基于多地磁传感器的单车道车辆轨迹关联方法

1.本发明属于物理技术领域，更进一步涉及数据处理技术领域中的一种基于多地磁传感器的单车道车辆轨迹关联方法。本发明可用于单车道场景下，通过多个地磁传感器检测同一时刻所有车辆的轨迹信息，获取每个时刻单车道上行驶车辆的关联轨迹。


背景技术：

2.目前，在公路交通智能化中，获取单车道车辆的轨迹是一个日益重要的问题。这可以帮助交通管理者更好地了解道路上的车辆运动情况，为交通流量预测、交通拥堵预警、安全驾驶等提供有价值的数据。目前，单车道场景中通常使用摄像机、雷达等传感器来对车辆轨迹进行关联。然而这类传感器部署环境较为特殊，通常需要安装在龙门架上，难以大规模部署，成本较高，且检测精度受天气影响。为了改进智能交通系统(intelligent traffic system，简称its)并丰富获取数据形式的种类，地磁传感器也正在交通系统中广泛部署，以收集单车道上车辆的实时轨迹信息，地磁传感器的部署通常不受场景限制，且成本较低，检测不受环境影响。然而在车辆轨迹关联方面，传统的数据关联方案往往拥有较高的计算复杂度，效率较低，难以实现轨迹的实时关联。这对使用地磁传感器来实现车辆轨迹的实时关联方面提出了独特的挑战。这种轨迹关联问题不仅会影响到智能交通系统对车辆行驶轨迹的获取，还会影响到后续对车辆行为状态的判定。
3.交通运输部路网监测与应急处置中心在其共同申请的专利文献“基于雷达和视频融合的车辆轨迹跟踪方法及系统”(申请号：202210867558.4，申请公布号：cn 115327527a)中提出一种基于雷达和摄像机融合的单车道车辆轨迹关联方法。该方法通过设置雷达设备和摄像机设备的时间戳同步目的达到数据关联，通过得到雷达信息的时间戳和摄像机信息的时间戳，实现两者传感器数据关联的方法。该方法存在的不足之处在于，摄像机和雷达等传感器部署环境特殊，通常安装在龙门架上，难以大规模部署，成本较高；且检测精度受天气影响，环境恶劣时会出现难以检测车辆的问题，从而进一步影响单车道车辆轨迹关联。
4.m.hassaballah等人在其发表的论文“vehicle detection and tracking in adverse weather using a deep learning framework”(ieee transactions on intelligent transportation systems,2021pp.4230-4242)中提出了一种单车道车辆轨迹关联方法。该方法的步骤是，首先将传统高斯混合概率假设密度滤波器的跟踪器与分层数据关联(hda)联合使用，然后采用多尺度卷积神经网络的车辆检测和跟踪算法实现了单车道的车辆轨迹关联。该方法存在的不足之处是，使用多尺度深度卷积神经网络的鲁棒车辆检测和跟踪算法比较复杂，效率较低，无法用于在公路智能化中，对单车道车辆实时进行轨迹关联的场景。


技术实现要素：

5.本发明的目的在于针对上述现有技术的不足，提出一种基于多地磁传感器的单车道车辆轨迹关联方法，用于解决当前车辆轨迹关联算法复杂，并且摄像机和雷达等传感器
成本较高，受天气影响，难以大规模部署并且当前使用的基于地磁传感器的车辆轨迹关联方法难以实现数据关联的问题。
6.实现本发明目的的技术思路是，本发明根据需要关联的车辆轨迹范围选用多个同一型号的地磁传感器将该传感器部署后，将所有地磁传感器等间距的部署在单车道一侧的车道线上，地磁传感器的部署方向与车辆的行驶方向相同；采用gps授时技术对所有地磁传感器进行统一授时。由于本发明使用的地磁传感器成本较低，且不受天气影响，便于大规模部署，能够解决现有技术采用摄像机或雷达等传感器带来的成本高，并且受天气影响严重的问题。本发明使用同一型号的地磁传感器，采用统一授时技术，克服了现有技术中使用不同传感器且未进行精准对时时，会存在的数据错误关联问题。本发明使用低计算复杂度的二分图匹配的km数据关联算法，实现单车道车辆轨迹的实时关联，从而获得准确的单车道车辆轨迹信息。
