基于多傳感器融合的泊車位信息感知終端設計

朱嘉睿,熊樹生,2▲,趙家豪,吳占寬,韓澤宇

(1.浙江大學,浙江 杭州 310012;2.浙江省龍泉產業創新研究院,浙江 麗水 323700)

0 引言

隨著經濟社會的進步與發展,汽車保有量和現有泊車位之間的供需矛盾正日益凸顯,由此帶來的“停車難”問題受到了社會各界的廣泛關注。由此,城市道路側停車作為一種緩解停車壓力的方式,在近年來開始逐漸興起,而當前大部分路邊泊車位的主要管理方式仍然以人工監管方法為主,智能檢測技術為輔,甚至在部分地區還出現無人監管的狀況。

本文針對當前僅依賴人工的城市道路側停車管理效率低下,而現存的智能道路側停車管理系統檢測準確度亟需提高的問題,以提高城市交通智能化為目的,設計了一種基于多傳感器融合的泊車位信息感知終端。

該終端基于模糊邏輯理論和D-S證據理論的多傳感器融合算法,實現對地磁傳感器、微波雷達、紅外位移傳感器三種傳感器采集信息的有效融合,并得出綜合判決結果,實現對車輛在位信息進行有效監測。

1 泊車位信息感知終端框架設計

泊車位信息感知終端節點部署在泊車位上,是智能道路側停車管理系統的重要組成部分,其利用自身的傳感器采集泊車位信息值,并基于特定算法實現對車輛在位狀態的有效監測,最后將泊車位的車輛占用信息上報至后端服務器,方便路邊巡查人員進行泊車位的管理和收費。

泊車位信息感知終端的硬件部分包括傳感器殼體以及硬件電路。其中硬件電路包括內部的傳感器及信號處理單元、主控單元、通信模塊和電源模塊等;而殼體可分為上蓋、中蓋和下殼體三大部分,殼體結構除上蓋采用透明PC材料外,其余部分均采用增強尼龍,并通過柵條狀華夫餅、加強筋、增加壁厚等方式增加殼體結構強度。

終端采用標稱額定電壓為3.7 V的38000 mA·h鋰離子電池ER34615硬件濾波后為終端供電,正常情況下使用可以滿足兩年的供電需求。在終端正常工作時,鋰電池輸出的3.7 V外部供電電壓一路給藍牙和NB-IoT模塊供電,另一路經穩壓模塊后轉成3.3 V電壓為微波雷達和地磁傳感器供電,而紅外位移傳感器則由升壓模塊轉成的5 V電壓供電。

2 泊車位信息感知終端硬件電路設計

2.1 傳感器及信號處理單元

傳感器及信號處理單元由USRR187P微波雷達、GP2Y0A21YK0F紅外位移傳感器、QMC5883地磁傳感器構成。其中,QMC5883地磁傳感器功耗最低,是車輛在位監測終端的主傳感器,其硬件電路如圖3所示,該傳感器使用I2C與MCU通信,在硬件電路設計時將時鐘線SCL和數據線SDA接上拉電阻以保證通訊的穩定性。

微波雷達(圖4)和紅外位移傳感器(圖5)功耗相對較大,為輔助傳感器,二者均通過接插件與主板電路相連。其中微波雷達在完成上電初始化以及參數指令配置后會進入喚醒休眠模式,需要MCU通過串口發送喚醒指令對其喚醒,喚醒后雷達開啟檢測,返回障礙物有無信息。紅外位移傳感器輸出電壓值,該電壓值與其探測距離成一定函數曲線關系,可通過最小二乘法對其進行擬合。

2.2 主控單元

終端采用意法半導體公司的STM32L151CCT6芯片作為微處理器。該款芯片是32位Cortex-M3內核的ARM處理器,主頻可高達32 MHz,足以保證數據傳輸的實時性,通信接口豐富,具有包括同步/異步串行通信接口、I2通信接口在內的通信接口。微處理器的低速外部時鐘(LSE)及高速外部時鐘(HSE)分別選用32.768 K和8 MHz石英晶振為晶振源。

2.3 通信模塊

終端的通信部分采用移遠BC28 NB-IoT無線通信模組,相較于LoRa等自組網絡而言,更加穩定,能夠滿足各種室外場地的數據上行和下行需求。

藍牙模塊采用HJ-132c模塊,休眠狀態下其功耗小于5 μA,2 s間隔廣播下電流僅為15 μA,可以滿足產品的功耗需求。該模塊供電電壓范圍為1.6～3.8 V,可直接用外置電池供電,提高了部署的靈活度。

