（电力系统及其自动化专业论文）一种基于感应线圈的车型识别系统.pdf

西南交通大学硕士研究生学位论文 第1 i 页 a b s t r a c t p a t t e r n r e c o g n i t i o n i so n eo ft h em o s t i m p o r t a n tr e g i o n s o fa r t i f i c i a l i n t e l l i g e n c e ( a j ) i ti si no r d e r t or e s e a r c hc o m p l i c a t e dp r o c e s so f d e a l i n gw i t h j n f o r m a t i o nw i t ht h e d e v e l o p m e n t o f c o m p u t e rt e c h n o l o g y ，p a t t e r n r e c o g n i t i o ni s u s e dt oa 1 、c o m p u t e re n g i n e e r i n g 、r o b o t 、n e r v e b i o l o g yet c w i d e l y , w h i c hb a s i ct h e o r ya n dm e t h o da r em o r er i c h e r t h ep a p e ri s b a s e do n t h eb a s i c t h e o r y o f p a t t e r nr e c o g n i t i o n ，a n dd o i n gd e e p l y r e s e a r c ha n d d i s c u s s i o na b o u tt h ea u t o m a t i cr e c o g n i t i o no fa u t o m o b i l et y p e a tp r e s e n t ，t h ea u t o m a t i cr e c o g n i t i o no fa u t o m o b i l et y p ei so n eo fi n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m ( i t s ) h o tt o p i c s ，w h i c hi st h ec o r eo f t h ec h a r g es y s t e m t h a td o e sn o tn e e ds t o pv e h i c l e ，a n dh a sp r a c t i c em e a n i n gi nf u t u r e t h et h e s i s c o n t e n tc a m ef r o mv a t a l t d r e q u e s t ，w h i c hi sav e h i c l ec l a s s i f i c a t i o ns y s t e m b a s e do ni n d u c t i v el o o pd e t e c t o r s ，m a d eu pw i t hd a t ac o l l e c t i o n 、s a m p l ew a v e c h a r a c t e re x t r a c t i n ga n da u t o m o b i l et y p ep a t t e r nm a t c h i n g t h i sp a p e ri n t r o d u c e s p r i n c i p l eo fd a t ac o l l e c t i o n a n dh a r d w a r ef r a m e ，a n d e x a m p l e ss o m ec o m m o na u t o m o b i l et y p eo f d a t aw a r ea tt h es a m et i m e a f t e r a n a l y z i n gd a t aa n dc o m p a r i n ga u t o m o b i l et y p eo fd a t aw a r e ，t h em a x - d a t aa s c r i t e r i o no fv e h i c l ec l a s s i f i c a t i o n ，w h o l es a m p l e sd a t aa sc h a r a c t e rp a r a m e t e r o f p a t t e r nm a t c h i n g b e c a u s eo fd i f f e r e n tv e l o c i t yt h r o u g hi n d u c t i v el o o pd e t e c t o r ，s