（光学工程专业论文）高速公路不停车收费系统的车型分类器研究.pdf

摘要 车辆类型的自动分类识别是高速公路收费自动化、管理规范科学化的重要前提。 本文选定晟新国家统一标准收费公路车辆通行费车型分类作为本课题的车型分类的标 准。通过对国内高速公路行驶的主要车辆的统计归纳建立了一个完整车型样本库，将具有代表 性的车型参数录入数据库。通过比较判别式分析、多层感知器、决策树、n e f c l a s s 等常用的 数据处理模型，最终选择了n e f c l a s s 作为数据处理模型。 通过对车型数据进行单参数分析和双参数分析，直观地得到与类型相关度较大的车型参数。 本文在分类过程中设计了三个方案，将上述所得的参数进行组合应用于这三个方案中，并使用 n e f c l a s s - j 丁具进行了车型自动分类器的设计，确定了各自的模糊分类规则和模糊集。 验证表明：这三个方案的分类正确率分别达到8 2 3 、8 8 3 、9 1 7 。通过对三个方案对 比分析表明方案二更加实用，并根据方案二初步完善了车型分类系统。 关键词：车型自动分类，车型参数，模式识别，i 旺f c l a s s 数据处理模型 a b s t r a c t a u t o m a t i cv e h i d ec l a s s i f i c a t i o n ( a v c ) i si m p o r t a n tf o ra u t o m a t i cc h a r g i n ga n da d m i n i s t r a t i n g s y s t e mo nh i g h w a y i nt h i sd i s s e r t a t i o n ，t h en e w l ye n a c t e ds t a n d a r d v e h i c l ec l a s s i f i c a t i o no ft h et o l lf o rh i g h w a y si s a d o p t e d a c c o r d i n gt ot h es t a t i s t i c so fm a i nv e h i d c sr u n n i n go nt h eh i g h w a y , ar e l a t i v e l yi n t e g r a la n d p r a c t i c a b l ev e h i c l et y p ed a t a b a s ei sc r e a t e da n ds o m eo fp a r a m e t e r so fv e h i c l ea r ec h o o s e d m a n yd a t a p r o c e s s i n gm o d e l si nc o m m o n u s ea r ec o m p a r e ds u c ha sd i s c r i m i n a n ta n a l y s i s , m u l l i l a y e rp e r c e p t r o n ， d e c i s i o nt r e ea n dn e f c l a s s ，f i n a l l yn e f c l a s sm o d e li sc h o o s e da sd a t ap r o c e s s i n gm o d e l + a c c o r d i n gt os i n g a l p a r a m e t e ra n a l y s i s a n dd o u b l e - p a r a m e t e ra n a l y s i sa r ef u l f i l l e d ，t h e c h a r a c t e r i s t i cp a r a m e t e r sa r ec h o o s e d a n du s et h e s ep a r a m e t e r si nt h r e ep l a n st h a ta r ed e s i g n e di n d a t ap r o c e s s i n g 。af u z z ) , 一n e u r a la r i t h m e t i cm o d e l ( n e f c l a s s ) i sa d o p t e dt oc r e a t eav e h i c l e c l a s s i f i e rf r o ml e a r n i n gt h ev e h i c l ed a t a s , a n do b t a i nt h ef u z z yr o l e sa n df u z z ys e t s v a i d a t i o ni n d i c a t e st h a tn i c e t yr a t e sa r e8 2 3 ，8 8 - 3 a n d9 1 7 o ft h et h r e ep l a n s c o m p a r i n g