Ранжирование интенсивности транспортного потока по данным акселерометрических датчиков

Размещено на http://www.allbest.ru/

Ранжирование интенсивности транспортного потока по данным акселерометрических датчиков

ВВЕДЕНИЕ

транспортный поток ранжирование акселерометрический

В связи с постоянным увеличением количества автотранспортных средств задача ранжирования интенсивности транспортных потоков становится все более и более актуальной. Помимо просто подсчета количества автотранспорта современные системы производят их классификацию по категориям согласно нормативному документу [1].

Интенсивность транспортного потока является наиболее значимым параметром при геотехнологическом и экологическом мониторингах природных и строительных объектов близи дорожных сетей, а также при планировании проведения ремонтных работ и строительстве новой дорожно-транспортной и городской инфраструктуры.

На данный момент существует несколько методов, при помощи которых ведется ранжирование интенсивности. Все эти методы можно разделить на три типа:

- визуальный (ручной)

- полуавтоматизированный

- автоматизированный

Автоматизированный метод является наиболее перспективным. Он позволяет производить автономное и круглосуточное ранжирование интенсивности транспортного потока. Для его реализации используются ряд методов обнаружения транспортных средств, на основе различного рода детекторов. Современные алгоритмы обработки получаемых сигналов имеют ряд недостатков и требуют оптимизации и улучшения для повышения точности и возможности применения на многополосных автодорогах [2,3].

Алгоритмы обработки данных полученных магнитно-индуктивным, радиолокационным, ультразвуковым, акустическим и магнитным детекторами, позволяют получать данные лишь с точностью не более 10% - 20% из-за сложностей выделения полезного сигнала при наличии высокого уровня шумов, и сложностей разделения сигналов на многополосных автодорогах и магистралях.

Наиболее распространенным, а также более точным и функциональным является применение видеодетекторов, но алгоритмы обработки данных этим методом также имеют ряд недостатков, основной из которых это необходимость обработки и хранения большого объема информации, а именно изображений высокой четкости для распознавания образов транспортных средств.

Целью работы является оптимизация и улучшение существующих алгоритмов ранжирования интенсивности транспортных потоков за счет использования акселерометрических датчиков.

1.ОПТИМИЗАЦИЯ АЛГОРИТМОВ РАНЖИРОВАНИЯ ИНТЕНСИВНОСТИ ТРАНСПОРТНЫХ ПОТОКОВ ЗА СЧЕТ ПРИМЕНЕНИЯ АКСЕЛЕРОМЕТРИЧЕСКИХ ДАТЧИКОВ

Авторы данной статьи предлагают осуществлять ранжирования интенсивности транспортных потоков на основе акселерометрического метода обнаружения. Основы данный метод более подробно описаны в статьях [4,5].

При проезде автомобиля в грунтах придорожной полосы формируется несколько видов колебаний, но из всех наибольшей количество энергии несут в себе волны Релея. Таким образом, дальнейшее изучение, моделирование и обработка проводилась только для данного типа волн. Волна Релея представляют собой поверхностную волну, имеющую две составляющие продольную и поперечную и может описываться уравнением движения бесконечно малого объёма однородной, изотропной и идеально упругой среды с плотностью с:

где U -- смещение бесконечного малого объёма относительно равновесного положения, л и м -- упругие постоянные, Д -- оператор Лапласа[6].

При решении данного уравнения могут быть найдены компоненты смещений для рэлеевской волны:

где - амплитуда; - общее волновое число, и - волновые числа продольной и поперечной составляющих волн [6].

Следовательно, параметр определяющий наличие транспортного средства, а, следовательно, и влияющий на ранжирование интенсивности -- это уровень амплитуды. Уровень амплитуды колебаний формируемого сигнала напрямую зависит от массы и скорости автотранспортного средства, который постепенно затухает в слое дорожной одежды и грунте при движении колебания от источника до точки измерения. Таким образом, затухание необходимо учесть при обработке в виде добавления поправочного коэффициента. Данный коэффициент должен учитывать затухания во всех слоях дорожной одежды и слое грунта, он зависит от модуля упругости среды, её влажности и толщины или расстояния, которое проходит волна. Данные характеристики основных слоев современных слоев дорожных одежд и грунтовых оснований приведены в [7].

Таким образом, определение интенсивности транспортного потока акселерометрическим методом заключается в регистрации колебаний грунта возле автодороги, идентификация каждой колесной оси и каждого проезжающего автомобиля и подсчете их за определенный промежуток времени.

Структурная схема алгоритма определения интенсивности представлена на рисунке 1. За основу была взята схема, предложена в работах Обертова Д. Е. для обнаружения автомобилей[8].

Рисунок 1 - Структурная схема алгоритма определения интенсивности

Помимо простого обнаружения на основе сравнении амплитуды получаемого сигнала с некоторым амплитудным пороговым значением и времени превышения этого порога с временным пороговым значением, могут также применятся обнаружитель на согласованном фильтре, квадратурный и адаптивный обнаружители.