a m p l ew a r eh a s f l e x i b i l i t y w h e nd o i n ga u t o m o b i l et y p ep a t t e r nm a t c h i n g ，i no r d e rt ok e e p s i m i l a rc h a r a c t e rc o n s i s t e n t ，t h ep a p e rp u tf o r w a r dt h ep r o j e c tt h a ts y m m e t r y d t wa n dn o n s y m m e t r yd t wu s et o g e t h e r b yu s i n gm a t l a b s o f t w a r e ，i v a l i d a t ef e a s i b i l i t yo f t h i sa r i t h m e t i c ，a n do b t a i na n t i c i p a t ee f f e c t k e yw o r d s ：i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ( 1 t s ) ；p a t t e r nr e c o g n i t i o n o p t i m i z a t i o np r i n c i p l e ；d t w ；s y n c h r o n i z a t i o nm a t c h i n g 西南交通大学硕士研究生学位论文 第1 页 第1 章绪论 随着经济高速发展，汽车数量急剧增加导致了已有的道路远不 能满足经济发展的需要，交通状况日益恶化。为了适应经济的发展， 一方面，人们不断铺设新道路；另一方面，人们开始利用现代科技 手段科学合理地组织交通，最大限度的挖掘现有交通设施的潜力， 进一步提高道路通行能力。因此，智能交通系统( i n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m ) 技术也就随之产生了。i t s 是将先进的信 息技术、通信技术、控制技术、传感器技术和系统综合技术有效集 成并应用于交通系统，从而建立起在大范围内发挥作用的、实时、 准确、高效的交通运输系统的保证。 1 1 智能交通系统( i t s ) 概况 1 1 1 智能交通系统( i t s ) 的发展 本世纪6 0 年代末期，美国开始了关于智能交通系统( i t s ) 技 术的研究，之后，欧洲、日本也相继加入这一行列。经过近4 0 年的 发展，美国、欧洲、日本成为世界i t s 研究的三大基地。目前，另 外一些国家和地区的i t s 也有相当的规模，可以说，全球正形成一 个新的i t s 产业，难以计算的大小项目正在开展，发展规模和速度 惊人，以“保障安全、提高效率、改善环境、节约能源“”为目标 的i t s 概念正逐步在全球形成。 在随后的2 0 年中，汽车车载电子元件发展很快，除了常见的收 音机及磁带放音机之类的产品外，那些能感应车辆运行情况并能提 供更好的车辆运行与控制的元件也得到了迅速的发展”1 。同时，网 络技术也被大量应用在交通信号控制与交通控制中心的核心部分。 交通控制中心用来处理与显示整个公路网络的交通信息，它能给正 在接近阻塞地区的司机提出适当的交通建议，以提醒司机改变路线 与降低车速”，。 西南交通大学硕士研究生学位论文 第2 页 一 在8 0 年代，随着计算机技术和软件技术的极大发展，使得人们 髭嗣计算极收集并处理大量数据，并按一定的娥则给连结论，恧这 些舰则是以相似人类经验为熬础的。这种人工智能已成功地应用在 各行业中，例如锓行、金融、飞祝导舷以及电予系统髋恢速诊断。 同样，微电予技术也促进了传感器与通信设施的极大发展，1 9 8 0 年 馕携式摄像飙出现了；露大家了鼹较少懿红钤成像传感嚣也取褥了 突破性进展一一能够最示黑暗中的图像“。这些技术开辟了i t s 的 醪究薪镶域，撼动了i t s 静全嚣发屣。 近些年来，在美国和欧洲，人们都热衷于地面运输现代化，包 括瑷有车辆积道路的彀技术疲用。霾本毽在放事一系列革瓤，毒熊 带来车辆与道路系统相互作用方式的极大改革。这些措施的目标都 是避过蠖援是遴菠木，以零到更裹水平懿运竣效率及安全性缆。鞫 前，部分改进技术已在公路系统中得到应用，丽部分车辆改进技术 在囊业中瞧褥到应塌。 在现有道路系统中，交通控制中心的计算机用于处理并显示来 源予交通绪号控摹l 机或道路两铡探测器妨数据。交通控制中心并不 知道每一辆车的目的地，而有关交通建议或咨询又必须基于实际或 者麓颦懿道路情况，因此，这羲要求考惑每日或每周戆交通模式。 交通控制中心不能及时知道交通事敞的发生或稃在其他道路障碍， 直到严重懿交逶疆塞形成之螽。曩静鲍事辍也没套装瓣仪器来探溺 前方道路的危险情况，例如路障。此外，车辆也没有没备把道路情 况擐告给交遥控测中一& 。迩虢是浚，蟊蔚，车辆莘藿遂爨系统还是羧 当成两个独立实体来实施运行与控制。 丽将来豹车辆与j 筵照系缓刘怒通过裰淘遴僖系统来交滚信塞 的。