ДИАГНОСТИКА И РЕМОНТ АЛГОРИТМ ИДЕНТИФИКАЦИИ

ДИАГНОСТИКА И РЕМОНТ
УДК 625.021.8
АЛГОРИТМ ИДЕНТИФИКАЦИИ ТРАНСПОРТНЫХ СРЕДСТВ
В РАЗЛИЧНЫХ ДОРОЖНЫХ УСЛОВИЯХ
О.В. Маковецкая-Абрамова , Г.А. Петров
Санкт-Петербургский государственный университет сервиса и экономики (СПбГУСЭ),
191015, Санкт-Петербург, ул. Кавалергардская, 7, лит. А
Аннотация – в статье предлагается алгоритм цифровой обработки пространственновременных сигналов, позволяющий идентифицировать автотранспортные средства в реальном
времени при различной плотности транспортного потока и расстоянии детектора сигналов от дорожного полотна
Ключевые слова: цифровая обработка сигналов; кепстр; спектр; оператор деконволюции;
идентификация транспортных средств
ALGORITHM IDENTIFICATION OF VEHICLES IN
VARIOUS ROAD CONDITIONS
O.V. Makovetckaia-Abramova, G. A. Petrov
St.-Petersburg state university of service and economy (SPbSUSE),
191015, St.-Petersburg, street Kavalergardsky, 7
Abstract – The paper proposes an algorithm for digital processing of space-time signals, allowing
the identification of vehicles in real time under different traffic density and distance from the detector
signals of the roadway.
Keywords: Digital signal processing; cepstrum; the spectrum of the operator deconvolution; identification of vehicles
Современное общество нуждается в
постоянном увеличении объема транспортного сообщения, повышении его надежности, безопасности и качества. Это требует
увеличения затрат на улучшение инфраструктуры транспортной сети, превращения
ее в гибкую, высокоуправляемую логистическую систему. Транспортный поток нестабилен и многообразен, получение объективной информации о нем является
наиболее сложным и ресурсоемким элементом системы управления. Грамотная
организация дорожного движения и управления транспортными средствами предполагает широкое внедрение электронной
техники. В настоящее время, как в нашей
стране, так и за рубежом, проводятся исследования по использованию различных
радиоэлектронных, оптических, ультразвуковых систем обеспечения безопасности
движения наземного транспорта. Одним из
важнейших факторов движения является
состав транспортного потока, существенно
влияющий на условия и режим движения
транспортных средств. Значимость идентификации автомобилей в потоке вызвана
широким кругом задач, решаемых на основе информации о качественном составе
транспортного потока. Поэтому исследования в области разработки алгоритмов идентификации
автотранспортных
средств
весьма актуальны. Наиболее перспективны
исследования с применением новых информационных технологий.
Во Владимирском государственном
университете создан оптико-электронный
детектор, основой которого является пластинчатый растр [1,2]. Растровое устройство способно в реальном времени и с высокой степенью надёжности регистрировать оптические сигналы автомобилей.
Проведены экспериментальные исследования регистрации сигналов на Федеральной
трассе М7 Москва – Владимир Н.Новгород. Устройство регистрации сигналов и взаимное расположение детектора
ТЕХНИКО-ТЕХНОЛОГИЧЕСКИЕ ПРОБЛЕМЫ СЕРВИСА №3(21) 2012
5
О.В. Маковецкая-Абрамова, Г.А. Петров
и транспортного средства (ТС) иллюстрирует рис.1. Сигналы, регистрируемые оптико-электронным детектором, являются оптическими образами ТС. Оптический образ
ТС зависит от перекрываемого автомобилем оптического фона и определяется формой и размером кузова автомобиля, полем
зрения приёмника, отражательной способностью материала кузова, тепловым излучением
двигателя
и
контрастом.
Рисунок 1. Устройство регистрации оптических образов ТС: 1-пластинчатый растр; 2фокон; 3 – фотоприёмник; 4 – поле зрения датчика
В качестве примера рассмотрим выполнение алгоритма идентификации в различных дорожных условиях для однополосной и многополосной дорог. Регистрация тепловых образов на реальном перегруженном перекрестке в условиях многополосного движения затрудняется в случае
попадания в поле зрения растра нескольких
автомобилей. Происходит наложение тепловых образов и аппаратура фиксирует некий
«размытый» образ, идентифицировать который невозможно. Для «обострения» образа,
подчеркивания его особенностей, предлагается кепстральная обработка оптического сигнала, регистрируемого растровым детектором.
Таким образом, в качестве объекта распознавания выступает не оптический образ, а его
кепстр. Одним из характерных признаков может служить положение пиков на кепстре
сигнала, другим – частота кепстра, третьим количество групп пиков, четвертым - амплитуда. Процедура вычисления кепстра дискретной последовательности x(n) конечной
длины N с использованием дискретного
преобразования Фурье рассмотрена в работе [5] и имеет вид:
6
M 1
X (k )
j
X ( n )e
2
nk
N
;
n
X Re (k )
C p ( n)
...
log X (k ) ;
1
N
M 1
C (n
n
X Re (k )e
j
2
nk
N
(1)
...
k
mN ); m
0,1,2,...