7.实现本发明目的的具体步骤如下：
8.步骤1，根据需要关联的车辆轨迹范围，选用m个同一型号的地磁传感器；
9.步骤2，部署地磁传感器并授时：
10.步骤2.1，将m个地磁传感器每隔n米等间距的部署在单车道一侧的车道线上，地磁传感器的部署方向与车辆的行驶方向相同，n的取值取决于地磁传感器的检测范围；
11.步骤2.2，采用gps授时技术对每个地磁传感器进行统一授时；
12.步骤3，计算每辆车辆到达每个地磁传感器的时间戳：
13.使用车辆检测算法，每个地磁传感器分别检测每辆车进入该传感器时刻的时间戳和离开时刻的时间戳，将两个时间戳的均值作为该车到达该地磁传感器的时间戳，将每辆车辆到达每个地磁传感器的时间戳与其对应的地磁传感器编号共同上传至计算设备；
14.步骤4，构建每个地磁传感器的待关联二分图模型：
15.步骤4.1，计算设备将到达每个地磁传感器的同一时刻所有车辆的时间戳分为一类；
16.步骤4.2，按照下式，计算每辆车从当前地磁传感器到达下一个地磁传感器的预测时间戳：
[0017][0018]
其中，为第i辆车从第k个地磁传感器到达第k+1个地磁传感器时刻的预测时间戳，i＝1,2,
…
,i，i为到达第k个地磁传感器时所有车辆的总数，k＝1，2,
…
,m-1，为第i辆车到达第k个地磁传感器时刻的测量时间戳，x
k+1
为第k+1个地磁传感器的坐标位置，xk为第k个地磁传感器的坐标位置，为第i辆车经过第k个地磁传感器时刻的速度；
[0019]
步骤4.3，计算每辆车的预测时间戳与其到达时间对应地磁传感器的车辆测量时间戳的权值：
[0020][0021]
其中，a
ij
表示第i辆车的与其对应的第k+1个地磁传感器第j个测量时间戳
的权值，j＝1,2,
…
,j，j为车辆到达第k个地磁传感器时第k+1个地磁传感器的测量时间戳的总数；
[0022]
步骤4.4，构建每个地磁传感器同一时刻所有车辆的预测数据和该地磁传感器的测量数据的待关联二分图模型，该模型中x节点代表车辆，y节点代表地磁传感器的测量时间戳，待关联二分图中的任意一条边满足下式：
[0023]
w(xi,yj)＜＝l(xi)+l(yj)
[0024]
其中，w(xi,yj)为第k+1个地磁传感器的待关联二分图模型中第i辆车的节点xi与第j个测量时间戳的yj节点之间的边，其权重值等于a
ij
，l(xi)为待关联二分图模型中节点xi的节点值，l(yj)为待关联二分图模型中节点yj的节点值；
[0025]
步骤5，使用低计算复杂度的km算法对每个待关联二分图模型中的节点进行关联：
[0026]
步骤5.1，在待关联二分图中选取所有的x节点中一个未匹配过的节点；
[0027]
步骤5.2，判断是否搜索到所选节点的增广路径，若是，则所选节点匹配成功执行步骤5.1，否则，执行步骤5.3；
[0028]
步骤5.3，判断待关联二分图是否达到最大匹配条件，若是，则完成了二分图的关联，得到关联后的二分图，执行步骤5.5，否则，执行步骤5.4；
[0029]
步骤5.4，修改所有增广路径上节点的节点值：将所有增广路上当前的l(xi)减去一个常数ε，所有当前增广路上的l(yj)都加上一个常数ε后执行5.1步骤，ε＝min(l(xi)+l(yj)-w(i,j))；
[0030]
步骤5.5，将已关联二分图中每个形成增广路的x节点，用第k+1个地磁传感器的坐标位置更新其对应车辆的用更新其对应车辆的为第i辆车经过第k+1个地磁传感器时的速度；
[0031]
