一種基于雙音頻信號采集的分車型的交通流量監測系統技術方案

本發明專利技術提供一種基于雙音頻信號采集的分車型的交通流量監測系統，包括音頻信號采集模塊、音頻信號處理模塊、車型識別模塊和流量統計模塊。本系統的實現過程為：車輛行駛到監測點時產生噪聲，信號采集模塊利用麥克風采集音頻信號；信號處理模塊通過對信號的有效波峰篩選進行車輛到來判定，當有車輛通過時，進行車輛流向判別以及對信號進行特征提取；通過提取的特征數據，由車型識別模塊完成對當前通過車輛的車型自動識別分類；流量統計模塊統計分車型和分流向的交通流量，并輸出結果。本發明專利技術具有成本低、易儲存數據、識別精度高和可以全天候工作等優點，可應用于智能交通管理等領域。

【技術實現步驟摘要】

本專利技術涉及智能交通管理領域，更具體地，涉及一種基于雙音頻信號采集的分車型的交通流量監測系統。
技術介紹
道路交通流信息的采集，尤其是車輛數目、車輛流向和車輛類型的獲取是智能交通領域的重要內容，可以為交通管理與控制提供基礎數據。道路交通流量監測統計對于提高城市交通流的引導和管理效率有重要的作用，其不僅可以及時地為交通管理部門提供參考，優化管理效果，而且可以為道路交通的使用者提供出行參考，提高出行效率。目前，交通流監測與統計的技術與方法有多種，如圖像處理、紅外發射、磁感線圈、聲信號處理、超聲波等。但是，其他檢測方法存在其固有的缺點：圖像處理識別成本昂貴、對光線變化敏感；紅外檢測方法受天氣的限制嚴重；磁感線圈對于路面的破壞程度比較大，安裝維護都比較困難，而且不能識別車型；超聲波檢測裝置安裝條件受限等。而聲信號處理技術相對于其他技術而言成本低，更容易安裝、維護和數據存儲，可以全天候工作。聲信號處理技術可以與現有的交通檢測技術相輔相成，可以極大地提高檢測質量，降低成本。車輛通過監測點時，道路交通噪聲總聲壓級圖中會出現一個波峰，其A聲級值明顯高于背景噪聲值。在噪聲總聲壓級圖中，并非所有的波峰都代表車輛經過。有些波峰可能是摩托車、電動車、喇叭鳴聲、鳥叫和說話聲等干擾因素造成的。通過去除一些干擾波峰，對波峰進行判定，可以有效判別車輛的到來。由于車輛行駛方向的不同，同一時刻兩個監測點的麥克風檢測到的聲壓級有所不同。先行駛到的監測點處麥克風檢測到的聲壓級要比此時另外一個檢測點處麥克風檢測到的聲壓級要大。這樣，通過比較兩個監測點處麥克風檢測到的聲壓級不同，可以判斷出道路車輛的行駛方向，即判斷車輛的流向。不同車型的道路車輛產生的噪聲有所不同，差異主要體現在聲強和音色上。由于車輛引擎差異、輪胎與路面的摩擦力度不同，車輛噪聲的信號頻譜不同，這使得采用音頻信號對車型進行識別具有可行性。授權公告號為CN100507971C的國家專利提出一種基于獨立分量分析的車輛聲音識別方法，授權公告號為CN102682765B的國家專利設計了一套用于高速公路上的音頻車輛檢測裝置及其相應的檢測方法。這兩個專利都使用車輛運行本身以及車輛與路面摩擦產生的音頻信號作為處理對象，這樣的音頻信號變化不明顯，難以進行車輛到來的有效判斷以及沒有對車輛流向進行判別，并且隨著車型種類的增加，識別準確率下降嚴重。不同車型的音頻信號識別問題是模式識別理論的一個典型應用。交通流量監測系統的模式識別分類問題的步驟如附圖4所示，主要包括數據采集、預處理、特征提取、分類識別和流量統計五個部分。
技術實現思路
