算法的实现过程。接着提出了地磁车辆检测系统的总体设计框架,系统主要由地磁采集单元、数据接收单元和人机交互单元三部分组成,其中地磁采集单元负责地磁车辆信息的采集与处理;数据接收单元负责Zig Bee网络建立和数据的无线通信;人机交互单元负责地磁数据的实时显示以及数据存储与查询。本文的主要内容包括地磁采集单元与数据接收单元的硬件设计与嵌入式软件实现,以及人机交互单元的设计与实现,其中硬件设计包括电源管理单元、信号处理单元、AMR传感器采集单元、数据转换与存储单元、微控制单元和Zig Bee通信单元等;嵌入式软件包括系统初始化、实时时钟单元、数据采集与存储单元和Zig Bee通信单元的软件实现;人机交互软件包括数据采集参数配置、地磁数据的动态实时显示和数据的存储与查询。在完成系统整体设计与实现后,对系统进行硬件电路与Zig Bee网络通信测试,以及在实验室环境和实际道路环境中对系统功能进行试验验证,同时对地磁车辆检测算法进行数据分析与验证,并通过多组试验验证检测算法的可靠性与稳定性。测试结果表明,本系统的对实际道路车辆具有较好的检测效果,满足预期设计要求,具有一定的工程应用参考价值。最后,对于在试验过程中,系统存在的不足以及问题,提出了完善与优化意见,并展望了下一步研究方向。
【学位单位】：杭州电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U491;TP212.9
【部分图文】：

杭州电子科技大学硕士学位论文第 1 章 绪论及意义持续发展，城市建设得到快速发展，城市居民的生活水平人均汽车保持量持续上升，机动车保有量继续保持高速发趋势如图 1.1 所示。另外据公安部交管局统计显示，截止 20次突破 3 亿量，其中汽车持有量首次超过 2 亿辆，并且有北京、上海、深圳、重庆和成都等城市的汽车保有量超过9 个城市的汽车保有量超过 200 万辆，截止 2017 年 3 月份图 1.2 所示。3.23

当具有铁磁性材料组成的车辆驶入某一区域时，会引起该线发生畸变，进而导致地磁场发生异常变化，其中磁异常变化如图 传感器放置在该区域，可以检测由车辆运动引起的磁场变化情况，并场数据进行算法识别是否有车辆存在或经过，进而获取相应的道路交铁磁性材料 磁场均匀分布磁场异常分布图 2.2 磁异常变化示意图实际应用场景中，可以将车辆视为多个双极性磁铁组成的模型，因此成周围地磁场的扰动[24]，其中在车辆的车轮和发动机处，扰动极为明辆行驶过程中，AMR 磁阻传感器可以检测到周围地磁场的扰动情况生畸变示意图如图 2.4 所示。磁阻传感器通过将磁场扰动信息转换成而通过分析输出电压信号变化规律，推论出车辆交通信息，如车速、车

杭州电子科技大学硕士学位论文路板绘制件电路的各模块单元的电路设计后，并根据选型器件的封装，绘制板过程中，考虑到方便车辆检测器的安装和使用，在器件封装(如：SOP、QFN 封装等)。地磁采集系统在板形设计上选择圆形设所示，数据接收系统板形采用矩形设计，具体 PCB 板如图 3.25 所
【相似文献】

相关期刊论文 前10条

1 孙志阳;;浅析智能交通中的车辆检测技术及发展[J];居舍;2017年32期

2 张辉;;基于HOG-GentleBoost的车辆检测方法[J];计算机时代;2018年06期

3 Wikipedia;钱仲兴;;世界各国的车辆检测[J];汽车与安全;2012年12期

4 田晓霞;王家硕;王会朴;;有限状态机在夜间车辆检测上的应用[J];石家庄铁道大学学报(自然科学版);2016年04期

5 蔡英凤;刘泽;孙晓强;陈龙;王海;;基于双车辆可变形部件模型的车辆检测方法[J];汽车工程;2017年06期

6 刘东伟;;基于双车辆可变形部件模型的车辆检测方法研究[J];南方农机;2017年20期

7 曹晓娟;;智能交通系统中车辆检测方法的研究[J];信息化建设;2015年12期

8 许柏平;周舟平;;手机在车辆检测中的应用[J];汽车维护与修理;2013年05期

9 王建强;王履程;;基于机器视觉的隧道车辆检测系统设计与实现[J];自动化与仪器仪表;2015年09期

10 董茜;游宇;;重庆机动车强检“第一现场”[J];今日重庆;2017年06期

相关博士学位论文 前10条

1 宋俊芳;基于图像逆投影3D重建的车辆检测关键技术研究[D];长安大学;2018年

2 蔡磊;部件检测方法及其在车辆目标检测中的应用[D];西北工业大学;2017年

3 张伟;基于视觉的运动车辆检测与跟踪[D];上海交通大学;2007年

4 王曾敏;小波图像融合算法及其在视频车辆检测系统中的应用研究[D];天津大学;2009年

5 谌彤童;基于三维激光雷达的动态车辆检测与跟踪[D];国防科学技术大学;2016年

6 徐琨;交通视频监控中的车辆检测与跟踪方法研究[D];长安大学;2009年

7 许洁琼;基于视频图像处理的车辆检测与跟踪方法研究[D];中国海洋大学;2012年

8 严捷丰;交通视频监控中的车辆检测与分割方法研究[D];中国科学技术大学;2008年

9 朱周;复杂环境下基于视频的车辆跟踪算法研究[D];东南大学;2015年

10 刘培勋;车辆主动安全中关于车辆检测与跟踪算法的若干研究[D];吉林大学;2015年

相关硕士学位论文 前10条

1 武晓洁;基于视频的车辆检测与跟踪方法研究[D];长安大学;2018年

2 张鹤鹤;区域卷积神经网络在车辆检测中的应用研究[D];西安理工大学;2018年

3 严晓波;基于单镜头的车辆检测与跟踪方法研究[D];贵州民族大学;2018年

4 朱振杰;基于深度学习的高速公路交通检测算法研究[D];华南理工大学;2018年

5 肖青山;基于视频流的隧道洞外亮度测量与车辆检测及其应用[D];桂林电子科技大学;2018年

6 阮大双;基于地磁传感器的道路交通车辆检测技术研究[D];杭州电子科技大学;2018年

7 高慧洋;基于Kinect的车辆检测与测距技术研究[D];哈尔滨工业大学;2018年

8 李明;基于视频信息的路口滞留车辆检测关键技术研究[D];山东大学;2018年

9 战昕;交通系统数据融合算法研究[D];西安工业大学;2018年

10 李文澜;基于立体视觉和机器学习的车辆检测方法的研究[D];吉林大学;2018年

本文编号：2883919