步骤5.6，将已关联二分图中每个未形成增广路的x节点，用第k+1个地磁传感器的坐标位置更新该未形成增广路的x节点对应车辆的用更新该未形成增广路的x节点对应车辆的
[0032]
步骤5.7，将已关联二分图中每个未形成增广路的y节点加入到下一个待关联二分图的x中，将y对应地磁传感器的坐标位置更新为x对应车辆的用单车道允许的最大速度的二分之一，更新x对应车辆的完成已关联二分图模型中对应车辆的状态更新；
[0033]
步骤5.8，判断是否还存在未关联的二分图，若是，则将该二分图作为待关联二分图后执行步骤5.1，否则，执行步骤6；
[0034]
步骤6，计算设备将单车道上的所有状态更新后的车辆轨迹信息传输给智能交通云平台。
[0035]
本发明与现有技术相比具有以下优点：
[0036]
第1，由于本发明使用的地磁传感器的部署不受场景限制，且成本较低，检测不受环境影响，功耗更低，安装方便，克服了现有技术使用摄像机或者雷达传感器需要安装在龙门架上，难以大规模部署，成本较高，且检测精度受天气影响的问题，使得本发明能够大规模部署，且在低成本和不受环境的影响下实现单车道车辆的轨迹关联。
[0037]
第2，由于本发明选用同一型号的地磁传感器，采用gps授时技术对所有地磁传感
器进行统一授时，克服了现有技术中使用不同传感器对时时钟可能出现偏差的问题；使得本发明可以正确的获得单车道上车辆的检测信息，提高单车道车辆轨迹关联的准确度。
[0038]
第3，由于本发明使用了低计算复杂度的km算法对每个待关联二分图模型中的节点进行关联，算法效率较高，不会给计算设备带来计算压力；克服了现有技术中车辆轨迹关联算法复杂，效率较低的问题，使得本发明能够实现单车道车辆轨迹的实时关联，获得准确的单车道车辆轨迹信息。
附图说明
[0039]
图1为本发明的流程图；
[0040]
图2为本发明实施例的地磁传感器部署示意图；
[0041]
图3为本发明带权值的二分图模型示意图；
[0042]
图4为本发明利用km算法对每个待关联二分图模型中的节点进行关联的流程图。
具体实施方式
[0043]
下面将结合附图对本发明的实施例进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0044]
参照图1，对本发明的实施例的实现步骤做进一步的描述。
[0045]
步骤1，根据需要关联的车辆轨迹范围，选用m个同一型号的地磁传感器，在本发明的实施例中地磁传感器选取的rm3100型号，m的取值取决于需要关联的车辆轨迹范围，本发明的实施例中，m＝7。
[0046]
步骤2，部署地磁传感器并授时。
[0047]
参照图2，对本发明在单车道一侧车道线上部署地磁传感器的实施例做进一步的描述。
[0048]
步骤2.1，将m个地磁传感器每隔n米等间距的部署在单车道一侧的车道线上，地磁传感器的部署方向与车辆的行驶方向相同，在本发明的实施例中m＝7，n＝10。
[0049]
步骤2.2，采用gps授时技术对每个地磁传感器进行统一授时。
[0050]
步骤3，计算每辆车辆到达每个地磁传感器的时间戳。
[0051]
使用车辆检测算法，每个地磁传感器分别检测每辆车进入该传感器时刻的时间戳和离开时刻的时间戳，将两个时间戳的均值作为该车到达该地磁传感器的时间戳，将每辆车辆到达每个地磁传感器的时间戳与其对应的地磁传感器编号共同上传至计算设备。
[0052]
所述的车辆检测算法指的是，计算每个时刻地磁传感器检测到的x,y,z三轴磁场强度融合，得到融合后的磁场强度如下：
[0053][0054]
其中，f(k)表示将第k个时刻地磁传感器在传感器部署位置检测的三轴磁场扰动融合后的磁场强度，f
x
