波峰U的最大值，Min為初始化數(shù)據(jù)中的U的最低 值，其中La為A計(jì)權(quán)聲壓級(jí)。系統(tǒng)對(duì)于實(shí)際道路交通條件下的a取0.6;
[0052]第四步，對(duì)第三步得到的波峰值進(jìn)行有效峰值統(tǒng)計(jì)，波峰值比其前后N個(gè)數(shù)據(jù)值都 要高時(shí)，即為有效峰值。系統(tǒng)對(duì)于實(shí)際道路交通條件下的N取8,時(shí)間點(diǎn)的間隔為l/22s;
[0053]第五步，對(duì)有效波峰進(jìn)行對(duì)稱過濾。取峰值的上下游各8個(gè)數(shù)據(jù)共17個(gè)數(shù)據(jù)進(jìn)行分 析，將峰值兩側(cè)對(duì)稱位置上的兩個(gè)數(shù)值相減，將8組差的絕對(duì)值和與設(shè)定的誤差值做對(duì)比， 在本實(shí)施例中，設(shè)定的誤差值為2。當(dāng)差的絕對(duì)值和小于2即認(rèn)為是平滑的。公式如下：
[0054] Y8-Yio I +1Y7-Y111 +1 Y6-Yi21 +1Y5-Y131 +1Y4-Y141 +1 Y3-Yi51 +1Y2-Y161 +1Y1-Y171 <2^ 過對(duì)稱過濾，系統(tǒng)將不平滑的干擾波峰進(jìn)行剔除。由此時(shí)剩下的有效波峰，判斷有車輛經(jīng) 過，繼續(xù)執(zhí)行下述步驟，否則不進(jìn)行下述步驟；
[0055] 第六步，音頻信號(hào)處理模塊進(jìn)行車輛流向判別，當(dāng)車輛快行駛至第一個(gè)麥克風(fēng)監(jiān) 測(cè)點(diǎn)時(shí)，麥克風(fēng)檢測(cè)到的聲壓級(jí)要比此時(shí)第二個(gè)監(jiān)測(cè)點(diǎn)處麥克風(fēng)檢測(cè)到的聲壓級(jí)大，可判 斷車輛的行駛方向?yàn)閺牡谝粋€(gè)麥克風(fēng)監(jiān)測(cè)點(diǎn)行駛到第二個(gè)麥克風(fēng)監(jiān)測(cè)點(diǎn)；反之，可判斷車 輛的行駛方向?yàn)閺牡诙€(gè)麥克風(fēng)監(jiān)測(cè)點(diǎn)行駛到第一個(gè)麥克風(fēng)監(jiān)測(cè)點(diǎn)；
[0056] 第七步，為消除頻譜泄漏的影響，對(duì)音頻數(shù)據(jù)段進(jìn)行加窗處理，所使用的窗口函數(shù) 為漢明窗;其公式為：
[0057] 第八步，對(duì)加窗后的音頻數(shù)據(jù)段進(jìn)行快速傅立葉(FFT)計(jì)算，得到1024個(gè)原始頻譜 數(shù)據(jù)；
[0058]第九步，將各原始頻譜數(shù)據(jù)累積到IOHz至4000Hz之間的對(duì)應(yīng)的1/3倍頻程頻帶上， 得到1/3倍頻程頻譜，共27個(gè)數(shù)據(jù)值;對(duì)1/3倍頻程頻譜數(shù)據(jù)進(jìn)行去均值以消除音頻信號(hào)的 聲強(qiáng)因素的影響，作為特征數(shù)據(jù)；
[0059]第十步，將特征數(shù)據(jù)輸出到車型識(shí)別模塊進(jìn)行車型的識(shí)別分類。車型識(shí)別模塊需 要保存經(jīng)由監(jiān)督方式訓(xùn)練的識(shí)別分類模型，并根據(jù)該模型對(duì)輸入的特征數(shù)據(jù)進(jìn)行識(shí)別分 類，完成車型的識(shí)別工作。本例中訓(xùn)練數(shù)據(jù)采用大型車訓(xùn)練樣本120本，中型車訓(xùn)練樣本100 個(gè)，小型車訓(xùn)練樣本340個(gè)，干擾訓(xùn)練樣本47個(gè)，其中干擾因素包括摩托車、電動(dòng)車、喇叭鳴 聲、鳥叫和說話聲等；
[0060] 第十一步，將車型的識(shí)別分類結(jié)果輸出到流量統(tǒng)計(jì)模塊進(jìn)行各車型流量統(tǒng)計(jì)，并 將統(tǒng)計(jì)結(jié)果輸出。
[0061] 在本實(shí)施例中，第二步驟中音頻信號(hào)采集模塊裝置于道路一側(cè)，使用兩個(gè)麥克風(fēng)， 線陣排列，間距為IOm且麥克風(fēng)指向被測(cè)聲源，并離最近車道中心線7.5m處，離地面高度 1.2m。當(dāng)?shù)缆分醒胗芯G化帶或防眩板時(shí)，需要在道路兩側(cè)分別設(shè)置兩個(gè)麥克風(fēng)。這樣可以保 證音頻信號(hào)采集模塊采集到正常行駛速度下車輛駛過道路時(shí)的音頻信號(hào)。