Кроме этого, ранжирование интенсивности может быть произведено при помощи определения средней амплитуды общего вибрационного шума. Данный метод не позволяет определять класс проезжающих транспортных средств, но также и не требует сложных алгоритмов выделения каждого автомобиля на многополосной автодороге. Таким образом средний уровень амплитуды регистрируемого сигнала с акселерометра будет напрямую зависеть от интенсивности движения. При этом также необходимо учитывать характеристики грунта и слоев дорожной одежды.

2.РАНЖИРОВАНИЯ ИНТЕНСИВНОСТИ ТРАНСПОРТНЫХ ПОТОКОВ

Для ранжирования интенсивности, неоднородный транспортных поток необходимо привести к однородному, состоящему из одних условных автомобилей. Для этого, каждый автомобиль определяется в определенную группу по классификации, и приводится к условно-расчетному путем введения специальных поправочных коэффициентов: либо коэффициентов приведения к легковому автомобилю прописанных в [1], либо коэффициентов, рассчитанных под конкретную задачу, например, по выбросу вредных веществ в экологических мониторингах. Подобные коэффициенты так же вводят при расчете среднесуточной, среднемесячной и среднегодовой интенсивностях. Например, для расчета среднегодовой суточной интенсивности i-группы транспортных средств используют:

где m - количество выполненных учетов интенсивности движения;

К_СЧ - коэффициент часа;

K_СД - коэффициент дня недели;

K_СМ - коэффициент месяца.

3.МОДЕЛИРОВАНИЕ

В программе Matlab было проведено моделирование сигнала проезда легковых автомобилей с разными интервалами и скоростями, регистрируемые датчиками. Полученные сигналы были обработаны по вышеописанному алгоритму, а именно были взяты по модулю, сглаживались скользящим средним и по ним обнаруживались автомобили: путем сравнения с порогами обнаружения, оптимальным квадратурным и обнаружителем на согласованном фильтре.

Рисунок 2 - Взятый по модулю сигнал проезда одного автомобиля

Рисунок 3 - Обработанный сигнал проезда одного автомобиля

Таким образом, по результатом моделирования, с помощью данных алгоритмов, автомобили были обнаружены с точностью 96% квадратурным обнаружителем, с точностью 91% обнаружителем на основе согласованного фильтра и с точностью 83% простым обнаружителем, при отношении сигнал/шум 20Дб.

ЗАКЛЮЧЕНИЕ

В данной статье была проанализирована проблема недостаточной оптимизации алгоритмов ранжирования интенсивности транспортных потоков современными методами. Был предложен акселерометрический метод ранжирования, который согласно теоретическим исследованиям и результатам моделирования обнаружения автомобилей и подсчета интенсивности является жизнеспособным и перспективным. Таким образом, применения акселерометрических датчиков с целью ранжирования интенсивности транспортных потоков позволит оптимизировать алгоритмы обработки за счет значительного уменьшения объёмов входных данных и упрощения фильтрации шумов вследствие меньшего влияния городского шума и погодных условий.

СПИСОК ЛИТЕРАТУРЫ

1. ГОСТ 32965-2014 Дороги автомобильные общего пользования. Методы учета интенсивности транспортного потока.; Введен 8 сентября 2016 года. - М.: Стандартинформ 2016.- 26 с.

2. Никитин, А.В. Метод автоматизированного учёта, анализа интенсивности движения и состава транспортного потока использующий алгоритмы компьютерного зрения / А.В. Никитин, О.М. Калмыкова // ПЕРСПЕКТИВЫ НАУКИ - 2017 Материалы VII Международного заочного конкурса научно-исследовательских работ. - Казань: ООО "Рукета Союз", 2017. - с.136-141.

3. Якимов, М.Р. Инновационные технологии сбора данных интенсивности движения транспортных и пассажирских потоков. / М.Р. Якимов // Инновационный транспорт. - 2016. - №2(20). - с. 38-41.

4. Коваленко, А.О. Виброакустический метод идентификации параметров ав-томобилей и транспортного потока / А.О. Коваленко, А.Н. Котов, Н.В. Дорофеев // Машиностроение и безопасность жизнедеятельности. - 2016. - №2. - с. 20-23.

5. Коваленко, А.О. Алгоритмы определения характеристик транспортных средств по виброакустическим сигналам / А.О. Коваленко, М.Д. Бакнин, О.Р Кузичкин // Алгоритмы, методы и системы обработки данных. - 2017. -№2(36). - с. 78-84.

6. Викторов И. А. Звуковые поверхностные волны в твердых телах. -- М.: Наука, 1981. -- 287 с.

7. Проектирование нежестких дорожных одежд. Отраслевые дорожные нормы ОДН 218.046-01. Государственная служба дорожного хозяйства министерства транспорта российской федерации Москва 2001 г.

8. Обертов, Д.Е. Алгоритм идентификации классов транспортных средств при помощи акселерометров / Д.Е. Обертов, В.М. Бардов // Информационно-управляющие системы. - 2012. - №5(60). - с. 15-18.

Размещено на Allbest.ru