Время работы программы кепстральной
обработки менее 1 с, следовательно, можно
считать, что обработка происходит в реальном
времени.
В зависимости от дорожных условий
расстояние между детектором и автомобилем может меняться. В работе были исследованы информационные возможности оператора деконволюции в зависимости от расстояния
между
оптико-электронным
устройством и автомобилем. Покажем эффективность применения алгоритма оператора деконволюции для решения задачи исключения передаточной функции h(t) растрового приёмника из сигнала S(t), регистрируемого детектором. Вне зависимости от
конструкции входного устройства сигнал
S(t) представляет собой свёртку собственного сигнала ТС e(t) с импульсной характеристикой (полем зрения) детектора. В случае
регистрации сигналов с больших расстояний
(значительного удаления детектора от дорожного полотна) свёртка S(t) теряет информативные качества, и идентификация
усложняется. Оператор деконволюции позволяет исключить из S(t) импульсную характеристику h(t), оставив собственный сигнал ТС e(t) в чистом виде, без искажающего
влияния передаточной функции приёмника.
Функциональная схема алгоритма деконволюции представлена на рис.2. После исключения передаточной функции h(t) собственный сигнал e(t) по форме напоминает форму
кузова ТС. Это связано с тем, что растр регистрирует перекрываемый автомобилем
оптический фон. Набор собственных сигналов ТС является материалом для идентификации объектов транспорта. Рис.3, содержащий - фотографию автомобиля ВАЗ 2121
“НИВА”, его оптический образ S(t) (расстояние между детектором и ТС 100 м) и собственный сигнал e(t) подтверждает вышеизложенное.
НИИТТС
Алгоритм идентификации транспортных средств в различных дорожных условиях
1
1
1
2 1
1
1
3
Начало
1
Формирование оптического сигнала:
e(t) . h(t) = S(t)]
Вычисление спектра S(t):
ред. Н.Г. Волкова. - М.: Мир, 1983. – Т.1. – 311 с.;
Т.2. – 256 с.
4. Маковецкая-Абрамова О.В. Разработка метода
идентификации автотранспортных средств по оптическим образам с применением цифровой обработки сигналов/ диссертация на соискание учёной
степени кандидата технических наук.- Владимир,2004.-165с.
= fft{S(t)}
4
Вычисление логарифма спектра собственного сигнала:
ln(F(e))=ln(F(e)xF(h))-F(e)=ln( )-ln(F(h))
5
а)
Вычисление собственного сигнала транспортного
средства:
6
e(t ) ifft {exp[ln( F ( E ))]}
Конец
Рисунок 2. Функциональная схема алгоритма
деконволюции
Разработанный алгоритм предусматривает применение аппаратуры автоматизированного способа сбора информации, телекоммуникации и математических способов
выдачи информации для оперативного принятия решений на основе компьютерных
технологий. Время обработки сигнала – менее одной секунды – что позволяет констатировать режим обработки сигналов в реальном времени. Основой алгоритма являются гомоморфные преобразования сигналов, с учётом различных дорожных условий.
Литература
1. Плешивцев В.С. Некоторые проблемы организации управления транспортными потоками: Моногр./
Владим. гос. ун-т. - Владимир, 2001–79 с.
2. Плешивцев В.С., Кунин В.Н., Родионов В.А.
Устройство для траекторных измерений. А.с. СССР
№ 811674, 1980.
3. Макс Ж. Методы и техника обработки сигналов
при физических измерениях: В 2 т.: Пер. с фр. / Под
б)
в)
Рисунок 3. Результат применения оператора
деконволюции: а) Фотография автомобиля
ВАЗ-2121 “НИВА”, б) Оптический образ S(t), в)
Собственный сигнал e(t)
5. Бернюков А.К. Дискретная и цифровая обработка
информации: Учеб. пособие / Владим. гос. техн. унт. – Владимир, 2002. – 158 с.
6. Гудмен Д.М. О производных оператора гомоморфного преобразования и их применении к некоторым задачам обработки сигнала // ТИИЭР. –
1990. – Т.78. – № 4.
7. Бриджмен П.В. Анализ размерностей: Пер. с
англ. – М.; Л.: 1934.
Маковецкая-Абрамова Ольга Валентиновна – кандидат технических наук, доцент кафедры
«Технология обслуживания транспортных средств» СПбГУСЭ, тел.+79215569306,e-mail:
abramova19701970@mail.ru;
Петров Геннадий Алексеевич – кандидат технических наук, доцент, профессор кафедры «Информатика», СПбГУСЭ, тел. +7 906 2564666, e-mail: pga44@yandex.ru
ТЕХНИКО-ТЕХНОЛОГИЧЕСКИЕ ПРОБЛЕМЫ СЕРВИСА №3(21) 2012
7