一种分类别测量交通量的统计系统及工作方法

技术领域

本发明涉及交通量采集与统计领域，具体的涉及到一种分类别测量交通量的统计系统及工作方法。

背景技术

交通量是描述交通流特性最重要的参数之一，它也是反映一个地区的交通流量以及路线分布特征的重要参数。交通量随时间而发生变化，在具体测量其数值时，传统的人工计数法虽然易于掌握，但是这种方法需要大量的人力。视频车辆检测优点在于安装维护简便，直观，图像监视范围广，缺点则是精度不高，容易受环境，天气等影响，很难检测到高速移动的车辆。雷达检测在测量车辆的存在或通过时，也可以测车速，但是它的使用只能在一些特殊场合(车速至少在5km/h 以上)，维护复杂。

发明内容

发明目的：为了克服现有技术的不足，提供一种分类别测量交通量的统计系统，由于压力传感器的应用十分广泛，并且其响应频率高，测量范围广、精度高，测速传感器的优点在于其使用灵活，可靠性高，适用范围同样也很广。压力传感器与测速传感器通常被应用于机动车的测量当中，用以辅助区分机动车车型，很少有将两者结合一起测量的情况，本发明通过压力传感器测得的重量与测速传感器测得的速度两项数据，进而借助模糊C均值方法区分通过的机动车、非机动以及行人类别，充分利用了传感器测量范围广的优点，将三种大小不同的数据都能采集到，并且实施方便，可靠性高，其方法先采集的重力数据与速度数据，通过 A/D转换原理将模拟信号转换为数字信号，经由单片机读取，传回计算机；再根据模糊C均值聚类对交通量进行分类，分为行人、非机动车、机动车三类；最后单片机对于数据进行进一步计数处理；形成一套分类别统计行人、非机动车、机动车交通量的方法，为交通部门对道路进行建设与管理提供决策支持。

技术方案：为了实现上述发明目的，本发明采用的技术方案为：

一种分类别测量交通量的统计系统，用于统计公路中各个道路的交通量，包括：安装在道路上的压力传感器、设置在道路上方的激光测速传感器、与压力传感器和压力传感器连接的A/D转换器、与A/D转换器连接的单片机以及与单片机通讯的计算机；所述公路的道路分为三类，分别为道路行人、非机动车、机动车三类；所述每个道路上设置的设压力传感器不少于4个，同一个道路上的压力传感器通过线缆与A/D转换器连接，激光测速传感器用于实时采集被测物体的速度，压力传感器用于实时采集被测物体的质量，激光测速传感器和压力传感器将采集的信息通过A/D转换器转换后传送给单片机进行处理，单片机将数据进行交通量分类型统计计数，并将处理后数据传送给计算机。

进一步的，所述压力传感器为半导体压电阻型压力传感器。

进一步的，所述的激光测速传感器是通过对被测物体进行两次有特定时间间隔的激光测距，取得在该一段时间内被测物体的移动距离，从而求得物体移动的速度。

进一步的，所述的A/D转换器将时间连续、幅值也连续的模拟量转换成时间离散、幅值也离散的数字信号，通过取样、保持、量化以及编码四个过程来实现转换，也就是将采集得来的模拟信号按照规定的时间间隔采样，通过与标准的数字信号比较，用收敛的方式使得模拟信号等于数字信号。

进一步的，所述同一车道上的压力传感器安装在线缆的始端和末端，线缆上有接头的安装在线缆接头处，没有接头的直接安装在线缆上。

进一步的，所述激光测速传感器通过框架安装在各个道路的上方，所述框架是由立柱和横梁组成，所述立柱固定在道路的一侧，所述横梁安装在立柱上与道路平行，激光测速传感器安装在横梁上。

进一步的，所述激光测速传感器还可以安装在红路灯的框架上。

进一步的，所述计算机与单片机通过有线或无线的方式进行通讯。

一种分类别测量交通量的统计系统的工作方法，包括以下过程：

S1、采集

每当有行人或车辆通过时，压力传感器实时采集通过路面的行人，非机动车和机动车的重量，并将采集的信号通过A/D转换原理将模拟信号转换为数字信号，经由单片机读取处理，传回计算机；

