Алгоритм идентификации транспортных средств в различных дорожных условиях

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 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; 2-фокон; 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:

M 1          j ² nk

X ( k ) = £ X ( n ) e ^jNn ;

n =00

X Re ( k )   logI X ( k )I;

1 ^M 1            j ²— nk

C p ( n )    ¹      X Re ( k ) e^jNnk ...

N_k =00

+ 00

£ C ( n + mN ); m 0,1,2,...

n

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.

Алгоритм идентификации транспортных средств в различных дорожных условиях

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.