车载传感器将提醒司机前方存在一些不安全的路况。而这些传 感爨的数据被直接簧送绘交通控嘉l 中心，从丽撬供了鸯关存在道路 障碍的实时信息。通过车载计算机终端，司机键入当前位置，便可 得到他们备自路线豹特定指引。道路系统将知道车辆黪目的地和计 划路线，相应的变通建议则传送给司机以求最大限度地降低交通阻 塞。丽这蹙仅仅是将来车辆遂爨系统全帮涵义豹部分。当在她 系统中应用更强大的计算机时，他们便能对交通情况的改变作出迅 速及瘟，遮赣鬟器餐缝纯了。 随着计算机技术、信息技术、通信技术、电子控制技术等飞速 西南交通大学硕士研究生学位论文第3 页 发展，人们意识到利用这些新技术把车辆、道路、使用者紧密结合 起来，不仅能够有效地解决交通阻塞问题，而且对交通事故的应急 处理、环境保护、能源的节约等都有显著的效果。于是，人们开始 对运输系统进行全方位的重新审视，从而促成了智能交通系统的诞 生。智能交通系统是将先进的信息技术、计算机技术、数据通信技 术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智 能等有效地综合运用于交通运输、服务控制和车辆制造，加强了车 辆、道路、使用者三者之间的联系，从而形成一种定时、准确、高 效的综合运输系统。 目前，智能交通系统( i t s ) 大致的研究方向主要集中在交通控 制与管理、车辆安全和控制、旅行信息服务、交通中人为的因素、 交通模型开发、行政与组织问题、通信与广播技术、系统等方面。 另外，美国还很重视研究框架、通讯协议、道路周边范围使用和不 法行为处理等方面的研究。总体而言，这些主要的研究方向是希望 通过i t s 的研究开发，用系统的观点来对待运输系统，使现在独立 存在的车辆和道路设施及使用者能结合成一个整体，协同作用，最 终形成一个快速、安全、方便、舒适、准时的大交通运输系统”1 。 智能交通系统的主要目标就是比以往在更广泛形式上将信息技 术运用到公路运输系统，以及利用最新的有用信息将驾驶员、车辆、 道路设旌集合成为一个广泛的综合系统。 1 1 2 智能交通系统( i t s ) 的组成 由参考文献 5 可知，根据用户功能不同，智能交通系统( i t s ) 可以划分成以下6 个方面( 见图i - i ) ： ( 1 ) 先进的交通管理系统，包括：交通事故检测技术，路径诱 导技术，路测通讯技术，交通预测技术，不停车收费技术和停车诱 导技术。 ( 2 ) 先进的公共交通系统，包括：公共信息系统，公交智能调 度系统，公交定位系统，公交票制电子车票系统，公交专用车道系 统，公交需求管理系统。 ( 3 ) 交通信息服务系统，包括i 车辆交通信息服务系统，社会 交通信息服务系统。如高速公路路边设立的实时信息通告牌。 ( 4 ) 电视监控系统，包括：视频检测技术，交通电视监控技术。 堕堕銮望奎堂堡主婴窒生堂焦笙茎 笙兰夏 h _ 一一一 ( 5 ) 车辆安全系统，包括：车辆自动驾驶系统，车辆防碰撞系 统。 ( 6 ) 物流管理系统，包括：货物集散系统，物流计算机管理系 统。 图卜li t s 组成 1 2 不停车收费系统的概述 公路是一个国家的重要基础设施。公路发展水平是一个国家或 地区经济发展水平与社会进步的一个重要标志。在我国，随着经济 的发展，国家公路也在蓬勃发展，特别是改革开放以来，城市内道 路建设和城市间道路建设异常迅速。城市间的道路建设以高速公路 建设为主，所谓高速公路，就是利用分离的车行道运载往返行驶交 通车辆的道路。它的两个车行道用中央隔带分开：与其他任何铁路、 公路不允许有平面交叉；禁止从路侧的任何地方直接进入公路；禁 止汽车以外的任何交通工具出入1 。由于高速公路汽车可以在较高 的速度下安全行驶，不用担心来自横向和对面的干扰，确保了安全 畅通，解决了公路混合交通的问题，提高道路通行能力。 1 2 1 我国高速公路收费系统的现状 众所周知，高速公路属于有偿使用道路，因此，收费系统是高 速公路运输系统的重要组成部分。由参考文献 7 可知，高速公路收 费系统包括收费制式选择、收费方式确定及收费标准制定。公路收 西南交通大学硕士研究生学位论文第5 壅 一 一 费一般按道路的长短、出口的多少分为开放式收费( 即该路车辆每 通过一次收费一次) 和封闭式收费( 从起点到终点有多个出口，车 辆按行驶里程计算) 。而收费方式归纳起来有以下几种： ( 1 ) 简单传统的收费方式，人工判车型人工收费： ( 2 ) 电子器械判车型、人工收费、计算机管理； ( 3 ) 人工判车型、人工收费、机器辅助检测监督控制、计算 机管理； ( 4 ) 人工判车型、人工收费、实时视频监控； ( 5 ) 全自动磁卡收费系统； 无论哪种收费方式，都必须按照一定的车辆类型标准来收费，我国 高速公路车型分类以车辆的抽象参数为依据，即货车按照额定载重， 客车按照座位数分类( 以车辆行车证为准) ，而且各条高速公路车型 划分标准也不尽相同1 。表卜1 是河北省收费车辆典型分类标准。 从以上介绍内容可以看出，高速公路的收费方式不同，造成了 不同程度的漏洞，而且有些漏洞还相当大，例如，收费员私吞票款： 少数驾驶员冲岗逃票等，造成了很大的经济损失。