一种基于无线传感器网络 的鲁棒车辆检测算法外文翻译资料

英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

---

一种基于无线传感器网络

的鲁棒车辆检测算法

Hongmei Zhu, Fengqi Yu, Zhiqiang He, Liang Chen, and Zusheng Zhang

中国广东深圳香港中文大学中国科学院深圳先进技术研究所综合电子系

fq.yu@siat.ac.cn

摘要—在市中心，因为车位的有限性，停车问题正在变的

越来越至关重要。本篇论文介绍了一种应用在停车场的基于无线传感器网络的鲁棒性的车辆检测算法。在这个算法中，使用的是三轴各向异性磁阻传感器。提出的这个算法是在停车场中进行测试的。测试结果表明，提出的这个算法可以有效地检测车位，准确度达到99%。

。

关键词— 车位检测，无线传感器网络，磁阻传感器，状态机。

I介绍

现如今，在大多数城市，停车已经越来越成为一个问题。驾驶员因为不知道可获得的停车位置的信息，他们需要花费大量的时间去找寻可以停车的地方[1]。停车位搜索也导致额外的能源的浪费，，空气污染和交通拥堵[2]。 因此，一个强大的实时停车位检测方法对于最好地去使用停车场是至关重要的。

停车检测的现有解决方案包括超声波传感器，感应回路[3]，摄像机[4] [5]和红外线

传感器[6] [7]。感应回路精度高，但是安装和维护需要切割路面。视频检测可视化程度高，但是摄像装置昂贵，而且需要复杂视频处理过程。红外传感器对环境噪声敏感。除了这些缺点之外，因为额外的硬件使得这些方法对于大规模的应用成本较高。

而无线传感器网络是一个很好备选方式。因为它可以被应用在现有的停车场中而不需要建立新的网络和电气连接到每个传感器检测器。参考文献[8]介绍了一种使用超声波传感器的基于无线传感器网络的停车诱导和和信息显示系统。结果证明超声波车位检测器可以非常准确地提供停车位的实时监控。然而，超声波传感器的主要缺点是其性能受环境影响，如温度，空气湍流和高物体。

相反，磁传感器相比于其他传感器[9]不易受到环境中噪声的影响，如风，雨，雾等。此外，磁传感器检测器具有安装和维护简单的优点[10]。基于无线磁传感器网络的方法是由S. Y. Cheung and P. Varaiya [11]首次提出的。 然而，他们所做的工作是检测运动的车辆来获取交通信息，而不是用于车辆停车位的检测。

本篇论文的侧重点在于基于无线传感器网络和磁传感器的车辆车位检测。目的是提供一个强大的，灵活的，低成本的停车无线解决方案

检测。 本文的主要贡献可以被概括为如下几点。

1）基于WSN的停车检测系统架构，它由检测节点，路由节点和基站节点组成。

2）提出了一种鲁棒性的停车检测算法。

3）验证了算法在停车场的性能。

本文的其余部分安排如下。第二节描述提出的车位检测系统的结构。第三节将描述提出的检测算法的细节。第四节展示实验结果，第五节得出结论。

II 停车检测系统概述

A.系统架构

为了评估提出的算法的性能，本论文设计，构建和测试了基于无线传感器网络的车位检测系统的原型。如上所述，我们的无线传感器网络是由三种节点组成，包括检测节点，路由节点和基站节点。 这些节点可以是自由和动态地自发组织成一个ad-hoc无线网络。

如图1所示，传感器节点被安装在每个停车位。它检测停车每个位的状态，并通过路由节点跳转发送信息，跳到连接到服务器PC的基站节点。小点表示安装在每个停车场车位上方的灯。绿灯显示相应的停车场空间是空的，红灯指的是停车位被占据。

B.各向异性传感器

为了提高检测算法的鲁棒性和准确性，本论文采用三轴各向异性磁 - 电阻（AMR）传感器。AMR是基于磁传感器的测量地球磁场的集成模块。它可以检测磁性的变化，并随输出提供与变化成比例的电压读数。如图2所示，当车辆经过或者是越过一个磁阻传感器是典型的测量的信号。

III 提出的车辆检测算法

A. 信号处理

正如图3所示，虽然磁传感器是可靠的，但存在一些影响原始磁信号的波动，这些波动会影响车位检测算法的性能。

为了减少波动的影响，我们采用平均值滤波器平滑高频干扰，如图（1）所示。M（k）表示原始磁信号，S（x）是平滑的信号，N是预定义的运行平均缓冲区的大小。

B. 自适应阈值

1）基线更新

在磁信号中有一个不可避免的飘移。我们采用在[11]中所讨论的基于自适应基线算法来减少飘移。这个算法如图1所示。

算法1自适应基线更新算法。

1: if signal stable(i-1)=1 then

2: Baseline(i) larr;Baseline(i-1) times;(1-alpha;) smooth_ value(i) times;alpha;

3: else Baseline(i) larr;Baseline(i-1)