t h e s et h r e ep l a n sw i t ha d v a n t a g e sa n dd i s a d v a n t a g e si n d i c a t e si h a tt h es e c o n di sm o r eb a n a n s i c ，a n d p e r f e c t i n gt h ea u t o m a t i cv e h i c l ec l a s s i f i c a t i o ns y s t e mb a s e do nt h es e c o n dp t a n k e yw o r d s ：a u t o m a t i cv e h i c l ec l a s s i f i c a t i o n ，v e h i c l ec h a r a c t e r ，p a t t e mr e c o g n t i o n ，n e f c l a s s d a t ap r o c e s s i n gm o d e l 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已 经发表或撰写过的研究成果，也不包含为获得中国农业大学或其它教育机构的学位 或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示了谢意。 研究生签名：强音 时间：2 卵石年g 月，弓日 关于论文使用授权的说明 本人完全了解中国农业大学有关保留、使用学位论文的规定，即：学校有权保 留送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。同意中国农业大学可以用不同方式在不同媒体上 发表、传播学位论文的全部或部分内容。 ( 保密的学位论文在解密后应遵守此协议) 研究生签名：锹青 导师签名： 摩 时问：孙年6 月哆日 时间：2 。d f年6 月，；日 中国农业大学硕士学位论文 第一章绪论 第一章绪论 1 1 不停车收费系统及车型自动分类技术的概述 不停车收费系统，又称电子收费系统 ( e l e c t r o n i ct o l lc o l l e c t i o ns y s t e m ，简称e t c 系 统) ，是在传统收费的基础上j ”泛采用现代高新技 术，尤其是电子和通信方面的技术，在车辆运动 的情况下，通过无线通信技术使安装于车辆上的 某种专用设备( 又称车载单元) 和设置在收费车 道或路侧的装置( 又称路侧单元) 之间进行通信 和信息交换，并在此过程中自动完成收费操作。 l 吐j 蒌薹鍪一 不停车收费系统主要包括以f 几个方面的技术要素：车载单元系统；路侧收费与控制系统；车 载系统与路侧系统间通信；中心管理系统；路侧系统与中心的通信；账户系统和监测系统。各 要素之间关系如图1 - 1 所示i l j 。 不停车收费系统要解决的最关键的问题是车型自动分类，即解决与收费处理有关的车型划 分问题。围绕这一核心问题，衍生出两种不同的解决技术：车辆自动识别技术a v i ( a u t o m a t i c v e h i d ei d e n t i f i c a t i o n ) 和车型自动分类技术a v c ( a u t o m a t i cv e h i c l ec l a s s i f i c a t i o n ) 。a v i 是通过 车载单元与收费站设备问的无线通讯实现车辆的身份识别；a v c 则是通过检测车辆本身固有的 参数，在特定的车型分类标准下运用分类算法，实现车型的分类。 1 2 研究意义 高速公路是衡量一个国家经济发展水平、公路交通运输和汽车事业现代化的重要标志。道 路收费能有效地调节交通流，但是在高速公路车流高峰时，收费站就成为了“瓶颈”。电子不停 车收费技术作为智能运输系统的重要组成部分，娃实现交通运输管理现代化的重要手段1 2 i 。不 停车收费系统的关键技术包括：车辆自动识别系统( a v i ) 、车辆自动车型分类系统( a v c ) 和 视频稽查系统( v e s ) 。在本论文中主要是研究车辆自动车型分类技术，研究它的意义在于： 首先，国内外的所有收费公路不论采用何种收费制式和收费方法，都毫不例外地要对车辆 加以分类，按类别收取不同的通行费，以保证通行费征收的相对合理性。 其次，由于存在着交通流量小的收费站，目前不可能所有的收费站都采用电子不停车收费， 即存在人工收费。在人工判型过程中容易发生的作弊、误判，自动车型分类技术可以对它们进 行很好的监督，消除人为因素产生的漏洞。 再次，自动车型分类技术是不停车收费系统的戈键技术，研究自动车型分类技术对高速公 路收费系统有着重要意义，它的发展可以促进不停车收费系统的发展。 晟后，它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奠定良好的基础。 l 孛嚣表渡大学硬圭学位谂文 第一章绪论 嗣此，有必要使用种能快速自动对车辆类型进行判别的系统，当车辆进入时能迅速识别 车辆搬烈，并进行后续的人上或是毒l 动收费。