而且这种分类方 法也产生了很多问题，例如，同样一辆货车，空车、满载、超载对 路面破坏程度不同，收费却相同；有的客车座位少。丽车重大、车 身长，按现行车型分类标准却划分为小型车。出现这些问题的原因 是我们还没有一套好的切实可行的收费手段和工具。因此，传统收 费方法的缺点变的越来越突出。另外，当车流量增加时，收费站前 很容易形成交通阻塞现象，影响了高速公路运输系统的正常运行。 针对上述情况，高速公路运输系统需要引入更先进的收费系统。 目前，不停车自动收费系统是解决在道路用地紧张，交通不断增大 的情况下，车辆收费问题的重要手段”1 。 1 2 2 不停车自动收费系统的基本概念和组成 所谓不停车自动收费系统就是利用先进的电子技术手段，使车 辆不需要停车就可以收取通行费用的高性能自动化系统。不停车自 动收费系统包括自动车型识别系统和电子计费技术。自动车型识别 是实现不停车自动收费系统的核心技术，所谓自动车型识别是当车 辆通过特殊点时，不需要司机和观察者采取任何行动，就能精确快 速识别通过车辆身份的技术，它除了在公路自动收费系统中应用外， 西南交望盔兰堡主堡塞竺堂垡笙茎 篁! 壅 在公路运输方面都有着潜在的应用。总的来说，自动车型识别系统 实际上由三个功能部分组成，即车载收发两用机：路边读取单元： 用于处理和存储数据的计算机系统。 电子计费系统则是通过电子卡或电子标签由计算机自动收费， 可使所有地区交通收费包括使用道路费、运输费和停车费等实现自 动化，以减少用现金收费所产生的延误，提高道路的通行能力和运 营效率，并可为系统管理提供准确的交通数据。它采用的是先进的 电子扫描技术“。 表卜1 河北省收费车辆分类标准 1 2 3 车型自动识别技术的现实意义 综上所述，研究自动车型识别技术对高速公路收费系统有着重 要意义。自动车型识别技术可以促进不停车收费系统的发展，消除 人为因素产生的漏洞，既可减少大量的收费人员，又可减轻收费人 员的工作强度，降低高速公路建设成本，提高高速公路交通管理的 自动化程度，为最终建立智能交通系统( i t s ) 奠定良好的基础。 1 3 本论文的主要工作概述 西南交通大学硕士研究生学位论文 第7 页 本论文首先介绍了智能交通系统( i t s ) 的发展历史及现在的热 点研究方面，根据我国高速公路收费系统的发展现状及其存在的问 题，重点介绍了智能交通系统( i t s ) 研究的一个方面一一不停车自 动收费系统。不停车自动收费系统包括自动车型识别系统和电子计 费技术两部分，其中自动车型识别系统是核心部分。该技术具有重 要的现实意义。 本论文主要工作是围绕自动车型识别系统研究与设计展开的。 通过阅读大量中外文献，结合优创集团泛安科技开发( 石家庄) 有 限公司关于保定至天津高速公路机电设备更新项目要求，提出了一 种基于感应线圈的车型识别系统设计方案，论文详细介绍了该系统 的数据采集原理及实现，采样数据的预处理，采样数据的特征选择 和提取以及基于d t w 算法的车型模式匹配原理。最后，论文通过 实例仿真，证明了d t w 算法在车型模式匹配中具有良好的实用性， 车型识别结果达到了预期效果。 西南交通大学硕士研究生学位论文第8 页 第2 章模式识别基本理论 模式识别是近3 0 年来得到迅速发展的一门新兴学科。严格地 说，模式识别不是简单的分类学，它的目标包括对于系统的描述、 理解与综合。模式识别的高级阶段是通过大量信息对复杂过程进行 学习、判断和寻找规律。从本质上讲，模式识别是数据处理及信息 分析：从功能上讲，可以认为它是人工智能的一个分支m 。 2 i 模式识别的基本概念 2 i i 样品与特征 在模式识别中，我们用大写字母x 、】，或z 来表示样品，用相 应的小写字母x 、y 或z 表示样品的特征。如果对每个样品x 共取n 项特征，便可把x 看成甩维空间中的一个点或一个列向量，记作 x = x j x 2 = g 一：，b ) 7 如果一批样品有个，我们可以把它们分别记作z ，点，出， 形。如果一批样品分别来自川个不同的类，来自第一类的样品有 个，来自第二类的有2 个等等，则可把类号加上圆括号附在样品名 的右上角，即写作 ”- ，”。，”m ”，”。，”。，w 。 其中记号x o 表示第类的第f 个样品。如果一批样品共有个，而 每个样品又对应有月个特征值，这些数值就可以构成一个月行n 列 的矩阵，成为原始资料矩阵，记作 一 西南交通大学硕士研究生学位论文第9 页 x l ix i2 x 2 lx 2 2 x iz f 2 x n lx 月2 2 1 2 均值与方差 x u x 2 j x ” _ x w z f - x n n 均值与方差以及本节所介绍的另外一些变量都是概率论与数理 统计中的概念，在模式识别中，它们可以用来估计或描述一批数据 的总体性质。 1 均值 个数的平均值计算公式是 一 11n x 2 专“+ x z + - + h ) 2 专善o ( 2 - 1 ) 同样，个样品的均值公式是 = v g x ，= ( ；，孔，；。) 7 ( 2 2 ) 刮 其中z ，是x i lx ，2 ，x ，。