(k)、fy(k)、fz(k)分别表示在第k个时刻每个地磁传感器在传感器部署位置检测到的x、y、z三轴的磁场强度。
[0055]
将每个地磁传感器在检测到车辆经过时融合后的磁场强度，与实际测试得到的车
辆检测阈值th比较，当有连续k个磁场强度值大于th，则判断有车辆进入地磁传感器检测范围并记录检测到车辆的时间戳数据；当判定车辆在进入地磁传感器检测范围后，有连续l个磁场强度值小于th时，则判定车辆离开地磁传感器检测范围，所述th、k、l参数根据实际部署道路上所行驶的车辆类型以及车辆行驶速度确定。
[0056]
本发明的实施例中采用的车辆检测阈值：th为50nt，k＝5，l＝5。
[0057]
步骤4，构建第k+1个地磁传感器的待关联二分图模型。
[0058]
参照图3，对本发明在第k+1个地磁传感器生成的待关联二分图模型的实施例做进一步的描述。
[0059]
步骤4.1，计算设备将到达第k+1个地磁传感器的同一时段的测量时间戳分为一类，在本发明的实施例中时段选取2秒钟，以达到实时的目的。
[0060]
参照图3，y1和y2表示该时间段第k+1个地磁传感器的测量时间戳。
[0061]
步骤4.2，按照下式，计算每辆车从当前地磁传感器到达下一个地磁传感器的预测时间戳：
[0062][0063]
其中，为第i辆车从第k个地磁传感器到达第k+1个地磁传感器时刻的预测时间戳，i＝1,2,
…
,i，i为到达第k个地磁传感器时所有车辆的总数，k＝1，2,
…
,m-1，为第i辆车到达第k个地磁传感器时刻的测量时间戳，x
k+1
为第k+1个地磁传感器的坐标位置，xk为第k个地磁传感器的坐标位置，为第i辆车经过第k个地磁传感器时刻的速度。参照图3，该时间段存在两辆车，x1和x2表示这两辆车从第k个地磁传感器到达第k+1个地磁传感器的预测时间戳。
[0064]
步骤4.3，按照下式，计算每辆车的预测时间戳与其到达时间对应地磁传感器的车辆测量时间戳的权值：
[0065][0066]
其中，a
ij
表示第i辆车的与其对应的第k+1个地磁传感器第j个测量时间戳的权值，j＝1,2,
…
,j，j为车辆到达第k个地磁传感器时第k+1个地磁传感器的测量时间戳的总数。
[0067]
图3是本发明实施例中第k+1个地磁传感器中第一辆车的二分图模型示意图。其中，a
11
表示第k+1个地磁传感器中第一辆车到达的预测时间与第一个测量时间的权值，a
12
表示第k+1个地磁传感器中第一辆车到达的预测时间与第二个测量时间的权值，a
21
表示第k+1个地磁传感器中第二辆车到达的预测时间与第一测量时间的权值，a
22
表示第k+1个地磁传感器中第二辆车到达的预测时间与第二测量时间的权值。
[0068]
步骤4.4，构建每个地磁传感器同一时刻所有车辆的预测数据和该地磁传感器的测量数据的待关联二分图模型，该模型中x节点代表车辆，y节点代表地磁传感器的测量时间戳，待关联二分图中的任意一条边满足下式：
[0069]
w(xi,yj)＜＝l(xi)+l(yj)
[0070]
其中，w(xi,yj)为第k+1个地磁传感器的待关联二分图模型中第i辆车的节点xi与第j个测量时间戳的yj节点之间的边，其权重值等于a
ij
，l(xi)为待关联二分图模型中节点xi的节点值，l(yj)为待关联二分图模型中节点yj的节点值。
[0071]
步骤5，采用km算法，对每个待关联二分图模型中的节点进行关联。
[0072]
参照图4，对本发明在利用km算法对每个待关联二分图模型中的节点进行关联的实施例做进一步的描述。
[0073]
步骤5.1，按照km算法流程，在待关联二分图中选取所有的x节点中一个未匹配过的节点。
[0074]
步骤5.2，判断是否搜索到所选节点的增广路径，若是，则所选节点匹配成功执行步骤5.1，否则，执行步骤5.3。