每当有行人或车辆通过时，激光测速传感器检测到路面的行人，非机动车和机动车的移动速度信号，并将采集的信号通过A/D转换原理将模拟信号转换为数字信号，经由单片机读取处理，传回计算机；

S2、分类

根据模糊C均值聚类算法对交通量进行分类；根据模糊C均值聚类算法得到所测数据的三个聚类中心的二维坐标点，从而将所测每组包括速度和重量的数据根据距离三个中心的距离远近进行归类，分为行人，非机动车，机动车三类；

S3、统计

对交通量进行分类计数，是将模糊C均值聚类算法得到的数据根据行人，非机动车，机动车速度与重量表格中的划定范围进行分类，由单片机对分类完成的数据进行计数处理，并传送给计算机显示输出设备进行显示。

所述步骤S2具体为：

所述采用模糊C均值聚类方法，就是用隶属度函数来表示样本与集合之间的关系，从而构造一种模糊数学分类方法。隶属度函数的取值不是单一的只能取0 或1，而是可以取0-1之间的任意一个数，比如隶属度为1，则代表样本完全属于此集合；隶属度为0，则代表样本完全不属于此集合；

具体的，所述模糊C均值聚类方法过程，具体包括以下：

S2-1、所述模糊c均值聚类，简称FCM，设xi(i＝1,2,...n)是n个所测样本组成的样本集合，x是具有二维特征的一个样本，即一组样本由一组速度与质量数据构成，xi＝(ei,fi),ei代表速度，fi代表质量。μ

所以目标函数越小，聚类越准确，则就是要求目标函数的最小值。其中，b是一个可以控制聚类结果的模糊程度的常数,用于定义整个数据集的模糊度，一般默认是2，mj表示j簇的聚类中心，也具有二维度，本发明分类一共分为3个聚类中心，c为预定的类别数目。

S2-2、首先，随机选取初始化隶属度函数值大小；

S2-3、设定聚类数目c和加权指数b：根据经验，认为b取2最合适，所述模糊聚类分为机动车、非机动车、行人三类，聚类数目c为3。

S2-4、其次令目标函数J

S2-5、采用迭代的方法，不断迭代聚类中心和隶属度值，直到隶属函数的值不再发生较大变化，从而求到目标函数最小值，从而完成了模糊聚类划分。

进一步，所述步骤S3中，所述对交通量按照速度与重量表格划定范围进行分类，具体包括以下：

根据《中华人民共和国道路交通安全法》第五十八条，残疾人机动轮椅车、电动自行车在非机动车道内行驶时，最高时速不得超过15公里，由此作为速度分类的标准，结合实际情况，可以得出以下范围界定：

表1

有益效果：与现有技术相比，

(1)本发明通过实时采集行人和车辆的速度与重量数据，实现了对道路交通量的测量。

(2)本发明实现了行人、非机动车、机动车交通量数据的分类与计数。

(3)本发明形成了一种分类别统计交通量的方法，为交通部门对道路进行建设与管理提供决策支持。

附图说明

图1是本发明的一种分类测量交通量的统计方法的流程示意图；

图2是本发明的压力传感器的安装示意图；

图3为本发明的测速传感器的安装示意图；

图4为本发明的模糊C均值算法的示意图；

1、压力传感器；2、激光测速传感器；3、框架；4、红绿灯。

具体实施方式

下面结合具体实施例进一步说明本发明，但这些实施例并不用来限制本发明。

如图1-3所示一种分类别测量交通量的统计系统，用于统计公路中各个道路的交通量，包括：安装在道路上的压力传感器、设置在道路上方的激光测速传感器、与压力传感器和压力传感器连接的A/D转换器、与A/D转换器连接的单片机以及与单片机通讯的计算机；所述公路的道路分为三类，分别为道路行人、非机动车、机动车三类；所述每个道路上设置的设压力传感器不少于4个，同一个道路上的压力传感器通过线缆与A/D转换器连接，激光测速传感器用于实时采集被测物体的速度，压力传感器用于实时采集被测物体的质量，激光测速传感器和压力传感器将采集的信息通过A/D转换器转换后传送给单片机进行处理，单片机将数据进行交通量分类型统计计数，并将处理后数据传送给计算机。