4: end if

2）自适应阈值

为了提高检测算法的鲁棒性，设计了一个自适应阈值机制。

这个算法如算法2所示。

算法2：自适应阈值算法。

1: if | value_z (i)-Baseline_z (i) |gt;（1 beta;) times;Th then

2: Flag (i) larr;1

3: else if | value_z (i)-Baseline_z (i) | gt;Th and

|value_x (i)-Baseline_x (i)|gt;Th then

4: Flag (i)larr;1

5: else if | value_x (i)-Baseline_x (i)|gt;(1-beta;)times;Th and

|value_y (i)-Baseline_y (i)|gt;(1-beta;)times;Th and

|value_z (i)-Baseline_z (i)|gt;(1-beta;)times;Th then

6: Flag(i)larr;1

7: else Flag(i)larr;0

8: end if

9: if Parking detecting == 1 then

10: Overe_Park _Th(i)=Flag(i)

11: else if Leaving_detecting==1 then

12: Overe_ Leave_Th(i)=Flag(i)

13: end if

提出的自适应阈值算法的输出是两个参数“Over _Park_ Th”和“Over_ Leave_ Th”。有三个阈值水平：Z轴的阈值，Z轴和X轴的阈值以及三轴的阈值。

C.改进的状态机和检测

为了滤除不会引起车辆停车或者离开的杂散信号，参考参考文献[11]，我们提出了|种改进的停车检测状态机。该改进状态机如图4所示。

改进状态机的工作原理如下

State: {S0: Initialization, Sl: Vacant, S2: Cnt _Over _Th，

S3:Cnt_ Fluctuation, S4: Occupied, S5: Cnt_ Below_Th}

Input: {Overes_Park _Th (i), Over_ Leave_Th(i)}

Output:{Parking_ status(i)}

S0：在初始化期间，我们假设没有车辆通过传感器节点。在基线被初始化后状态跳到S1。

S1：当输入“Over_ Park_ Th（i）= 0” 时自适应更新基线。布尔标志“

=0 ”，表示停车位是空闲的。如果检测磁信号发生波动并且输入“Over_ Park_ Th（i）= 0”

S2：计数器连续计数“Over_Park _Th(i)= 1”。如果“Over_ Park_ Th（i）= 0”发生,它立即跳到S3。否则，如果连续的“Over_Park _Th（i）= 1” 数量达到预先设定的阈值，它就会跳到S4。

S3：在S3中，如果“Over_Park _Th（i）= 1”发生，状态回到S2。否则，如果“Over_Park _Th（i）= 0”它会留在S3。当“Over_Park _Th（i）= 1”测量的连续数量达到预先设置临界值，它就会进入S1。

S4：状态S4表示当车辆停放在传感器节点上并且检测信号稳定时，检测到的磁场的信号变化很大。标志“Parking_ status(i)=1”是生成来表明停车位正在被占用。当输入Over _Leave_Th（i）改变时到1时，状态跳转到S5。

S5：为了避免车辆检测错误，如果“Over _Leave_Th（i）= 0”发生，状态再次返回S4

发生。否则在连续的“Overes Leave-Th（i）= I”数量达到预先设置的临界值时，它会跳转到S1。输出“Parking_ status(i)=0” 是产生用来指示停车位空置。

因此，停车位的状态只有在状态S1和S4时改变。在状态S0，S2，S3和S5期间Parking_Status(i)的输出应保持不变。

IV 实验

如图5所示，所提出的算法已经成功应用于停车场系统。 为了清楚起见，相关参数的符号见表|。

如 图6所示，记录了节点B23所检测到的信号。图7所示的是图6的放大图。|般来说，在上午9:00左右当停车位被车辆占用，Parking_Status(i)变成1 。在下午6点左右因为停车位空置，状态变成0 。如图1所示的是B23空间8月27日至8月31日的状态。

TABLE1

实验参数

实验结果如表II所示，结果表明，提出鲁棒车辆检测方法的准确率约为99％，在停车位检测中具有很好的表现。

五.结论

本文表明，通过磁传感器测量的车位信号包含车位的|些有用的特征。通过利用磁信号的特征，使用|种改进的状态机，提出了鲁棒的停车检测算法，并且所提出的算法具有更高的性能。实验已在|个停车场中进行。测试结果表明我们的停车检测系统可以满足大多数停车场的要求。 它可以有效地减少时间消耗找到|个空置的停车位。

TABLE II

使用已提出的算法的车位检测结果

参考文献

[1] J. Jermsurawong, M. U. Ahsan, et al. 'Car parking vacancy detection and

its application in 24-hour statistical analysis', 10th International

Conference on Frontiers oflnformation Technology, pp. 84-90, 2012.

[2] H. Z. Hui, J. Backens and M. Song, 'A high-performance vehicle

detection algorithm for wireless sensor parking systems', 5th

International Co川erence on Mohile Ad-hoc and Sensor Networks, pp.

327-333,2009.

[3] S. Sheik Mohammed Ali ,B. George, et al, 'A multiple inductive loop

vehicle detection system for heterogeneous and lane-less traffic', IEEE

Transactions on Instrumentation and Measurement, 61(5)，pp. 1353|1360,

2012.

[4] R. OMalley, E. Jones, and

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[28249]，资料为PDF文档或Word文档，PDF文档可免费转换为Word