华南理工大学学报(自然科学版) ›› 2014, Vol. 42 ›› Issue (3): 52-58.doi: 10.3969/j.issn.1000-565X.2014.03.009

• 交通与运输工程 • 上一篇    下一篇

用于车辆分类的多传感器车型特征融合算法

田寅1 董宏辉1 贾利民1† 王蕾云2 李思宇3   

  1. 1.北京交通大学 交通运输学院, 北京 100044; 2.华南理工大学 土木与交通学院, 广东 广州 510640;3.北京大学 深圳研究生院, 广东 深圳 518055
  • 收稿日期:2013-06-06 修回日期:2013-11-19 出版日期:2014-03-25 发布日期:2014-02-19
  • 通信作者: 贾利民(1963-),男,教授,博士生导师,主要从事智能运输系统、交通安全工程研究. E-mail:jialm@vip.sina.com
  • 作者简介:田寅(1986-),男,博士生,主要从事交通系统工程、交通传感器网络研究.E-mail:10114241@bjtu.edu.cn
  • 基金资助:

    国家 “863” 计划项目(2012AA112401);国家自然科学基金资助项目(61104164)

Multi- Sensor Signature Fusion Algorithm for Vehicle Type Classification

Tian Yin1 Dong Hong- hui1 Jia Li- min1 Wang Lei- yun2 Li Si- yu3   

  1. 1.School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China; 2.School of Civil Engineering andTransportation,South China University of Technology, Guangzhou 510640,Guangdong,China; 3.Shenzhen Graduate School,Peking University,Shenzhen 518055,Guangdong,China
  • Received:2013-06-06 Revised:2013-11-19 Online:2014-03-25 Published:2014-02-19
  • Contact: 贾利民(1963-),男,教授,博士生导师,主要从事智能运输系统、交通安全工程研究. E-mail:jialm@vip.sina.com
  • About author:田寅(1986-),男,博士生,主要从事交通系统工程、交通传感器网络研究.E-mail:10114241@bjtu.edu.cn
  • Supported by:

    国家 “863” 计划项目(2012AA112401);国家自然科学基金资助项目(61104164)

摘要: 为避免单一地磁传感器进行车型识别时存在的误差,结合自主研发的地磁传感器网络,提出一种基于多传感器的车型特征融合算法.该算法通过计算传感器网络内不同车型特征信号的相关关系来确定车辆运行状态,并利用最大似然法则结合皮尔逊相关系数进行数据融合,以获取更加准确的车辆特征信号,为现有车型分类方法提供更加准确的输入参数.实际道路试验表明,与现有单节点分类算法相比,文中算法对中大型车辆的分类准确率可以提高 17.5%.

关键词: 交通运输系统工程, 车型分类, 交通传感器网络, 相关性分析, 最大似然估计

Abstract:

In order to avoid the error of vehicle type classification with single- geomagnetic sensor,a geomagneticsensor network is constructed and is used to create a multi- sensor signature fusion algorithm for vehicle type classifi-cation.In this algorithm,the statuses of moving vehicles are determined on the basis of correlations of different ve-hicle signatures,and vehicle data are fused via the maximum likelihood in combination with the Pearson correlationcoefficient,so that more accurate vehicle signatures are acquired and more precise inputs for vehicle type classifica-tion are provided.Practical road experiments show that,in comparison with the existing single- sensor classificationalgorithms,this newly proposed algorithm helps the classification accuracy for medium- or large- size vehicles im-prove by 17.5%

Key words: transportation system engineering, vehicle type classification, traffic sensor network, correlationanalysis, maximum likelihood estimation