3 泊車位信息感知終端軟件設計

在現有的路邊停車場景下,單一的傳感器無法有效應對路邊泊車位這一復雜的檢測環境,存在較大的漏檢概率,為提高檢測的準確性,在算法設計綜合各傳感器對車位狀態的判決,其中地磁傳感器曲線包含信息豐富,為充分利用地磁變化曲線,地磁判決算法基于模糊理論實現,模糊邏輯系統解模糊后的輸出信度將作為多狀態機狀態變更的重要判決依據之一,當地磁判決和其余傳感器判決存在沖突后,終端將基于D-S證據理論進行綜合判決。

3.1 基于模糊邏輯理論的地磁檢測算法

3.1.1 數據預處理

為有效應用地磁傳感器三軸數據,選用三軸磁場數據的平方和的二次方根值作為研究變量,該研究變量在本文中稱作地磁綜合值,用Ma(s)表示。如圖7所示,車輛在出入位的過程中地磁綜合值會發生劇烈波動,同時也會存在部分高頻噪聲,本文選用窗口值為6、加權系數K1～Kn的滑動加權濾波消除這部分噪聲。

F(s)=

(1)

圖8為經窗口值為6、加權系數集合K={0.1,0.1,0.15,0.15,0.2,0.3}的滑動加權濾波處理后的地磁綜合值信號變化圖。從圖中可以看出,地磁綜合值變化曲線的高頻噪聲被較好地抑制,而主體特征保留完好,同時,波形的實時性較好,滿足濾波需求。

3.1.2 模糊邏輯推理

選用地磁綜合值原始信號變化曲線上等周期間隔點連線的斜率絕對值Ki以及地磁綜合值相對于基線偏移量的絕對值Mch作為系統的輸入變量。對于斜率絕對值Ki組成的論域UK,可將其劃分為H、M、L三個模糊集,分別代表高、中、低斜率絕對值;對于地磁綜合值相對于基線偏移量的絕對值Mch組成的論域UM,也將其劃分為H、M、L三個模糊集,分別代表高、中、低偏移量絕對值。

選用梯形型隸屬度函數作為模糊化的工具。因此對于論域UK下的模糊子集L、M、H,其隸屬度函數LK(x)、MK(x)、HK(x),可以用下列式子表示。

對于LK(x),有:

(2)

對于MK(x),有:

(3)

對于HK(x),有:

(4)

式中:Thk0、Thk1、Thk2、Thk3為斜率閾值,其值依次增大。且Thk0為判決的無車輛狀態變更的最小臨界斜率閾值,對于論域UM下的模糊子集L、M、H,其隸屬度函數LM(x)、MM(x)、HM(x)在形式上與式(2)、式(3)、式(4)相似,此處不再一一贅述。

定制模糊邏輯推理規則如表1所示,邏輯規則基于“IF-THEN”形式體現。

表1 模糊邏輯推理規則

本文選用加權平均判決法處理獲得最后的融合輸出結果Pout,其表達式滿足:

(5)

式中:fsi為各個推論的模糊量;σow為各個推論的模糊量權重。

在實際應用上述算法進行檢測時,當輸出結果概率大于0.85時,地磁傳感器判定此時泊車位存在車輛狀態變更。

3.2 基于D-S證據理論的多狀態機檢測算法

如圖9所示為本文設計的泊車位車輛檢測狀態機,該狀態檢測機總共分為7種狀態,其中中間狀態有5個,Occupied以及Vacant為狀態機的最終穩定狀態。

Initiate:該狀態是泊車位信息感知終端上電后的初始狀態,在完成上電初始化后,只有當Radar_detection=0(雷達檢測無障礙物)時,才會轉到Vacant狀態。

Vacant:該狀態表明泊車位上不存在車輛。在此狀態下會對停車位狀態值State置0以更新該值。當前僅當滿足斜率Ki大于Thk0或偏移量Mch大于Thm0時,程序會轉入下一狀態,即采用FL模糊邏輯推理對地磁信息進行融合處理,否則會在此處停留。

FL:該狀態為模糊邏輯推理狀態。依據3.1節所述算法對地磁綜合值曲線斜率Ki和偏移量Mch進行信息融合處理,根據模糊推理系統輸出信度Pout和判決閾值0.85的相對大小,做出最終判決。當State等于1(車位占用),若邏輯推理系統輸出量Pout大于判決閾值0.85,說明此時地磁傳感器判定當前泊車位上的車輛狀態發生變更,此時會轉入Uncertain Vacant State 狀態;若Pout小于判決閾值則說明這是泊車位有車狀態下的一次小的地磁擾動,且未發生車輛狀態變更,此時轉入Occupied狀態。相應地,當State為0(車位空閑),若Pout大于判決閾值,此時會轉入Uncertain Occupation狀態;若Pout小于判決閾值,則返回Vacant狀態。

