智能公交檢測系統設計研究范文

本站小編為你精心準備了智能公交檢測系統設計研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】

根據目前國內公交客流統計的發展現狀，本文提出一種基于多傳感器的客流信息綜合檢測系統。綜合利用各個傳感器的優勢，提高客流信息的檢測準確度。采用基于動態門限的判決方法進一步提高了多人同時上下車情況下客流信息的判決準確度。實驗結果表明客流統計數據有較高的準確率，與傳統的方法相比，它融合了多種信息，可以提供大量詳細、準確的動態數據，對城市公交以及公交的智能化調度、線路的開辟、優化、站點的設置等都具有極其重要的意義。

【關鍵詞】

綜合檢測；客流信息；動態門限

目前，公交客流信息的采集方式主要為人工抽樣技術或利用IC卡信息統計客流技術、踏板壓力墊子檢測以及主動式紅外、被動式紅外的自動客流信息采集系統。但是，傳統的人工調查方式不僅花費大，而且難以保證數據的質量。IC卡統計技術雖然提取技術簡單、成熟，但是僅限于對使用IC卡的乘客進行統計。典型的踏板壓力墊子檢測系統、紅外檢測系統在單一傳感器的信息采集中獲得數據的準確率往往只有40%~60%。本文從實際情況出發，綜合考慮影響客流信息采集誤差的因素，提出了一種基于多種傳感器綜合檢測的客流信息采集系統。本系統采用以主動式紅外傳感器為主，紅外熱釋電傳感器和壓力踏板傳感器為輔的傳感器綜合檢測思路，進行系統設計。研究了主動式紅外傳感器的誤差來源，提出了相應的誤差修正算法。上位機端采用B/S模式的web設計方式，為修正后的客流數據的各種分析顯示提供了友好的人機交互界面。

1系統框架

目前，公交客流信息的采集方式多采用人工抽樣技術以及憑借公交司機的多年經驗，但是這其中都有很大的人為因素，難以保證客流信息的準確性。隨著嵌入式技術和計算機技術的發展，數據采集及處理越來越智能化，簡易化，準確化。利用嵌入式技術及計算機技術能夠很好的實現數據的采集和分析處理，從而得到較為準確的客流信息，進而為城市公共交通系統的發展提供有利可靠的保證。在傳統的單一傳感器檢測系統中，客流信息數據的準確性較低，各個傳感器的特有優勢難以綜合體現。主動式紅外傳感器檢測方式采用自身光源，不易受外界環境溫度、光線的影響，在單個乘客依次上下車的情況下能夠獲得相對較高的精度，但隨著客流量增大、乘客上下車次序較為混亂時，檢測精度也會隨之降低。壓力踏板傳感器在乘客上下車次序較為混亂的情況下，能夠較為準確的實現客流數據的采集，但是系統部件易壞。紅外熱釋電傳感器作為被動式紅外傳感器能夠很好的區分人和其他物品，從而降低檢測的誤判率，提高檢測的準確性。主動式紅外傳感器采取單門雙管策略，通過在公交車輛的前門和后門分別部署等高、適宜間距的高定向紅外發射管和接收管，實現乘客上下車方向的準確判定、以及乘客人數的初步判定。

2系統設計與實現

2.1硬件實現由于公交車前門和后門的硬件部署是一致的，以前門為例說明硬件方面的構建思路。首先在前門的左邊一側高度為1.4m的位置安放兩個高定向紅外發射管，在右邊一側的相同高度處安放兩個紅外接收管，構成兩對紅外發射接收檢測系統。經實驗研究，同一側的紅外發射管之間間距為10cm為宜。同時在車門處的臺階上安放壓力傳感器，在車門處的頂部安放紅外熱釋電傳感器。下位機采用STC12C5A60S2MCU進行傳感器的控制和數據的處理、存儲和發送。MCU通過兩個外部中斷分別和兩個紅外接收管相連，通過I/O端口和BISS0001芯片輸出端相連。壓力傳感器通過A/D輸入端與MCU進行相連從而將模擬量轉換成數據量。當紅外熱釋電傳感器輸出有效時（檢測判決為人時），MCU的數據處理方法如下。MCU對時間片內的平均壓力數據設定一定的門限值，當壓力數據值小于設定的門限時，MCU不考慮壓力數據，乘客上下車人數判決為1。當壓力數據值大于設定的門限時，MCU考慮壓力數據，乘客上下車人數判決為多人（根據公交車車門寬度實際情況一般為2人）。綜上所知，壓力門限的設定對于判決的準確度至關重要。對于壓力門限的值的選取，主要是采用模型訓練的方法從而獲取初始經驗值，設為tho。假設擁擠程度是高斯分布的，則可以通過調整當前的壓力門限值調整擁擠程度，從而通過控制擁擠程度的分布，提高判決數據的準確度。壓力門限的動態選取算法如下。第n次壓力門限的取值，由前m次（m為偶數）的判決結果和前m次壓力數據的平均值與第n-1次的壓力門限的差值決定。每一次的判決結果用di表示。

2.2軟件實現C++程序主要負責對接收的實時客流信息進行存儲，通過HTTP協議上傳至內網web服務器端，由PHP程序進行對數據的分析處理工作。主要功能有數據接收、數據存儲、數據傳輸、數據處理分析、結果展示等五個部分。主要實現的功能如下：通過串口通信將數據傳送到pc端，存儲后上傳至web服務器，將數據分類分時處理，調用PHPGD庫，生成各類數據分析圖形，通過大量訓練實驗，得到數據的預處理算法，得到預設壓力門限值，最后將數據在網上顯示，面向管理人員和乘車用戶。

3實驗數據分析及結果

首先，通過對大量不同特征（身高和體重）的乘客進行實驗，獲取最優的初始壓力門限值。然后，針對不同的乘客上下車情況，分成乘客單人上下車、雙人同時上下車和雙人交叉上下車各10組，每組采集20次數據，獲得計數的數據以及誤差統計圖。從圖1的數據和誤差圖可知，本系統在單人上下車等乘客次序較好的情況下，誤差在10%左右，能夠很好的檢測到客流信息。從圖2和圖3的數據和誤差圖可知，本系統在雙人同時上下車和雙人交叉上下車時，誤差控制在20%左右，也能夠較好的實現客流信息的檢測。分析實驗，可知誤差基本上源于兩處，第一紅外傳感器產生的漏計誤差和計數錯誤誤差；第二壓力傳感器的判決誤差。當乘客上下車時間低于紅外光線發射周期時，乘客不能正常的遮蔽紅外光線從而導致漏計。當有多人同時上下車，彼此間互相遮擋紅外光線也會引起計數錯誤。

4結語

本文設計研究了一種新型的綜合性客流信息檢測系統，通過相應的算法實現了客流信息檢測準確度的提高。從傳統的40%-60%的準確度提高到了80%左右。雖然進一步的提高了檢測的準確度，但當乘客上下車次序很混亂的時候，還是存在較大的檢測誤差，還需要進一步的改進或尋找更有效的算法實現檢測準確度的進一步提高。

【參考文獻】

［1］胡金星,劉允才.公交信息智能化管理系統框架及關鍵技術研究[J].交通運輸系統工程與信息,2005,4(6):14-17.

［2］王建軍.紅外光電開關在人流量記錄中的應用[J].電腦編程技巧與維護,2008(2):75-76.

［3］范海燕，鮑圣捷.公交線路客流統計方法及其應用[J].交通與運輸，2009(z1):120-122.

作者：羅雄 歐陽代富 單位：成都理工大學信息科學與技術學院