專利名稱：基于毫米波交通雷達的公路車道自動識別方法
技術領域：
本發明涉及智能交通中的交通信息采集領域，具體涉及了 一種基 于毫米波交通雷達的公路車道自動識別方法。
背景技術：
交通信息采集系統是智能交通系統不可缺少的基本組成部分。交 通信息采集系統依賴于交通信息傳感器，傳感器實時地準確地獲取交 通數據的能力對交通控制、公共安全和交通規劃都是至關重要的。現 代城市隨著經濟和社會的發展反而變得更加擁擠，交通問題引起了廣 泛的關注。生活節奏的加快使人們更加期望擁有更為良好的交通狀 況。
許多種交通信息采集設備已經得到了廣泛的運用，如掩埋式線圈 檢測器已經有了五十多年的應用歷史，并應用至今。但是，此類掩埋 式交通信息檢測器通常都有較高的失效率，并有較高的安裝和維護成 本。更為糟糕的是，此類掩埋式交通信息檢測器的安裝與維護會導致 路面破壞和車道關閉。近幾十年來，許多種非掩埋式的交通信息檢測 設備得到了廣泛的應用，這其中包括聲學和光學交通信息傳感器。但 是，這些交通信息傳感器有著明顯的缺點。首先，這些傳感器只能檢
測單條行車道，而對檢測整條公路的交通狀況無能為力;第二，這類 傳感器通常對外部環境變化非常敏感，比如天氣變化，晝夜變化等等。 毫米波交通雷達的出現在一定程度上解決了這些問題，通過分析 不同車道對應的不同頻率段的功率變化，毫米波交通雷達可以實現多 車道交通信息檢測的功能.。毫米波交通雷達有許多其他交通信息檢測 器難以比擬的優點，如全天候工作，無檢測盲區，低安裝維護成本，
不對公路路面造成損害等等。毫米波交通雷達的這些優良特性使得它 成為了掩埋式線圈和聲光交通信息檢測器的良好的替代品。
公路車道識別準確與否直接影響了毫米波交通雷達的檢測性能， 錯誤的公路車道識別甚至會導致雷達的失效。在實際應用中，通常需 要手動調節和校準毫米波交通雷達已完成車道識別的工作。但隨著公 路模式的變化和雷達的重新安裝，都需要人工重新調整和校準雷達。 另外，在每天的不同時段，天氣的變化，如白天黑夜、雨雪覆蓋等， 同樣會引起毫米波交通雷達的車道偏移。在這種情況下，雷達雖然仍 然正常工作，但檢測到的交通信息已經不再準確，這可能會導致錯誤 的交通決策。由此可見，公路車道自動識別是重要的也是必要的。
中國專利號1912949A，專利名稱為一種車流量檢測雷達車道識 別方法，公開了一種毫米波車流量檢測雷達的硬件系統以及交通信息 檢測方法。該方法中的車道識別仍然依靠人工手動調節。
美國專利7091901B2，專利名稱是System and Method for Identification of Traffic Lane Positions, 公開了一種毫米波交 通雷達的公路車道動態自動識別方法，該方法利用車輛功率譜峰值出 現位置的概率密度函數實現公路車道的動態自動識別，該方法對車道
的識別需要較長的時間，難以ii到實時的要求，無法及時檢測由突然 降水引起的車道變化。另外，該方法得到的概率密度函數存在多個極 小值，很難識別代表了公路車道邊界的極小值位置。
發明內容
為了解決以上的技術問題，本發明提供了一種基于毫米波交
通雷達的公路車道自動識別方法，該識別方法包括如下步驟 步驟l:利用自適應閾值檢測當前公路結構信息； 步驟2:識別包含雷達最大回波功率的有效車輛功率譜； 步驟3:有效車輛歸一化功率累積；
步驟4:平滑歸一化累積功率譜；
步驟5:識別當前公路車道邊界；
步驟6:利用自學習過程實現公路車道識別。
所述步驟l進一步包括自適應閾值設置；公路結構識別。
所述的自適應閾值設置，在每個頻點處，將輸入公路回波功率
A的時間序列按照功率幅度排序，得到有序回波功率序列/k,在頻
率點A處的自適應閾值7^可以表示為
式中，s為歸一化有效數據起點，6為歸一化有效數據容量，# 為總數據容量，o為閾值乘數，[A ,J為包含了車道全部信息的頻 率段，i為頻率點。
所述的公路結構識別是通過檢測自適應閾值的幅度大小實 現的，公路結構是指將不同功能的行車道分離開來的公路設施，如防 護欄，綠化帶。如果T^的幅度滿足如下條件，則可認為公路上存在
此類公路結構
<formula>formula see original document page 7</formula>
式中，c為公路結構判定參數，cc[2,3]。
所述步驟3進一步包括有效車輛功率譜歸一化；歸一化功率累積。
所述的有效車輛功率譜歸一化滿足如下條件
<formula>formula see original document page 7</formula>
式中，尸，，為有效車輛歸一化功率譜，,ra。《 a)為有效車輛歸一
化功率譜在頻點A處的值，max(7U)表示7一a)中的最大值，g(幻為 有效車輛判別函數
g(卜io 其他 °
所述的歸一化功率累積可由下式表示