[0075]
步骤5.3，判断待关联二分图是否达到最大匹配条件，若是，则完成了二分图的关联，得到关联后的二分图，执行步骤5.5，否则，执行步骤5.4。
[0076]
所述最大匹配条件指的是满足下述条件之一的情形：
[0077]
条件1，待关联二分图中的x节点全部形成了增广路径。
[0078]
条件2，待关联二分图中的y节点全部形成了增广路径。
[0079]
步骤5.4，修改所有增广路径上节点的节点值：将所有增广路上当前的l(xi)减去一个常数ε，所有当前增广路上的l(yj)都加上一个常数ε后执行5.1步骤，ε＝min(l(xi)+l(yj)-w(i,j))。
[0080]
步骤5.5，将已关联二分图中每个形成增广路的x节点，用第k+1个地磁传感器的坐标位置更新其对应车辆的用更新其对应车辆的为第i辆车经过第k+1个地磁传感器时的速度。
[0081]
步骤5.6，将已关联二分图中每个未形成增广路的x节点，用第k+1个地磁传感器的坐标位置更新该未形成增广路的x节点对应车辆的用更新该未形成增广路的x节点对应车辆的
[0082]
步骤5.7，将已关联二分图中每个未形成增广路的y节点加入到下一个待关联二分图的x中，将y对应地磁传感器的坐标位置更新为x对应车辆的用单车道允许的最大速度的二分之一，更新x对应车辆的完成已关联二分图模型中对应车辆的状态更新。
[0083]
步骤5.8，判断是否还存在未关联的二分图，若是，则将该二分图作为待关联二分图后执行步骤5.1，否则，执行步骤6。
[0084]
步骤6，计算设备将单车道上的所有状态更新后的车辆轨迹信息传输给智能交通云平台。

技术特征：
1.一种基于多地磁传感器的单车道车辆轨迹关联方法，其特征在于，使用多个地磁传感器进行单车道车辆轨迹关联，使用待关联二分图匹配的km算法获取单车道上的行驶车辆轨迹；该检测方法的具体步骤包括如下：步骤1，根据需要关联的车辆轨迹范围，选用m个同一型号的地磁传感器；步骤2，部署地磁传感器并授时：步骤2.1，将m个地磁传感器每隔n米等间距的部署在单车道一侧的车道线上，地磁传感器的部署方向与车辆的行驶方向相同，n的取值取决于地磁传感器的检测范围；步骤2.2，采用gps授时技术对每个地磁传感器进行统一授时；步骤3，计算每辆车辆到达每个地磁传感器的时间戳：使用车辆检测算法，每个地磁传感器分别检测每辆车进入该传感器时刻的时间戳和离开时刻的时间戳，将两个时间戳的均值作为该车到达该地磁传感器的时间戳，将每辆车辆到达每个地磁传感器的时间戳与其对应的地磁传感器编号共同上传至计算设备；步骤4，构建每个地磁传感器的待关联二分图模型：步骤4.1，计算设备将到达每个地磁传感器的同一时刻所有车辆的时间戳分为一类；步骤4.2，按照下式，计算每辆车从当前地磁传感器到达下一个地磁传感器的预测时间戳：其中，为第i辆车从第k个地磁传感器到达第k+1个地磁传感器时刻的预测时间戳，i＝1,2,
…
,i，i为到达第k个地磁传感器时所有车辆的总数，k＝1，2,
…
,m-1，为第i辆车到达第k个地磁传感器时刻的测量时间戳，x
k+1
为第k+1个地磁传感器的坐标位置，x
k
为第k个地磁传感器的坐标位置，为第i辆车经过第k个地磁传感器时刻的速度；步骤4.3，计算每辆车的预测时间戳与其到达时间对应地磁传感器的车辆测量时间戳的权值：其中，a
ij
表示第i辆车的与其对应的第k+1个地磁传感器第j个测量时间戳的权值，j＝1,2,
…
,j，j为车辆到达第k个地磁传感器时第k+1个地磁传感器的测量时间戳的总数；步骤4.4，构建每个地磁传感器同一时刻所有车辆的预测数据和该地磁传感器的测量数据的待关联二分图模型，该模型中x节点代表车辆，y节点代表地磁传感器的测量时间戳，待关联二分图中的任意一条边满足下式：w(x