本專利技術的目的是提出一種基于雙音頻信號采集的分車型的交通流量監測系統，通過對道路音頻數據的采集、音頻數據的頻域分析、車輛判定、車輛流向判別和提取車輛的特征數據，利用支持向量機分類器對樣本數據進行訓練及建立識別分類模型，進而進行車型識別，從而實現分車型和分流向的交通流量監測。為了實現上述目的，本專利技術的技術方案為：一種基于雙音頻信號采集的分車型的交通流量監測系統，包括如下模塊：音頻信號采集模塊，由兩個測量麥克風和數據采集卡組成，用于采集行駛車輛產生的音頻信號，并輸出給音頻信號處理模塊進行處理和分析；其中，測量麥克風用于采集音頻模擬信號；數據采集卡用于將模擬信號轉換為數字信號，即A/D轉換；音頻信號處理模塊，用于對音頻信號采集模塊輸出的音頻信號進行處理，首先通過對信號的有效波峰篩選進行車輛到來判定，若有車輛通過，則進行車輛流向判別和提取當前信號的特征數據，并輸出給車型識別模塊進行車型的識別分類；車型識別模塊，對音頻信號處理模塊的特征數據進行識別分類，得到車型識別結果；流量統計模塊，由車輛識別模塊得到的車型統計結果，進行分車型和分流向的交通流量統計，并將統計結果輸出。優選的，所述音頻信號采集模塊的設置方式為：將模塊裝置于道路一側，使用兩個麥克風，線陣排列，兩個麥克風間有間距且麥克風指向被測聲源；當道路中央有綠化帶或防眩板時，需要在道路兩側分別設置兩個麥克風。優選的，所述音頻信號處理模塊進行車輛到來判定的方式為：(11)閾值切割，設定下限閾值，對于音頻信號采集模塊所得到的A計權聲壓級波峰值進行篩選處理；(12)有效波峰統計，判定波峰，確定并統計波峰數目；(13)對稱過濾，對獲取的波峰進行對稱測試，過濾不對稱的干擾，將干擾波峰剔除；(14)此時剩下的有效波峰即為車輛經過監測點時產生的聲壓級，由于大于背景噪聲值，可判斷車輛的到來。優選的，所述步驟(11)中下限閾值的設定是采用Y＝a×(Max-Min)+Min作為閾值函數，其中Y為下限閾值，a為待定系數，Max為初始化數據的波峰LA的最大值，Min為初始化數據中的LA的最低值，其中LA為A計權聲壓級。優選的，所述步驟(12)中有效波峰統計過程為：在波峰提取過程中，獲取的是LA-T圖中每一個突起的最高點，即A聲壓級-時間圖中每一個突起的最高點；在這些最高點中，波峰值比其前后N個時間點的值都要高，即為有效峰值，則該波峰為有效波峰；其中N為波峰統計中的變量。優選的，所述步驟(13)的對稱過濾實現方式為：(21)取峰值的上下游各8個數據共17個數據進行分析；(22)將峰值兩側對稱位置上的兩個數值相減，將8組差的絕對值和與設定的誤差值做比對，當差的絕對值和設定的誤差值即認為是平滑的；否則，將不平滑的干擾波峰進行剔除。優選的，所述音頻信號處理模塊進行車輛流向判別的方式為：當車輛快行駛至第一個麥克風監測點時，麥克風檢測到的聲壓級要比第二個監測點處麥克風檢測到的聲壓級大，可判斷車輛的行駛方向為從第一個麥克風監測點行駛到第二個麥克風監測點；反之，可判斷車輛的行駛方向為從第二個麥克風監測點行駛到第一個麥克風監測點。優選的，所述音頻信號處理模塊提取的特征數據為1/3倍頻程頻譜數據。優選的，所述提取的特征數據的過程為：(41)對音頻數據段進行加窗處理以消除頻譜泄露的影響，所使用的窗口函數為漢明窗；(42)對數據段進行快速傅立葉計算，得到原始頻譜數據；(43)將各原始頻譜數據累積到對應的1/3倍頻程頻帶上，得到1/3倍頻程頻譜；(44)對1/3倍頻程頻譜數據進行去均值處理以消除音頻信號中聲強因素的影響，作為特征數據。優選的，所述車型識別模塊使用支持向量機方法進行車型的識別分類；其具體過程為：(31)對音頻信號采集模塊采集的樣本數據進行訓練，建立識別分類模型；(32)利用識別分類模型，對音頻信號采集模塊采集的特征數據進行識別分類，進行車型判斷，并將車型識別結果輸出給流量統計模塊。本專利技術的優點及積極意義是，對車輛行駛所產生的噪聲進行采集，并進行車輛判定、流向判別和提取車輛的特征數據，進而為音頻信號車型識別提供豐富的特征信息和車型識別分類，從而進行分車型和分流向的交通流量統計。本專利技術具有較高的準確率和可行性，尤其是在有振蕩標線或減速線的道路能夠提取更明顯本文檔來自技高網...

