基于微处理器的车流量数据的检测与分析

1 前言

随着城市车辆的增多，道路情况变得复杂，如何对道路车流量进行监控，对统计、预测城市道路交通情况至关重要，同时这也是对城市道路运行情况合理调度的重要依据。而目前对城市道路监测多以通过视频为主，甚至会采取人工记数，这对每条道路在某个时段车辆的频率或通行的车型不易做到长期、精确的统计。因此，需要设计一种低成本、高效率的智能识别装置，来促进对道路交通情况的监测水平。

2 装置总体设计

装置可划分为三部分，如图1，分别为采集部分，信号调理部分和识别处理部分。在应用中，可以将多个装置分别安装在各个路段两侧，最终将处理结果汇总到最近的上位机节点，然后将各地方节点汇总到中心工作站，从而对数据进行存储、分析、统计，达到道路车流量检测的目的。为掌握各路段车辆通行规律，预测车流高峰和堵车高峰，作出合理调度和措施提供依据。

装置结构
 

图1  车流量识别装置总体结构图

3 采集部分

本部分采取了矩阵理念，分别用红外线发射和接收管组成检测区矩阵电路，当有车辆驶入检测区，将会遮挡部分发射和接收管，从而引起电路中电平的变化。因此通过对车行驶情况的充分分析，设计识别算法，微处理器就能按照算法，将车辆的行驶状况识别出来。本文将以实验模型，说明设计思路。

矩阵采集区以发射电路和对应在其下方的接收电路组成，发射部分由两排红外线发射管，每排八个组成。接收电路由正对每个发射管的接收管组成，同样是两排的测量层次，和每排八个单元的测量密度。

    在实际应用中，为了提高识别的准确性和适应道路状况，可以合理的增加矩阵中的测量层次和采集点密度，还需要根据实际情况对识别算法简单修改。

4 信号调理部分

主要作用是将采集的信号进行放大、整理，达到微处理器能够处理的程度，再根据处理部分的需要选通矩阵中的测量排。原理图如图2。其中(a)部分是将接收管所产生的微弱信号变化进行放大，在相应的引脚部位体现出来，并传输到所接的74HC244芯片(b)部分，将放大后的信号进行标准化，达到微处理器能处理的标准信号。由图可知，每排接收排的引脚接到一片74HC244芯片上。

图2  信号调理部分原理图

5 判断处理部分

本部分主要应用1片ATmega16L芯片作为微处理器，如图3。

图3  微处理器作为判断处理部分

利用AVR单片机的PD口来控制选通两片74HC244芯片中的一个，即分别选通两个接收排中的一排，将接收到的数据用AVR的PB口接收，通过仿真，可检测算法在运行中的正确性。另外，微处理器的PA口用于与外部进行通信，将识别结果发送到上位机。

6 识别算法的设计过程

算法的设计直接决定识别的效果，甚至系统的成本。算法中要解决的关键技术问题是如何确定有车进入测试区间、判断车行进方向、并排行驶多辆车的识别、车的型号以及车流量的确认。

本系统采用C语言编程，软件调试通过硬件测试、单排识别测试、稳定双排识别测试和带外部通信的测试四个阶段逐步设计、修改、优化算法和程序，最终达到比较理想的识别效果。

（1）在硬件测试中，用程序检测接收电路中所选择的电阻以及三极管的型号是否合理，这将直接影响采集灵敏性和采集效果。

（2）完成硬件测试后，通过单排检测测试，首先要解决确定有车进入测试区的标准，本步骤关键一点是测算两个接收点的间距w，首先要保证最小的车型宽度足以挡住n个接收点，而并排行驶的汽车间最小距离也应大于一个接收间距，这样对判断是一辆车经过还是多辆车在算法设计上提供了可行性。可根据现场中接收点密度选定n的取值，本实验模型中选择n为3。因此，在判断一排接收信号中，有连续3个以上接收点被挡，即说明有车经过。

将一排接收点编号，为r[0]到r[7]，这样首次提取到r[i]到 r[j]连续被挡，将j与i的差值赋给变量l,如果l的值不小于3，即发现车辆，同时l*w即可以确定车辆宽度，对照车宽标准，可以判断车型。另外，提取第j位以后的各位，如果7-j不小于4，则有并行过车可能，仿照第一次判断标准，判断出是否有并行车辆，以及型号。

（3）双排识别的作用是稳定的判断出车行驶的方向，以及提取通过测试区车流量。这就需要根据车辆依次通过两排测试排时产生的信号的先后变化，以及对车通过测试区域的分解动作建立模型，设计确定车流量的算法。在这个阶段，又会出现新的干扰问题，就是车辆在连续通过两个测试排过程中，刚要经过每个测试排时都会产生采集信号的剧烈变化，造成最终识别的严重错误，因此，在这一环节，需要加入防抖抗干扰措施，对每一排信号在一定时间内进行多次采样，设置采样标志变量，将多次采样的标志变量进行综合匹配，匹配后结果在置信区间的，则认为采集数据真实。但过多采样，会降低系统运行速度，经过实验，在模型中，取两次采样，间隔1ms，已经能达到满意的效果。以第一排为例，设第一次采集中识别的车辆标志变量为a1(为0表示无车，为1表示有车)，并行标志变量b1(为0表示无车，为1表示有并行车)；同理，设第二次采集得到的相应变量为a2和b2，则第一排真实的过车情况标志变量a和b如图4所示。

通过类似方式获得第二排的置信状态，综合两排车辆运行状态，通过设计的判断车辆驶入、通过、驶出和驶离动作模型，用算法将完成这一套动作作为判断车行进方向以及车辆真正通过测试区，完成一次记数的标准。综合，以上各步骤程序以及采集到的数据，完成双向并排车流量的识别。

（4）系统在处理与外部通信中，根据外部所连接设备，用算法让系统在合适时机送出数据，避免过频通信，占用识别处理时间，影响结果。

7 结论

本文中有两个创新点，首先是用矩阵式红外识别解决了以往利用红外线或激光判断统计物体经过某区域时，只能根据物体经过时阻挡信号的次数计数，需要物体必须按顺序逐个经过测试区域，不能对并行通过的物体识别的缺陷，实现了经济高效的在双向上识别并排通行的多辆车。

其次根据车辆通过测试区的不同状态，设计了多样的算法，能够高效识别车辆通行状况。