[0062]在本實(shí)施例中，第三步驟對(duì)波峰值進(jìn)行篩選處理，可以去除一部分明顯不是車輛 經(jīng)過的微小的干擾。當(dāng)車輛經(jīng)過試驗(yàn)地點(diǎn)時(shí)，所得A聲級(jí)值大于背景噪聲值，因此對(duì)于一些 數(shù)值較小的波峰值不予考慮。
[0063] 在本實(shí)施例中，第三步驟中閾值函數(shù)中的待定系數(shù)a與波峰統(tǒng)計(jì)中的變量N的取值 對(duì)于本系統(tǒng)的準(zhǔn)確率來講是相互制約的關(guān)系。比如說，當(dāng)a值一定的時(shí)候，N值越大，對(duì)有效 波峰的條件約束越大;而當(dāng)N值一定的時(shí)候，a值越大，對(duì)有效波峰的條件約束也越大。因此， 對(duì)于a、N兩個(gè)未知數(shù)的取值應(yīng)同時(shí)考慮。比較系數(shù)a的取值從0.1到0.9，N的取值從1到10時(shí)， a與N二維組合后，兩者同時(shí)變化的比值(程序運(yùn)行監(jiān)測(cè)到的車流量/實(shí)際車流量)的變化。分 析得出當(dāng)閾值函數(shù)系數(shù)a取0.6，N取8時(shí)，系統(tǒng)的準(zhǔn)確度為最高。因此本系統(tǒng)對(duì)于實(shí)際道路交 通條件下的a取0.6, N取8。
[0064] 在本實(shí)施例中，第四步驟對(duì)有效波峰進(jìn)行統(tǒng)計(jì)可去除部分干擾。在波峰提取過程 中，系統(tǒng)獲取的是U-T圖（A聲壓級(jí)-時(shí)間圖）中每一個(gè)突起的最高點(diǎn)。但是并非所有的波峰 都代表車輛經(jīng)過，故需要統(tǒng)計(jì)有效波峰，去除部分干擾。
[0065] 在本實(shí)施例中，第四步驟中波峰統(tǒng)計(jì)中的變量N應(yīng)該適當(dāng)。N過大時(shí)，無法判斷車頭 時(shí)距較小的車輛，造成漏判。N過小時(shí)，容易引入微小的波動(dòng)干擾，造成誤判。
[0066] 在本實(shí)施例中，第五步驟經(jīng)過對(duì)稱過濾，干擾數(shù)據(jù)被剔除，提高了系統(tǒng)的準(zhǔn)確性。 當(dāng)車輛駛過實(shí)驗(yàn)地點(diǎn)時(shí)，由于車速在極短的時(shí)間內(nèi)保持不變，因此La-T圖（A聲壓級(jí)-時(shí)間 圖）波形有左右基本對(duì)稱的特征，而干擾波峰則表現(xiàn)出明顯不對(duì)稱的特征?；谲囕vLa-T圖 (A聲壓級(jí)-時(shí)間圖）波形的對(duì)稱性，對(duì)于有效波峰進(jìn)行對(duì)稱過濾。
[0067] 在本實(shí)施例中，第九步驟中對(duì)1/3倍頻程頻譜數(shù)據(jù)進(jìn)行去均值處理是考慮到不同 車道上及不同行駛速度的車輛，其產(chǎn)生的音頻信號(hào)的聲強(qiáng)不同。保留頻譜數(shù)據(jù)的均值也即 保留聲強(qiáng)因素，會(huì)增加特征數(shù)據(jù)的不確定因素，降低車型識(shí)別的準(zhǔn)確率，因此進(jìn)行去均值處 理以消除聲強(qiáng)因素的影響，相當(dāng)于只考慮音頻信號(hào)的頻譜特性。
[0068] 在本實(shí)施例中，第十步驟中建立識(shí)別分類模型所需的訓(xùn)練數(shù)據(jù)應(yīng)采用實(shí)際道路在 早、中、晚監(jiān)測(cè)到的各種車型車輛數(shù)據(jù)樣本和干擾數(shù)據(jù)樣本，其中干擾因素包括摩托車、電 動(dòng)車、喇叭鳴聲、鳥叫和說話聲等。所使用的識(shí)別分類方法是支持向量機(jī)(SVM)方法。
