[發明專利]一種基于地磁傳感器的車位檢測方法有效
| 申請號: | 201710299758.3 | 申請日: | 2017-05-02 |
| 公開(公告)號: | CN106960580B | 公開(公告)日: | 2019-04-26 |
| 發明(設計)人: | 何慶強;蘇暢;張毅 | 申請(專利權)人: | 成都蓉易停科技有限公司 |
| 主分類號: | G08G1/042 | 分類號: | G08G1/042;G08G1/14 |
| 代理公司: | 成都點睛專利代理事務所(普通合伙) 51232 | 代理人: | 葛啟函 |
| 地址: | 610041 四川省成都市高新*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 地磁 傳感器 車位 檢測 方法 | ||
1.一種基于地磁傳感器的車位檢測方法,其特征在于,包括以下步驟:
S1、通過地磁傳感器采集磁場數據樣本X0,所述磁場數據樣本X0為地磁傳感器的磁場信號變化引起的電壓值數據矩陣,其單位為mV;所述地磁傳感器連接有網絡數據庫,所述網絡數據庫中預存有樣本數據,至少包括基頻先驗樣本數據和溫度先驗樣本數據;
S2、根據采集到的磁場數據判斷地磁傳感器狀態:
若磁場數據樣本X0的地磁變化率ρ隨時間t的變化則判定地磁傳感器磁場信號處于穩定狀態,進入步驟S3并實時統計更新磁場數據樣本X0;若磁場數據樣本X0的地磁變化率ρ隨時間t的變化則判定地磁傳感器磁場信號異常,持續監測磁變化率ρ直至ρ=0后進入步驟S3;
S3、檢測地磁傳感器的基頻是否漂移并校準:
根據預存的基頻先驗樣本,采用統計比較法對地磁傳感器采集的磁場數據X0進行診斷,若識別出地磁傳感器自身的基頻已發生漂移或失真,則采用基于快速小波變換的濾波方法對地磁傳感器的基頻漂移進行抑制,實現校準,校準后的地磁傳感器采集的磁場數據樣本為X;若無基頻漂移,則直接將原磁場數據樣本X0賦值為校準后的磁場數據樣本X=X0;
S4、采用人工神經網絡獲取車位狀態特征值:
將校準后的地磁傳感器的磁場數據樣本X在人工神經網絡里進行學習和訓練,濾掉由于地磁傳感器本身非常靈敏所產生的地磁脈沖信號X1、各位干擾車輛引起的地磁擾動信號X2,輸出檢測車輛狀態判定的車位狀態特征值Y,其中車位狀態基準特征值分為無車到有車狀態,即車輛進入并停放記為Y1;有車到無車狀態,即車輛離開記為Y2;有車到有車狀態,車輛人為駛動,但又停靠進車位記為Y3;無車到無車狀態即為Y4;車輛進入并立即離開記為Y5;
S5、對地磁傳感器的環境溫度進行補償:
根據預存的溫度先驗樣本,采用統計比較法對地磁傳感器采集的環境溫度進行判斷,對地磁傳感器環境溫度的變化進行補償,采用全部數據的最小二乘擬合法對車位狀態特征值Y進行補償,補償數值為△Y,如無環境溫度影響,則△Y=0,補償后的車位狀態特征值為Yc=Y+△Y;
S6、檢測判斷并輸出車位檢測結果:
地磁傳感器的單片機控制單元讀取溫度補償后的車位狀態特征值Yc,進入檢測判斷流程,同時將新獲取的磁場數據樣本X和車位狀態特征值Yc存入網絡數據庫,實現對預存的樣本數據進行更新,對車位的檢測方法為:
在網絡數據庫中,根據所存儲的車位狀態特征值,設置有車位狀態特征曲線Y1、Y2、Y3、Y4和Y5,將得到的車位狀態特征值Yc依次與車位狀態特征曲線進行對比可判斷車位狀態,其中Y1對應車輛進入并停放,車位檢測結果為有車;Y2對應車輛離開,車位檢測結果為無車;Y3對應有車到有車狀態,車輛人為駛動,但又停靠進車位檢測結果為有車;Y4對應無車到無車狀態,車位檢測結果為無車;Y5對應車輛進入并立即離開,車位檢測結果為無車;具體過程為:
若車位狀態特征值Yc與車位狀態基準特征值Y1曲線一致,車輛進入并停放,車位檢測結果為有車,進入步驟S7,否則繼續;
若車位狀態特征值Yc與車位狀態基準特征值Y2曲線一致時,車輛離開,車位檢測結果為無車,進入步驟S7,否則繼續;
若車位狀態特征值Yc與車位狀態基準特征值Y3曲線一致時,有車到有車狀態,車輛人為駛動,但又停靠進車位檢測結果為有車,進入步驟S7,否則繼續;
若車位狀態特征值Yc與車位狀態基準特征值Y4曲線一致時,無車到無車狀態,車位檢測結果為無車,進入步驟S7,否則繼續;
若車位狀態特征值Yc與車位狀態基準特征值Y5曲線一致時,車輛進入并立即離開,車位檢測結果為無車,進入步驟S7;
S7、輸出檢測結果后回到步驟S1進行下一次車位狀態判斷。
2.根據權利要求1所述的一種基于地磁傳感器的車位檢測方法,其特征在于,所述步驟S4中在人工神經網絡里進行學習和訓練的具體方法為:
對車位狀態特征值Y建立人工神經網絡數學模型:
Y=F(X)
采用兩層感知器神經網絡進行學習和訓練,第一隱蔽層活化函數為:
上式中a為斜率參數;第二輸出層活化函數為:
因此人工神經網絡計算出的車位狀態特征值Y輸出結果為:
Y=F2{w2*[F1(w1*X+B1)]+B2}
式中w1和w2分別是第一隱蔽層和輸出層的突觸權矢量,B1和B2分別是第一隱蔽層和輸出層的神經元偏置矢量。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于成都蓉易停科技有限公司,未經成都蓉易停科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710299758.3/1.html,轉載請聲明來源鉆瓜專利網。