<formula>formula see original document page 8</formula>
式中，尸w為歸一化功率累積函數，/7為用于當前車道識別的樣 本容量。
所述平滑歸一化累積功率譜是通過平滑窗函數實現的，平滑窗函 數使用矩形窗-
<formula>formula see original document page 8</formula>
式中，"(/7)為階躍函數，窗寬度^為奇數； 平滑后的歸一化累積功率譜可由下式表示
<formula>formula see original document page 8</formula>
所述識別當前公路車道邊界，需要識別公路車道間邊界和正、反
向公路邊界，如果公路正向、或反向車道包含/7條車道，那么需要確
定的公路車道間邊界數為/KL，正向、或反向公路邊界數為2。
識別公路車道間邊界是通過檢測平滑后的歸一化累積功率譜的 極小值位置實現的。在車道中心有較多的車輛通過，因此有較多的功 率積累，在平滑后的歸一化累積功率譜上形成功率譜峰。而車道邊界 通過的車輛較少，會形成功率譜谷。功率譜谷處，即為平滑后的歸一 化累積功率譜的極小值處，就是車道間邊界的位置。
識別正向、或反向公路邊界，如果存在公路結構信息，那么可利
用公路結構信息完成識別。如果不存在公路結構信息，可將歸一化累 積功率譜所有譜谷中的最小功率值作為閾值，定義功率譜始端和末端 功率值等于該閾值的位置為正向、或反向公路邊界。
所述利用自學習過程實現公路車道識別，是指在每個頻點處，車 道識別的自學習過程可表示為<formula>formula see original document page 9</formula> 。 式中Z為t時刻公路車道識別位置，Zo為當前車道識別位置，r為學 習速率。
本發明的優越功效在于
1) 本發明可以在較短的時間內完成公路車道的自動識別，并可實現 車道識別隨交通模式和天氣狀況的變化而自動實時更新；
2) 本發明能夠準確實時地識別公路車道，無需任何人工操作。
圖1為本發明的一個具體實施例的公路車道自動識別的流程圖； 圖2為本發明的一個具體實施例中的交通雷達安裝和公路環境 示意圖3為本發明的一個具體賣施例中的自適應閾值檢測結果；
圖4為本發明的一個具體實施例中的包含雷達最大回波功率的
有效車輛功率譜識別結果；
圖5為本發明的一個具體實施例中的有效車輛歸一化功率累積
結果；
圖6為本發明的一個具體實施例中的當前公路車道邊界識別結果。
具體實施例方式
請參閱附圖所示，對本發明作進一步的描述。
如圖1根據本發明的一個具體實施例的公路車道自動識別的流 程圖所示，首先利用公路回波功率，計算自適應閾值，并應用自適應
閾值進行當前公路結構識別；然后識別包含雷達最大回波功率的有效 車輛功率譜，并進行歸一化有效車輛功率譜累積；在獲得了足夠多的 數據后，使用窗函數平滑歸一化有效功率譜累積函數，并通過識別歸 一化累積功率譜的譜谷位置確定當前車道間邊界，通過閾值方法確定 當前公路邊界；最后通過自學習過程完成公路車道識別。
如圖2根據本發明的一個具體實施例中的交通雷達安裝和公路 環境示意圖所示，在己有系統樣機的基礎上，我們在上海市長寧路上 進行了實地測試。毫米波交通雷達201安裝在公路旁的支架202上， 并保證雷達的波束方向垂直于公路方向。毫米波交通雷達201可以同 時檢測正向公路204和反向公路206的交通信息。公路為雙向八車道， 在第一車道與非機動車道之間存在高為1.5m的金屬防護欄203。并 在正向公路204和反向公路206之間存在防護綠化帶205，該綠化帶 由灌木和草坪組成。在一次測試中，正向公路204的第一車道存在車 輛207，第四車道存在車輛209。
如圖3根據本發明的一個具體實施例中的自適應閾值檢測結果 所示，功率譜峰303是由第一車道與非機動車道之間的金屬防護欄 203造成的。防護綠化帶205導致了功率譜包絡305。由于金屬防護 欄203產生的功率譜峰303超過了公路結構判定閾值301，該公路結 構可以被識別出。由于正反向公路間的隔離帶205由灌木和草坪組 成，其回波功率較小，盡管有功率包絡305存在，但其并未超過公路 結構判定閾值301，該公路結構無法識別。由公路結構203產生的功 率包絡303的最大值位置可以識別出公路的一個邊界302。
如圖4根據本發明的一個具體實施例中的包含雷達最大回波功 率的有效車輛功率譜的識別結果所示，正向公路204的第一車道車輛 207造成的有效功率譜407的最大值小于正向公路204第四車道車輛
209造成的有效功率譜409，所以當前有效車輛功率譜為正向公路204 第四車道車輛209造成的有效功率譜409，該功率譜存在于區間401 內。
如圖5根據本發明的一個具體實施例中的有效車輛歸一化功率 累積結果所示，前一時刻的有效車輛歸一化功率譜502在學習了當前 有效車輛歸一化功率譜409后，得到當前有效車輛歸一化功率譜501。