[0069] 以上所述的本發(fā)明的實(shí)施方式，并不構(gòu)成對(duì)本發(fā)明保護(hù)范圍的限定。任何在本發(fā) 明的精神原則之內(nèi)所作出的修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求保護(hù) 范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于雙音頻信號(hào)采集的分車型的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，包括如下模 塊： 音頻信號(hào)采集模塊，由兩個(gè)測(cè)量麥克風(fēng)和數(shù)據(jù)采集卡組成，用于采集行駛車輛產(chǎn)生的 音頻信號(hào)，并輸出給音頻信號(hào)處理模塊進(jìn)行處理和分析； 音頻信號(hào)處理模塊，用于對(duì)音頻信號(hào)采集模塊輸出的音頻信號(hào)進(jìn)行處理，首先通過對(duì) 信號(hào)的有效波峰篩選進(jìn)行車輛到來判定，若有車輛通過，則進(jìn)行車輛流向判別和提取當(dāng)前 信號(hào)的特征數(shù)據(jù)，并輸出給車型識(shí)別模塊進(jìn)行車型的識(shí)別分類； 車型識(shí)別模塊，對(duì)音頻信號(hào)處理模塊的特征數(shù)據(jù)進(jìn)行識(shí)別分類，得到車型識(shí)別結(jié)果； 流量統(tǒng)計(jì)模塊，由車輛識(shí)別模塊得到的車型統(tǒng)計(jì)結(jié)果，進(jìn)行分車型和分流向的交通流 量統(tǒng)計(jì)，并將統(tǒng)計(jì)結(jié)果輸出。2. 根據(jù)權(quán)利要求1所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述音頻信號(hào)采集模塊的設(shè) 置方式為:將模塊裝置于道路一側(cè)，使用兩個(gè)麥克風(fēng)，線陣排列，兩個(gè)麥克風(fēng)間有間距且麥 克風(fēng)指向被測(cè)聲源；當(dāng)?shù)缆分醒胗芯G化帶或防眩板時(shí)，需要在道路兩側(cè)分別設(shè)置兩個(gè)麥克 風(fēng)。3. 根據(jù)權(quán)利要求1所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述音頻信號(hào)處理模塊進(jìn)行 車輛到來判定的方式為： (11) 閾值切割，設(shè)定下限閾值，對(duì)于音頻信號(hào)采集模塊所得到的A計(jì)權(quán)聲壓級(jí)波峰值進(jìn) 行篩選處理； (12) 有效波峰統(tǒng)計(jì)，判定波峰，確定并統(tǒng)計(jì)波峰數(shù)目； (13) 對(duì)稱過濾，對(duì)獲取的波峰進(jìn)行對(duì)稱測(cè)試，過濾不對(duì)稱的干擾，將干擾波峰剔除； (14) 此時(shí)剩下的有效波峰即為車輛經(jīng)過監(jiān)測(cè)點(diǎn)時(shí)產(chǎn)生的聲壓級(jí)，由于大于背景噪聲 值，可判斷車輛的到來。4. 根據(jù)權(quán)利要求2所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述步驟（11)中下限閾值的 設(shè)定是采用Y=aX(Max_Min)+Min作為閾值函數(shù)，其中Y為下限閾值，a為待定系數(shù)，Max為初 始化數(shù)據(jù)的波峰La的最大值，Min為初始化數(shù)據(jù)中的La的最低值，其中La為A計(jì)權(quán)聲壓級(jí)。5. 根據(jù)權(quán)利要求2所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述步驟（12)中有效波峰統(tǒng) 計(jì)過程為:在波峰提取過程中，獲取的是La-T圖中每一個(gè)突起的最高點(diǎn)，S卩A聲壓級(jí)-時(shí)間圖 中每一個(gè)突起的最尚點(diǎn)；在這些最尚點(diǎn)中，波峰值比其如后N個(gè)時(shí)間點(diǎn)的值都要尚，即為有 效峰值，則該波峰為有效波峰;其中N為波峰統(tǒng)計(jì)中的變量。6. 根據(jù)權(quán)利要求2所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述步驟（13)的對(duì)稱過濾實(shí) 現(xiàn)方式為： (21) 取峰值的上下游各8個(gè)數(shù)據(jù)共17個(gè)數(shù)據(jù)進(jìn)行分析； (22) 將峰值兩側(cè)對(duì)稱位置上的兩個(gè)數(shù)值相減，將8組差的絕對(duì)值和與設(shè)定的誤差值做 比對(duì)，當(dāng)差的絕對(duì)值和設(shè)定的誤差值即認(rèn)為是平滑的；否則，將不平滑的干擾波峰進(jìn)行剔 除。