的平均值，即 ；，= 专喜x ， c z s ， 2 方差和均方差 方差是用来描述一批数的分散程度。个数的方差公式是 “而1 萎n ( 矿- ) 2 ( 2 - 4 ) 方差的平方根称为均方差，即 d = j 2 = 丽 ( 2 5 ) 3 协方差 一 西南交通大学硕士研究生学位论文 第1 0 页 在个样品中，第i 个特征和第j 个特征之间的协方差定义为 铲击艺( h 一孤一一x j ) ( 2 删 如果一批样品具有n 个特征一，x ：，矗，求出每两个特征之间 的协方差，总共得到h 2 个值，它们可以排列成以下的n 月矩阵： s = s l h s 2 n s h ls h 2 5 n h 协方差矩阵具有以下的性质： ( 1 ) s 是对称矩阵，即s ，= j ，f ，= 1 , 2 ，3 ，”。因此，计算 时只要求出它的上三角或下三角部分即可。 ( 2 ) s 的主对角线元素s 。就是特征x ，的方差值。 粗略地说，协方差呀反映了样品特征x ，x ，的分散程度和相互关 系。 4 离差 在j v 个样品中特征x 。与x ，的离差定义为 = ( - 一x ，) ( 一i ) ( 2 7 ) 对比上式与公式( 2 - 6 ) ，可知离差等于协方差j 。的一l 倍。 2 1 3 距离与相关系数 模式识别中的各种方法说到底无非是研究样品与样品、特征与 特征之间的关系。这些关系是通过距离或相关系数这样一些量来表 达的，更一般地说，是通过各种“相异度”和“相似度”度量来表 达的。 西南交通大学硕士研究生学位论文 第l l 页 距离是描述两个样品之间相异程度的量。最常使用的距离公式 是欧氏距离。如果已知两个样品置= ( _ ，x ：，x 。) 7 和 x 。= ( x l j , x ：。) 7 ，则它们之间的欧氏距离定义为： 嘞= 厄可i i 再= 石了万 厂。 ! 。f ( x 扩) 2f ( 2 8 ) l k - - 1j 有些情况下，可以把x ，与x ，之间的夹角作为衡量它们之间关 系的标准。样品向量之间的夹角可以通过计算余弦来度量。x ，与x ， 之间的夹角余弦公式为 c 。= 砉x 。x 。 c l k - - ：ix ：，c 蔓k - - ：ix j ， c z 一。， 女；l ，lj 根据三角学和解析几何中的结论可知： 一1 f 。s 1 。当c 。= 1 时，x 与x ，共线且方向相同，即二者最相似：当c ，= - i 时，二者最不相似。 因此，夹角余弦实际上是一种相似性度量。具体在度量两个样品之 问的关系时，如何使用二者，要参考问题的物理意义来决定。 度量特征之间关系的问题是度量样品关系的反问题。只要把每 个特征看作向量或点，而把样品看作坐标，那么距离和夹角余弦公 式都可以来度量特征之间的关系。但是，在比较两个特征的关系时， 通常很少使用距离而较多使用相关系数。特征x ，与x 。的相关系数公 式为 西南交通大学硕士研究生学位论文第1 2 页 ( x 。- - 一x ，) ( x 止一；，) r = ! ：i 一 。l 博撕) ( 喜( 和) 必 i = 1 女；1i 其中x r 和x ，是特征x 。和z ，的均值。0 的性质与c q 相同。 2 1 4 资料的标准化 ( 2 1 0 ) 标准化是对原始资料或数据的一种预处理，其作用是消除测量 时所用量纲对数据的影响。在大部分模式识别过程中，这一步是十 分必要的。资料的标准化分为极差标准化和标准差标准化。 一批样品中每个特征的最大值和最小值之差称为这个特征的极 差，即 月，2 m l s ，a s x x 一i m s ，s i n x , ” ( 2 1 1 ) 利用极差可以把原始资料标准化。每个特征b 极差标准化公式 如下： x ；= ( x 。一一x i ) r ， ( 2 1 2 ) 显然，在新的资料矩阵中，每个特征的极差都将化为1 。 在极差标准化的公式中把极差尺，换成均方差占，就得到标准差 标准化公式： x ：= ( 一x i ) 8( 2 - 1 3 ) 2 2 模式识别系统的主要环节 功能完善的识别系统在进行识别之前，首先要进行学习或对它 进行训练，就是说，这包括两个过程一学习训练和识别分类。一个 模式识别系统原理框图如图2 - 1 ，需要指出的是，应用目的不同、 西南交通大学硕士研究生学位论文 第1 3 页 对象知识多少不同、采用的分类识别方法可能不同，采用的学习方 法也可能不同，针对具体问题的分类识别系统和过程也将有所不同。 塑叫黧始h 鬣萎与m 堕p 叫特征提取+ | 特征选择叫：二：r _ 一 型竺! ! ：! 一数据采集、原始l - j 特征提取与 l 特征提取ji 特征选择 划笋差萎 改进特征提 取与选择 改进分类 识别规则 萎蓑搿l 惯率类识别规则ll 测试 2 2 1 聚类 图2 - 1 模式识别系统原理框图 前面已经说过，模式识别简言之就是对客观对象或样品进行分 类的学科。现在假定在分类时除去原始资料( 即各个样品及其特征 数值) 之外，没有其他关于分类的先验知识，因而我们进行分类的 唯一依据是各个样品点的坐标。换句话说，聚类的任务就是根据各 个样品点之间的相互关系把它们划分成一些类，使得每个类内的各 点在某种意义下彼此相似，而属于不同的点则具有不同的性质。 