Occupied:該狀態為泊車位占用狀態。此狀態下會對停車位狀態值State置1以更新該值。在該狀態下,當前僅當滿足斜率Ki大于Thk0或偏移量Mch大于Thm0時,程序會轉入下一狀態,即采用FL模糊邏輯推理對地磁信息進行融合處理,否則會在此處停留。

Uncertain Vacant State:該狀態為非確定的泊車位空閑狀態。在該狀態下,當Radar_detection為0(雷達檢測目標判決無障礙物)且紅外位移傳感器采集到的距離值Dinfrared大于其閥值Thf(紅外位移傳感器認為此時不存在車輛)時,則說明此時三個傳感器均認為泊車位車輛狀態為空,此時轉入Vacant狀態。若此時Radar_detection不為0(雷達檢測目標判決存在覆蓋或障礙物)或Dinfrared小于其閥值Thf(紅外位移傳感器認為此時存在車輛),則說明三傳感器之間存在矛盾判決,此時交由DS融合機進行數據融合處理,并得到最終的判決結果。

Uncertain Occupation:該狀態為不確定占用狀態。在該狀態下,若Radar_detection為0或紅外位移傳感器采集到的距離值Dinfrared大于其閥值Thf時,則此時三傳感器之間的判決存在矛盾,此時將最終判決交由DS融合機對泊車位信息做最后的判決。若此時Radar_detection不為0且紅外位移傳感器采集到的距離值Dinfrared小于其閥值Thf,則此時三傳感器的認知趨同,且一致認為泊車位上存在車輛,因此系統會轉入Occupied狀態。

DS:該狀態為D-S融合處理狀態。通過綜合地磁傳感器、紅外位移傳感器和微波雷達對泊車位信息的認知,得出最終的判決結果。由于轉到DS狀態的前狀態為Uncertain Vacant State或Uncertain Occupation狀態,二者的判別過程存在相似性,因此本文以前狀態為Uncertain Occupation 對D-S融合算法作出說明。

首先確定D-S證據理論的識別框架Θ為:

Θ={Γ1,Γ2}

(6)

式中:Γ1表示泊車位上存在車輛占用,Γ2表示泊車位處于空閑狀態。

基于識別框架得到的三條證據信息分別是:

證據1:基于地磁傳感器的泊車位檢測信息,構造基本信任分配函數M1α:

(7)

式中:α為證據權重因子,其所對應的調整范圍為[0,1];Pout為依據模糊邏輯推理得出的信度值函數。

證據2:基于紅外位移傳感器的泊車位檢測信息,構建紅外位移傳感器的信度量化函數Pinf_ce:

式中:Thf為紅外位移傳感器識別車輛有無覆蓋上限閾值;Thl為紅外位移傳感器識別車輛有無覆蓋下限閾值;ω為最優值權值系數,當距離D與ω·Thf越接近,Pinf_ce函數輸出值越大;D為紅外位移傳感器和外界障礙物之間的距離。

此時的基本信度分配函數M2a為:

(8)

式中:β為證據權重因子。

證據3:基于微波雷達傳感器的泊位檢測信息,構造微波雷達的量化函數:

(9)

式中:RVal是微波雷達返回數據包中的障礙物信息位數值。

構造的基本信度分配函數為:

(10)

式中:γ為證據權重因子。

計算證據1、2和3融合后的沖突因子K1,2,3和信度值:

(11)

(12)

將設定的信度閾值Thr與M1,2,3(Γ2)比較,若M1,2,3(Γ2)大于Thr則輸出0,跳轉至Vacant狀態,否則輸出1,跳轉至Occupied狀態。

4 實驗及結果分析

為測試驗證該車輛在位遠程監測系統的整體功能,我們將節點安裝到浙江大學玉泉校區校內的停車位小批量部署測試,泊車位信息感知終端節點安裝在泊車位中心靠后30 cm的位置,部署情況如圖10所示,節點通過NB-IoT網絡將數據傳輸到后臺服務器。

圖1 路邊停車管理系統結構框圖

圖2 泊車位信息感知終端節點結構框圖

圖3 地磁傳感器電路

圖4 微波雷達模塊圖5 紅外位移傳感器模塊

圖6 微控制器模塊硬件電路

圖7 車輛入位過程地磁綜合值原始信號變化圖

圖8 濾波后的車輛入位過程地磁綜合值原始信號變化圖

圖9 泊車位車輛檢測多狀態機

圖10 路邊部署示意圖

圖11 部署后的泊車位信息感知終端

在小批量部署測試中,我們在路側旁安裝監控,同時配合人工,觀測泊車位實際的停車情況是否與服務器端上報情況相同。依據該方法對2022年3月21日至4月21日期間的停車情況進行統計,共計1181次,漏檢9次,檢測正確率達到99.2%。綜上所述,該泊車位信息感知終端可以有效判斷車位狀態,對車位狀態實現準確檢測。