7. 根據(jù)權(quán)利要求1所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，車輛流向判別的方式為：當(dāng) 車輛快行駛至第一個(gè)麥克風(fēng)監(jiān)測(cè)點(diǎn)時(shí)，麥克風(fēng)檢測(cè)到的聲壓級(jí)要比第二個(gè)監(jiān)測(cè)點(diǎn)處麥克風(fēng) 檢測(cè)到的聲壓級(jí)大，可判斷車輛的行駛方向?yàn)閺牡谝粋€(gè)麥克風(fēng)監(jiān)測(cè)點(diǎn)行駛到第二個(gè)麥克風(fēng) 監(jiān)測(cè)點(diǎn)；反之，可判斷車輛的行駛方向?yàn)閺牡诙€(gè)麥克風(fēng)監(jiān)測(cè)點(diǎn)行駛到第一個(gè)麥克風(fēng)監(jiān)測(cè) 點(diǎn)。8. 根據(jù)權(quán)利要求1所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述音頻信號(hào)處理模塊提取 的特征數(shù)據(jù)為1/3倍頻程頻譜數(shù)據(jù)。9. 根據(jù)權(quán)利要求8所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述提取的特征數(shù)據(jù)的過程 為： (41) 對(duì)音頻數(shù)據(jù)段進(jìn)行加窗處理以消除頻譜泄露的影響，所使用的窗口函數(shù)為漢明 窗； (42) 對(duì)數(shù)據(jù)段進(jìn)行快速傅立葉計(jì)算，得到原始頻譜數(shù)據(jù)； (43) 將各原始頻譜數(shù)據(jù)累積到對(duì)應(yīng)的1/3倍頻程頻帶上，得到1/3倍頻程頻譜； (44) 對(duì)1/3倍頻程頻譜數(shù)據(jù)進(jìn)行去均值處理以消除音頻信號(hào)中聲強(qiáng)因素的影響，作為 特征數(shù)據(jù)。10. 根據(jù)權(quán)利要求1所述的交通流量監(jiān)測(cè)系統(tǒng)，其特征在于，所述車型識(shí)別模塊使用支 持向量機(jī)方法進(jìn)行車型的識(shí)別分類； 其具體過程為:對(duì)車型識(shí)別包括如下步驟： (31) 對(duì)音頻信號(hào)采集模塊采集的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，建立識(shí)別分類模型； (32) 利用識(shí)別分類模型，對(duì)音頻信號(hào)采集模塊采集的特征數(shù)據(jù)進(jìn)行識(shí)別分類，進(jìn)行車 型判斷，并將車型識(shí)別結(jié)果輸出給流量統(tǒng)計(jì)模塊。
【專利摘要】本發(fā)明提供一種基于雙音頻信號(hào)采集的分車型的交通流量監(jiān)測(cè)系統(tǒng)，包括音頻信號(hào)采集模塊、音頻信號(hào)處理模塊、車型識(shí)別模塊和流量統(tǒng)計(jì)模塊。本系統(tǒng)的實(shí)現(xiàn)過程為：車輛行駛到監(jiān)測(cè)點(diǎn)時(shí)產(chǎn)生噪聲，信號(hào)采集模塊利用麥克風(fēng)采集音頻信號(hào)；信號(hào)處理模塊通過對(duì)信號(hào)的有效波峰篩選進(jìn)行車輛到來判定，當(dāng)有車輛通過時(shí)，進(jìn)行車輛流向判別以及對(duì)信號(hào)進(jìn)行特征提取；通過提取的特征數(shù)據(jù)，由車型識(shí)別模塊完成對(duì)當(dāng)前通過車輛的車型自動(dòng)識(shí)別分類；流量統(tǒng)計(jì)模塊統(tǒng)計(jì)分車型和分流向的交通流量，并輸出結(jié)果。本發(fā)明具有成本低、易儲(chǔ)存數(shù)據(jù)、識(shí)別精度高和可以全天候工作等優(yōu)點(diǎn)，可應(yīng)用于智能交通管理等領(lǐng)域。
【IPC分類】G08G1/065, G08G1/017
【公開號(hào)】CN105489019
【申請(qǐng)?zhí)枴緾N201510968452
【發(fā)明人】蔡銘, 侯慶, 張智偉
【申請(qǐng)人】中山大學(xué)
【公開日】2016年4月13日
【申請(qǐng)日】2015年12月18日