聚类方法是多种多样的，最常用的方法是降维对分方法。该方 法的基本思想是把高维空间中的各样品点映射到2 维平面上，并把 它们聚为两类。降维对分方法虽然具有简单直观的优点，但也存在 些不足之处：第一，它每次只能把全体样品聚为两类，而样品的 实际类数并不一定恰好是2 的整数倍。第二，尽管有时加入迭代运 算的思想，但仍然不免受到初始参考点的影响。最后，这种方法也 受到样品分布形状的限制”。 和降维对分方法相比，其他方法通常是在高维特征空间中直接 西南交通大学硕士研究生学位论文 第1 4 页 进行聚类，而不是把样品点映射到平面上。但所有这些方法大都可 分为以下三个主要步骤： 1 初始分类 初始分类通常包括两个方面的问题：第一，分成几类? 降维对 分法把全体样品点分为两类，而有些方法开始把各点分成类，即 每点各自为一类，以后再不断合并。还有些方法开始时把全体点当 成一类，以后再不断分开。一些精细的方法则根据样品的结构来确 定类数。第二，怎样分类? 降维对分法由人为方法确定初始参考点， 再根据它们去分类。有些方法可以自动选择初始参考点。当然，由 使用者根据经验进行初始分类也是可以的。 2 逐步调整 这一步要注意两个问题：第一，根据什么标准进行调整? 降维 对分法根据各点到两类均值的欧氏距离来调整。调整的标准决定着 方法的适用范围。第二，调整速度怎样? 由于迭代法一般要反复进 行多次，所以必须考虑在速度上是否足够快的问题。 3 终止标准 降维对分法用前后两次分类的结果是否相同作为终止标准。一 般地说，可以选择一个反映聚类效果的“目标函数”，当这个函数达 到最优值时停止调整“。 2 2 2 特征提取及选择 无论是识别过程还是学习过程，都要对研究对象固有的、本质 的重要特征或属性进行测量并将结果数值化，或对目标进行分解产 生基元并对其符号化，形成特征矢量或符号串、关系图，从而产生 代表对象的模式，模式类中的个体在有些场合中称为样本。用于学 习与训练的样本应该是已知的。另外，在进行特征提取之前还需要 对目标的信息载体进行必要的预处理“”。 在使用模式识别方法时，研究对象特征的引入通常要经历一个 从少到多，又从多到少的过程。所谓从少到多，是指在设计识别方 案的初期阶段应该尽量多地列举出各种可能与分类有关的特征。这 样可以充分利用各种有用的信息，吸收各方面专家的经验，改善分 类的效果。 但是，特征的无限增加对于分类也会带来不利的影响。首先， 西南交通大学硕士研究生学位论文 第1 5 页 特征的增加会给计算带来困难，因为过多的数据要占用大量的存储 空间和计算时问。其次，大量的特征中肯定会包含许多彼此相关的 因素，从而造成信息的重复和浪费。最后，特征数是与样品点数有 关的，当样品点数固定时。过多的样品特征数会造成分类效果的恶 化。 因此，为了节约资源，节约计算机的存储空间、机时、特征提 取的费用，有时更是为了可行性，在保证满足分类识别正确率要求 的条件下，按某种准则尽量选用对正确分类识别作用较大的特征， 使得用较少的特征就能完成分类识别的任务。这项工作表现为减少 特征矢量的维数或符号字符数。对特征选择包括两方面内容：一方 面是对单个特征的选择，即对每个特征分别进行评价，从中选出那 些对识别作用最大的特征。另一方面是从大量原有特征出发，构造 少数有效的特征。 2 2 3 学习和训练 为有效地让机器具有分类识别功能，如同人类自身一样，人们 应首先对它进行训练，将人类的识别知识和方法以及分类识别对象 的知识输入机器中，产生分类识别的规则和分析程序，这也相当于 机器进行学习。这个过程一般要反复进行多次，不断地修正错误、 改进不足，包括修正特征提取方法、特征选择方案、判决规则参数 及方法，最后使系统正确识别率达到设计要求。目前，机器的学习 常需要人工干预，这个过程通常是人机交互的。 2 2 4 分类识别 分类识别是另一种情形下的分类问题。如果除去原始资料之外 还知道了某些点的类别，并要求从这些条件出发去寻找某种判别函 数或判别标准，然后利用它们去判断还不知道类别的点应该属于哪 一类，这样的问题为分类识别。分类识别与聚类的不同点是：类数 已经确定，并且已经知道了一批已分类的点删。 在学习、训练之后，所产生的分析规则及程序用于未知类别对 象的识别。需要指出的是，输入机器的人类分类识别的知识和方法 以及有关对象知识越充足，这个系统的识别功能就越强，正确率就 越高。有些分类过程似乎没有将有关对象类别的特征分布知识输入， 西南交通大学硕士研究生学位论文 第1 6 页 实际上在选择相似测度及采用哪种聚类方法时已经用到了对象的一 些知识，也在一定程度上加入了人类的知识。 分类识别的关键问题是设计判决函数或算法的模型，然后根据 训练集中的各个样品确定模型中的参数，便可以将这些模型用于判 别。 以上给出了模式识别系统的原理框图及各个环节的概述。从一 定意义上可以况。模式识别主要包括三个核心理论和技术：第一， 特征提取与选择；第二，学习训练算法；第三，分类与识别算法。 其中特征提取与选择是至关重要的，它关系到学习算法的选择和学 习效率，关系到分类识别算法的选择与识别的正确率，一定意义上 讲，它关系到一个识别系统是否有效。 