i
,y
j
)＜＝l(x
i
)+l(y
j
)其中，w(x
i
,y
j
)为第k+1个地磁传感器的待关联二分图模型中第i辆车的节点x
i
与第j个测量时间戳的y
j
节点之间的边，其权重值等于a
ij
，l(x
i
)为待关联二分图模型中节点x
i
的节点值，l(y
j
)为待关联二分图模型中节点y
j
的节点值；步骤5，使用低计算复杂度的km算法对每个待关联二分图模型中的节点进行关联：
步骤5.1，在待关联二分图中选取所有的x节点中一个未匹配过的节点；步骤5.2，判断是否搜索到所选节点的增广路径，若是，则所选节点匹配成功执行步骤5.1，否则，执行步骤5.3；步骤5.3，判断待关联二分图是否达到最大匹配条件，若是，则完成了二分图的关联，得到关联后的二分图，执行步骤5.5，否则，执行步骤5.4；步骤5.4，修改所有增广路径上节点的节点值：将所有增广路上当前的l(x
i
)减去一个常数ε，所有当前增广路上的l(y
j
)都加上一个常数ε后执行5.1步骤，ε＝min(l(x
i
)+l(y
j
)-w(i,j))；步骤5.5，将已关联二分图中每个形成增广路的x节点，用第k+1个地磁传感器的坐标位置更新其对应车辆的用更新其对应车辆的为第i辆车经过第k+1个地磁传感器时的速度；步骤5.6，将已关联二分图中每个未形成增广路的x节点，用第k+1个地磁传感器的坐标位置更新该未形成增广路的x节点对应车辆的用更新该未形成增广路的x节点对应车辆的步骤5.7，将已关联二分图中每个未形成增广路的y节点加入到下一个待关联二分图的x中，将y对应地磁传感器的坐标位置更新为x对应车辆的用单车道允许的最大速度的二分之一，更新x对应车辆的完成已关联二分图模型中对应车辆的状态更新；步骤5.8，判断是否还存在未关联的二分图，若是，则将该二分图作为待关联二分图后执行步骤5.1，否则，执行步骤6；步骤6，计算设备将单车道上的所有状态更新后的车辆轨迹信息传输给智能交通云平台。2.根据权利要求1所述的基于多地磁传感器的单车道车辆轨迹关联方法，其特征在于，步骤3中所述的车辆检测算法指的是，将每个地磁传感器在检测到车辆经过时的扰动磁场值，与实际测试得到的车辆检测阈值th比较，当有连续k个磁场强度值大于th，则判断有车辆进入地磁传感器检测范围并记录检测到车辆的时间戳数据；当判定车辆在进入地磁传感器检测范围后，有连续l个磁场强度值小于th时，则判定车辆离开地磁传感器检测范围，所述th、k、l参数根据实际部署道路上所行驶的车辆类型以及车辆行驶速度确定。3.根据权利要求1所述的基于多地磁传感器的单车道车辆轨迹关联方法，其特征在于，步骤5.3中所述最大匹配条件指的是满足下述条件之一的情形：条件1，待关联二分图中的x节点全部形成了增广路径；条件2，待关联二分图中的y节点全部形成了增广路径。

技术总结
本发明公开了一种基于多地磁传感器的单车道车辆轨迹关联方法，主要解决当前车辆轨迹关联算法复杂，并且摄像机和雷达等传感器成本高，受天气影响等问题。本发明将多个地磁传感器等间距的部署在单车道一侧的车道线上，检测车辆到达的时间戳并上传至计算设备，计算设备计算出车辆到达地磁传感器的预测时间戳，构建车辆预测时间戳与地磁传感器测量时间戳的二分图模型，并使用KM算法对待关联二分图模型进行求解。本发明实现车辆预测数据与地磁传感器测量数据的关联，从而实现车辆的状态更新，进而达到单车道车辆轨迹实时关联的目的，并获得准确的单车道车辆轨迹信息。准确的单车道车辆轨迹信息。准确的单车道车辆轨迹信息。


技术研发人员：涂远发 毛国强 耿英凡 朱梦军 赵茄宇 任效江 惠一龙
受保护的技术使用者：西安电子科技大学
技术研发日：2022.12.23
技术公布日：2023/7/6