如圖6根據本發明的一個具體實施例中的當前公路車道邊界識 別結果所示，通過識別平滑后的歸一化累積功率譜601的極小值位置 可以確定公路車道間邊界為602， 603, 604。由于正向公路204靠近 綠化帶205的公路邊界不存在公路結構信息，所以利用平滑后的歸一 化累積功率譜601所有譜谷中的最小功率值603作為閾值606，由此 確定的正向公路204靠近綠化帶205的公路邊界為605。
權利要求
1、一種基于毫米波交通雷達的公路車道自動識別方法，其特性在于包括如下步驟步驟1利用自適應閾值檢測當前公路結構信息；步驟2識別包含雷達最大回波功率的有效車輛功率譜；步驟3有效車輛歸一化功率累積；步驟4平滑歸一化累積功率譜；步驟5識別當前公路車道邊界；步驟6利用自學習過程實現公路車道識別。
2、 如權利要求1所述的基于毫米波交通雷達的公路車道自動識 別方法，其特性在于所述步驟l進一步包括-自適應閾值設置； 公路結構識別。
3、 如權利要求2所述的基于毫米波交通雷達的公路車道自動識 別方法，其特征在于所述的自適應閾值設置，在每個頻點處，將輸入公路回波功率A 的時間序列按照功率幅度排序，得到有序回波功率序列/k,在頻率 點A處的自適應閾值可以表示為<formula>formula see original document page 2</formula>式中，s為歸一化有效數據起點，6為歸一化有效數據容量，i/ 為總數據容量，o為閾值乘數，[尼，,J為包含了車道全部信息的頻 率段，i'為頻率點。
4、 如權利要求2所述的基于毫米波交通雷達的公路車道自動識 別方法，其特征在于-所述的公路結構識別是通過檢測自適應閾值的幅度大小實現 的，公路結構是指將不同功能的行車道分離開來的公路設施，如果 7U的幅度滿足如下條件，則可認為公路上存在此類公路結構-式中，c為公路結構判定參數，cc[2，3]。
5、 如權利要求1所述的基于毫米波交通雷達的公路車道自動識 別方法，其特性在于所述步驟3進一步包括有效車輛功率譜歸一化； 歸一化功率累積。
6、 如權利要求5所述的基于毫米波交通雷達的公路車道自動識 別方法，其特征在于-所述的有效車輛功率譜歸一化滿足如下條件<formula>formula see original document page 3</formula>式中，, ，為有效車輛歸一化功率譜，a。自(必為有效車輛歸一化功率譜在頻點A處的值，max(7;J表示7Ua)中的最大值，《U)為 有效車輛判別函數<formula>formula see original document page 3</formula>
7、如權利要求5所述的基于毫米波交通雷達的公路車道自動識 別方法，其特征在于所述的歸一化功率累積可由下式表示式中，a,為歸一化功率累積函數，"為用于當前車道識別的樣 本容量。
8、如權利要求1所述的基于毫米波交通雷達的公路車道自動識別方法，其特征在于所述平滑歸一化累積功率譜是通過平滑窗函數實現的，平滑窗函 數使用矩形窗<formula>formula see original document page 4</formula>式中，"(")為階躍函數，窗寬度W為奇數； 平滑后的歸一化累積功率譜可由下式表示
9、 如權利要求1所述的基于毫米波交通雷達的公路車道自動識 別方法，其特征在于所述識別當前公路車道邊界，需要識別公路車道間邊界和正、反 向公路邊界，如果公路正向、或反向車道包含/7條車道，那么需要確 定的公路車道間邊界數為/7"l，正向、或反向公路邊界數為2。
10、 如權利要求1所述的基于毫米波交通雷達的公路車道自動識 別方法，其特征在于所述利用自學習過程實現公路車道識別，是指在每個頻點處，車 道識別的自學習過程可表示為式中Z為t時刻公路車道識別位置，厶為當前車道識別位置，r 為學習速率。
全文摘要
一種基于毫米波交通雷達的公路車道自動識別方法，該方法首先采用自適應閾值來檢測當前公路結構信息，接著將自適應閾值應用于檢測包含雷達最大回波功率的有效車輛功率譜，接著有效車輛功率譜被歸一化，并進入到功率累積過程中，在采集了足夠多的數據后，采用窗函數法平滑歸一化累積功率譜以濾除高頻部分，改善其形態，接著識別歸一化累積功率譜的波谷，該波谷即為當前公路車道邊界，最后利用自學習方法實時更新公路車道邊界值。本發明的優點是可在較短的時間內完成公路車道的自動識別，并可實現車道識別隨交通模式和天氣狀況的變化而自動實時更新的功能；能夠準確實時地識別公路車道，并無需任何人工操作。
文檔編號G01S13/91GK101349754SQ20081004251
公開日2009年1月21日 申請日期2008年9月4日 優先權日2008年9月4日
發明者穩 余, 浩 張, 徐代艮 申請人:上海慧昌智能交通系統有限公司