2 3 模式识别的基本方法 针对不同的对象和不同的目的，可以用不同的模式识别理论、 方法。其中最基本的方法有统计模式识别方法和结构模式识别方法。 决策论模式识别方法一般称为统计模式识别方法，它是从被研 究的模式中选择能够代表它的若干特征( 设有d 个) ，每一个模式都 由这d 个特征组成的在d 维空间的一个d 维特征向量来代表，于是 每一个模式就在d 维特征空间占有一个位置。一个合理的假设是同 类的模式在特征空间相距很近，而不同类的模式在特征空间则相距 很远，这是因为相距近的模式意味着它们的各个特征相差不多，从 而在同一类中的可能性也较大。如果用这种方法来分割特征空间， 使得同一类模式大体上都在特征空间的同一个区域中，对于待分类 的模式，就可以根据它的特征向量位于特征空间中哪一个区域而判 定它属于哪一类模式。决策论模式识别的任务就是用不同的方法划 分特征空间，使得识别的目的得以实现。 结构模式识别方法立足于分析模式的结构信息。至今比较成功 的是句法结构模式识别方法。这种处理方法，是用一些比较简单的 子模式组成多级结构来描述一个复杂模式。把模式的分层结构类比 于语言中旬子的构造，这样就可利用形式语言学的理论来分析模式。 大家知道，句子由单词按照文法规则构成。同样，模式由些“模 式基元“按照一定的结构规则组合而成。“模式基元”确定必须遵 西南交通大学硕士研究生学位论文 第1 7 页 循它本身识别起来比识别模式本身容易的多的原则。分析模式如何 由基元构成的规则就是结构分析的内容，这相当于在形式语言学中 对一个句子作句法分析。句法结构模式识别就是检查代表这个模式 的句子，是否符合事先规定的某一文法规则。如果符合，那么这个 模式就属于这个文法所代表的模式类。除了分类的信息外，句法结 构法还能给出模式的结构信息。 这两种识别方法是并行不悖的，是可以取长补短的。统计方法 发展较早，取得了不少应用成果，但是它对模式本身的结构关系很 少利用，而很多识别问题，并不是用简单的分类就能解决的，往往 更重要的是弄清楚这些模式的结构关系。另一方面，简单的句法结 构方法没有考虑到模式所受到的环境噪声的干扰等不稳定因素的影 响。因此，把这两种方法结合起来是研究模式识别问题的一个方向。 要指出的是，句法结构模式识别方法中关键的基元选择要用统 计识别方法得到，所以可以说，统计方法是模式识别基础。 另外，随着模式识别理论和相关技术的发展，在此两种方法的 基础上，人们又研究出了模糊数学识别方法、神经网络法及人工智 能法，并且在实际工作中的作用越来越突出。由于文章篇幅有限， 下面仅简要介绍一下以上三种方法。详细内容请参考文献 1 6 ，17 。 模糊数学是对客观事物更自然、更贴切的表达。模糊数学与模 式识别的结合也使得对客观事物的模式识别更为贴切、自然。模糊 识别方法是以模糊数学理论为指导思想，主要针对识别对象本身的 模糊性或识别要求上的模糊性，实现模式识别的方法。一般模糊模 式识别分为直接法和间接法。直接法识别的对象是单个确定的元素， 常用原则有最大隶属原则、最大隶属度原则、值原则等。当实际问 题的识别对象不是单个元素而是论域上的一个模糊子集时，一般采 用间接方法，通过计算模糊子集的内积、外积、贴近度，利用择近 原则求得结果。 人工神经网络是由大量简单的基本单元一神经元相互联接而成 的非线性动态系统，每个神经元结构和功能比较简单，而由其组成 的系统却可以非常复杂，具有人脑的某些特性。在自学习、自组织、 联想及容错方面具有较强的能力，能用于联想、识别和决策。在模 式识别方面，与前述方法显著不同的特点之一是训练后的神经网络 对待识模式特征提取与分类识别在该网络可以一同完成。 西南交通大学硕士研究生学位论文第1 8 页 人工智能法是研究如何使机器具有人脑功能的理论和方法，模 式识别从本质上讲就是如何根据对象的特征进行类别判断。因此， 就可以将人工智能中关于学习、知识表示、推理等技术用于模式识 别。 西南交通大学硕士研究生学位论文 第1 9 页 第3 章数据采集单元设计 数据采集技术是信息科学的一个重要分支，它研究信息数据的 采集、存储、处理以及控制等作业。在智能仪器、信号处理以及工 业自动控制等领域，都存在着数据的测量与控制问题。将外部世界 存在的温度、压力、流量、位移等模拟信号转换为数字信号，再收 集到计算机并进一步予以显示、处理、传输与记录这一过程，即称 为“数据采集”。相应的系统即为数据采集系统“。 随着计算机技术水平和传感器技术的发展，数据采集技术水平 也不断地提高，数据采集系统得到了完善。数据采集技术己在雷达、 通信、水声、遥感、地质勘测、无损检测、语音处理、智能仪器、 工业自动控制以及生物医学工程等领域有着广泛的应用。图3 1 示 出数据采集技术与外部模拟世界的关系。 传感调理转换 模 一传感器i _一信号调理la 。cl _ 拟 世 界i 信号调理 h k 一 d a c 界面 模拟i 数字 图3 1 在模拟世界中数据采集系统 西南交通大学硕士研究生学位论文 第2 0 页 3 1 数据采集单元组成 根据公司工程项目设计要求，结合高速公路收费系统的特点， 该数据采集单元由两部分组成，车辆检测单元和波形数据采样单元。 