本实例中优选的，所述压力传感器为半导体压电阻型压力传感器。

本实例中优选的，所述同一车道上的压力传感器安装在线缆的始端和末端，线缆上有接头的安装在线缆接头处，没有接头的直接安装在线缆上。

本实例中优选的，所述压力传感器为半导体压电阻型压力传感器，由于传统的压力传感器以机械结构型的器件为主，以弹性元件的形变指示压力，而它尺寸大，质量重，不能提供电学输出；所以所述压力传感器选择半导体压电阻型，外力在薄片表面形成半导体变形压力使薄片变形产生压电阻抗效果，阻抗的变化进一步转换成电信号输出。

本实例中优选的，所述激光测速传感器采用LDM301，由于其测量速度范围可达0-100m/s,测量距离可达0.5-3000m,既可以测量固定物体又可以测量运动物体的距离和速度，在不用反光板的情况下，测量范围非常大；其原理为激光脉冲飞行时间测量法，通过测量激光脉冲发射信号(主波)和接收信号(回波)之间的时间间隔从而得知空间物体的距离，从而测得物体的速度，测得的模拟量以 4-20mA的电流输出给A/D转换器；

本实例中优选的，所述激光测速传感器通过框架安装在各个道路的上方，所述框架是由立柱和横梁组成，所述立柱固定在道路的一侧，所述横梁安装在立柱上与道路平行，激光测速传感器安装在横梁上。

本实例中优选的，所述激光测速传感器还可以安装在红路灯的框架上，与红绿灯共用同一横梁，充分利用已有资源。

本实例中优选的，所述计算机与单片机通过有线或无线的方式进行通讯。一种分类别测量交通量的统计系统的工作方法，包括以下过程：

S1、采集

每当有行人或车辆通过时，压力传感器实时采集通过路面的行人，非机动车和机动车的重量，并将采集的信号通过A/D转换原理将模拟信号转换为数字信号，经由单片机读取处理，传回计算机；如图二所示，安装在道路下方的压力传感器；

每当有行人或者车辆通过装有测速传感器的横梁下方时，激光测速传感器检测到路面的行人，非机动车和机动车的移动速度信号，并将采集的信号通过A/D转换原理将模拟信号转换为数字信号，经由单片机读取处理，传回计算机；

S2、分类

根据模糊C均值聚类算法对交通量进行分类；根据模糊C均值聚类算法得到所测数据的三个聚类中心的二维坐标点，从而将所测每组包括速度和重量的数据根据距离三个中心的距离远近进行归类，分为行人，非机动车，机动车三类；

S3、统计

对交通量进行分类计数，是将模糊C均值聚类算法得到的数据根据行人，非机动车，机动车速度与重量表格中的划定范围进行分类，由单片机对分类完成的数据进行计数处理，并传送给计算机显示输出设备进行显示。

如图4所示所述步骤S2具体为：

S2-1、所述的用模糊聚类分析进行分类，采用的是模糊C均值聚类方法，构造目标函数值

S2-2、首先，随机选取初始化隶属度函数值大小；

S2-3、设定聚类数目c和加权指数b：根据经验，认为b取2，所述模糊聚类分为机动车、非机动车、行人三类，聚类数目c为3；

S2-4、其次令目标函数J

S2-5、采用迭代的方法，不断迭代聚类中心和隶属度值，直到隶属函数的值不再发生较大变化，从而求到目标函数最小值，从而完成了模糊聚类划分。

通过形成一套分类别测量交通量的统计方法，通过实时采集车辆或行人的速度与质量数据，结合模糊C均值方法进行分类，将交通量数据分为常见的三种类型，解决了道路交通量难以区分的问题，为交通研究与管理提供了一定的帮助。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。