【技術保護點】
一種基于雙音頻信號采集的分車型的交通流量監測系統，其特征在于，包括如下模塊：音頻信號采集模塊，由兩個測量麥克風和數據采集卡組成，用于采集行駛車輛產生的音頻信號，并輸出給音頻信號處理模塊進行處理和分析；音頻信號處理模塊，用于對音頻信號采集模塊輸出的音頻信號進行處理，首先通過對信號的有效波峰篩選進行車輛到來判定，若有車輛通過，則進行車輛流向判別和提取當前信號的特征數據，并輸出給車型識別模塊進行車型的識別分類；車型識別模塊，對音頻信號處理模塊的特征數據進行識別分類，得到車型識別結果；流量統計模塊，由車輛識別模塊得到的車型統計結果，進行分車型和分流向的交通流量統計，并將統計結果輸出。

【技術特征摘要】
1.一種基于雙音頻信號采集的分車型的交通流量監測系統，其特征在于，
包括如下模塊：
音頻信號采集模塊，由兩個測量麥克風和數據采集卡組成，用于采集行駛
車輛產生的音頻信號，并輸出給音頻信號處理模塊進行處理和分析；
音頻信號處理模塊，用于對音頻信號采集模塊輸出的音頻信號進行處理，
首先通過對信號的有效波峰篩選進行車輛到來判定，若有車輛通過，則進行車
輛流向判別和提取當前信號的特征數據，并輸出給車型識別模塊進行車型的識
別分類；
車型識別模塊，對音頻信號處理模塊的特征數據進行識別分類，得到車型
識別結果；
流量統計模塊，由車輛識別模塊得到的車型統計結果，進行分車型和分流
向的交通流量統計，并將統計結果輸出。
2.根據權利要求1所述的交通流量監測系統，其特征在于，所述音頻信號
采集模塊的設置方式為：將模塊裝置于道路一側，使用兩個麥克風，線陣排列，
兩個麥克風間有間距且麥克風指向被測聲源；當道路中央有綠化帶或防眩板時，
需要在道路兩側分別設置兩個麥克風。
3.根據權利要求1所述的交通流量監測系統，其特征在于，所述音頻信號
處理模塊進行車輛到來判定的方式為：
(11)閾值切割，設定下限閾值，對于音頻信號采集模塊所得到的A計權
聲壓級波峰值進行篩選處理；
(12)有效波峰統計，判定波峰，確定并統計波峰數目；
(13)對稱過濾，對獲取的波峰進行對稱測試，過濾不對稱的干擾，將干
擾波峰剔除；
(14)此時剩下的有效波峰即為車輛經過監測點時產生的聲壓級，由于大
于背景噪聲值，可判斷車輛的到來。
4.根據權利要求2所述的交通流量監測系統，其特征在于，所述步驟(11)
中下限閾值的設定是采用Y＝a×(Max-Min)+Min作為閾值函數，其中Y為下
限閾值，a為待定系數，Max為初始化數據的波峰LA的最大值，Min為初始化

\t數據中的LA的最低值，其中LA為A計權聲壓級。
5.根據權利要求2所述的交通流量監測系統，其特征在于，所述步驟(12)
中有效波峰統計過程為：在波峰提取過程中，獲取的是LA-T圖中每...

【專利技術屬性】
技術研發人員：蔡銘，侯慶，張智偉，
申請(專利權)人：中山大學，
類型：發明
國別省市：廣東;44