车辆检测单元主要的任务是检测是否有车辆进入收费车道，而波形 数据采样单元则根据车辆检测系统的检测结果，决定是否进行波形 数据采样。 车辆检测单元是高速公路道路监控系统中不可缺少的组成部 分，主要是通过数据采集和设备监视等方式，向监控系统中的信息 处理和信息发布单元提供各种交通参数，作为监控中心分析、判断、 发出信息和提供控制方案的主要依据“。般而言，高速公路车道 控制设备配置图如图3 2 所示。图中所有的感应线圈均埋在地下， 收费系统主要有车检单元、车型识别单元、收费单元和栏杆机控制 单元组成。车检器线圈用于判断是否有车进入车道，如果判断有车 进入车道，那么就启动车型识别单元进行数据采样，当车辆完全通 过识别线圈后另外，收费单元等待识别结果，当车型识别单元输出 结果后，收费单元执行相应的收费程序，待所有程序完毕后，启动 栏杆机放行车道里的车辆。其中栏杆机控制单元的工作原理与车检 单元的工作原理相同。 另外，车辆检测单元也可以单独作为一个控制单元，应用到城 市交通控制系统中。例如，闯红灯违章自动监视系统( 俗称“电子警 察”) 。 西南交通大学硕士研究生学位论文 第2 1 页 3 2 车辆检测单元总体设计 3 2 1 检测传感器的选择 目前，用于车辆检测的传感器种类繁多，按照检测传感器的工 作原理进行分类，可以划分为电接触式、光电式、电磁感应式、超 声波式、红外线式等多种类型。而现在具有代表性的是按照检测传 感器的工作方式及工作时的电磁波波长范围，将检测器大致可分为 三类，即磁频检测类、波频检测类、视频检测类”。 常用磁频检测类传感器主要包括感应( 环形) 线圈检测器、磁性 检测器、地磁检测器、微型线圈检测器以及磁成像检测器。其中感 应( 环形) 线圈检测器是目前国内外使用最为广泛的车辆检测装置。 除了磁成像检测器以外的其它磁频检测器都是在检测磁场变化的基 础上工作的。将这些检测器与能够测量磁场变化量的电子装置连接， 就可组成实用的车辆检测系统。例如，将装在磁性检测器上的带有 防护套的小线圈与电子放大器连接，使用时将具有高磁导率的线圈 埋置于路面下，当车辆靠近或通过线圈时，穿过线圈的磁场发生变 化，从而在线圈内产生感生电压，使放大器发出车辆通过的信息。 这样就实现了车道是否有车辆通过的目的。虽然这种检测系统设计 简单，但仅能检测车辆的通过且对车速有下限限制，所以使用范围 并不广泛。 磁成像检测器是由近期研究成功的磁成像技术为基础的。它测 量由于车辆通过而引起的电磁场扰动或变化，通过与已记录的不同 结构车辆的磁纹相比较，就可以测出车辆的构造、车型等重要参数， 理论上可以将卡车与小车分离出来，但由于该技术及其相关技术还 有待进一步完善，在实际中使用的情况很少”“。 波频检测类传感器包括有雷达( 微波) 检测器、超声波检测器、 光电检测器以及红外线检测器。前两种检测器的工作原理相似，它 们f 由检测器部件在收费车道顶蓬向下发射一波束，车辆通过这些波 束时，引起波束反射回发送部件( 天线) ，利用车辆进入检测区和离 开时产生的两个脉冲或产生的频移，即可换算成所需要的交通参数。 显然检测器需要运动的车辆驱动，且车速缓慢或静止时，根据多普 勒效应原理，检测系统会失效。并且，随着被检车辆的大小、形状 西南交通大学硕士研究生学位论文 第2 2 页 一 一 和材料的变化，检测效果可能导致较大偏差。同时，易受天气环境 和检测器周围通过的其他物体影响，产生反射波而造成误检。 光电检测器是利用光电管或红外线束检测器来接收中断或反射 光束，常见的是由位于道路一侧的发光器和位于道路另一侧的光电 探测器组成。当车辆通过时，即中断光束并探测器产生输出信号， 从而记录下被检车辆。而红外线检测器是利用检测热辐射红外线原 理工作的。这两种检测器的不足之处是设计受路面结构影响大，安 装成本相对较高，控制系统对软、硬件设计要求高。 视频车辆检测器系统是在传统的电视监视系统的基础上发展起 来的。一方面先进的视频检测系统是由车辆检测技术、摄像机和计 算机图像处理技术三者有机结合构成，以达到大范围检测和识别车 辆的目的；另一方面，如同传统的车辆检测器一样，视频系统向交 通监控中心提供图像和交通参数，同属信息采集部分。因而，目前 国内外专家致将视频车辆检测器系统归入广义车辆检测器的范 畴。 车辆检测和大范围的实时交通数据采集是目前智能车路系统和 先进的交通管理系统中最薄弱的环节之一，将传统的车辆检测器应 用于先进的交通控制，明显感到检测能力和可靠性不足，丽这类问 题可通过视频车辆检测系统解决，该系统不仅具有多点布设、无线 检测能力，而且还能获得车辆密度、排队规模以及常规检测器很难 得到的停车次数、车辆尺寸等重要交通参数。但目前的问题是计算 机图像处理的实时性较差，而且车辆检测精度受到整个系统的软、 硬件的限制。只有随着图像信号处理技术的进步和微电子技术的发 展，视频车辆检测技术才能得到更广泛的应用”“。 综上所述，各类车辆检测器各有优缺点，结合当前实际应用经 验，磁频车辆检测类传感器被广泛使用。特别是感应环形线圈检测 器应用最为广泛，由于环形线圈设计灵活，且不受路面影响，根据 多个环形线圈检测器的输出信息还可以确定车道占