这样，才能有效地消除人为因素的影响，使反映 静揍掇更为客理真实，收费管理一掺更为科学纯【3 j 。 1 3 阑内外研究现状 蠡渤车鍪分类系统就是剃耀系绫戆硬嚣彝娃瑗程痊亲确定事髑静类型戳镬蔽委确熬牧费爨 率实施收费的系统。各类车道传感嚣采集车辆的物理特征，并由系统对这些特征信息进行分析处 理，由此确定车辆类型和收费额。收费系统的车辆分类有两种方法：一种是按轴蘑收费，另一种 按车烈收费。目前动惑称重系统于嗣外应用r 泛，谯国内的应用只处于初步阶段，国内收费大郝 势帮怒按事型来收取遴学费h 。 圈内外车型分类检颡4 装置多种多样，基本上是根据车辆本身的参数对车辆进行分类。车辆本 身的几何参数有：车妖、车高、车宽、轮胎直径、轮距、轮数、轴距、轴数、底擞高度等。日本 立石公司采用环形线圈及超声波检测器相结合的方法，婊据车妖、车离与底盘高魔将车型分三类； 英国t r r l 采用环形线蕊与红争 黉感嚣稿绩台懿办法恕车辆分燕l 罐婺，翔鬟蔹攒烫辘鼗、毒l | l 距； 意大剃利用红外传感器以及轴数、轴距、检测踏板等技术，对车辆轴数、轴距、第一轴的车体瓣 直高度进行测量，把率型分为五类；法国e l s y d e l 公司利用车轴检测器进行分类，也通过汽率 剪影，爝数字图像处邂的方法进行事型分类翻。 瓣魏国肉多 一些鼙位正在礤究静率墼分类系统青绫f 几静： ( 1 ) 利用图像识别的方法进行率型分类 熟原理是利用摄像机摄取车辆的侧面图像或熟铝角度的图像( 见图1 - 2 ) ，并将图像进行 预处壤戳嚣( 如图像平潺、嚣豫增强、篷像分裁、逸缘检测萼手段) ，搏至i 遵避收费站车辆的 外形尺寸及各项指标，最后将其嗣搂援痒中的车辆主簌行模板匹配，飙褥确定车辆类麓( 见图1 - 3 ) 。 基于圈像识别的方法进行车型分类怒一项高新技术，是国内外研究的执点川6 l | t l t s l 。 臣m 三瑶矩鍪蜀d 圃 鞘1 - 3 老学车艘洪剿涪骧理 该方法的优点是：安装和维护不需要中断交通，除可进行车辆分类外，还可以褥到路面占 有率，和车辆排队长度等参数，而且单个摄像机可以服务多车道。它的缺点是：由丁对车辆摄 像受光照度和气候条件的影响很大，很多场台往往难以取得清晰的图像。另外，系统进行i 型像 识别的实时性和复杂背景下车型分类的准确率也难以达到实用化的程度。 ( 2 ) q 用无源线圈检测车辆底盘特征来确定车辆类型 其原理是当车辆经过环形线圈传感器时1 9 j 【，电感参数将发生变化。而不同的车辆，形成 感应曲线不同。因此可以提取感应曲线的特征并进行特征分离，利用模糊模式识别方法对车型 一 2 中嚣丧渡大学硬士学位论文 第一章绪瓷 ! 曼! 鼍寰燃鼎皇曼曼曼曼曼! 苎葛燃鼎舞皇曼! ! ! 曼! ! 鼍冀黑 i 一一i i i i i i i ih 进行睡配分类。图1 + 4 列出了几类媳型车辆的感应曲线。 f n ， n 匕。：l l 桑塔纳小型面包率 t 匕：k 一般面包举太卡车( 带挂率) 图 q 几种典型车辆的感应曲线 该方法其有理论残熬菸手理瓣、抟惑器成本低，在孺、雪天壶毛缝茏誊i 捧警键点。它豹缺 点在予感碰线圈需墁猩路面下，这样安装和维修时稀破坏路面，中断交通。最致命的缺点是车 辆在检测区的变速运动、停车等现敷会严重影响车型分类准确率并导致系统不能j 】三常工作。 ( 3 ) 动态称熏法分娄 l l 】i ”。这种方法是在车滋上预先安装动态称重装置，当车辆通过后 依据享籀各辘的重囊确定车辆戆惑霪蹙。它戆缺熹燕系统设备安装复杂，维修蘸蘧，傍嵇器赛， 系统稳定性差，使用潜命较短。 ( 4 ) 基于无线谶讯技术的电予识别技术 熬予无线通讯的爨动识别技术怒现除段不停车收费( e t c ) 中巢用最多豹技寒 3 】i ”】【1 5 i ； 该类型系统包旗三个单元：一个安装子车辆主静躲；孛发蔫| 嚣( 藏热上l c 卡) 、个安装舂 接收天线的路旁读出器和一台用来处理实时信息的联网计算机。当车辆通过时，读出器触发脉 冲发射嚣传送该车辆肖关的编程代硝的数据，由读 i 器的天线接收，然括送到计算机进行处理。 既可娃计算机打印出收费蕈，然后入王收费，也可墩潮用计算机数据痒自动在客户账号上旁j 去 裙瘦套额，对于翻装了i c 的系统迸可戳蛊搂献率载托卡上翔去相应金额。这耱系统还可在 全国溅浆一地区内联嘲使用，使得车辆在联网范围内行车畅通无阻。现在，在锦山的一条高速 公路上醴应用了非接触射频卡自动收费，上海的公始汽车使用了电子月票，北京的机场高速公 路上、涤期| 熬皇爨矗垮也使鲻了射颧识羽系统进行收费。 电子卡系统款识潮的主被动关系来说，牧费站璃子被动煎一方，车辆存在掉换车载电子标 签进行作弊的可能，收费站需要安靛防u 【e 作弊的设铸，如视频抓拍等，这就加大了收费站的基 建投 ，同时这种系统需要所有车辆都安装脉冲发射器，投资较大。 5 ) 稳趣基电铸黪器避嚣车型分娄p 8 其原理是将压电陶瓷捌料婵于路面，依据车辆通过时产生电信号的人小、次数来确定车辆总 重量、轮轴数量等。如果车辆分类标准是根据车辆轴数制定的，则它有较好的分类准确率，但是 国产的压电陶瓷材料性能( 承压能力及耐压次数) 尚不能满足实用化的要求，虽然美国、法国研 制的压电材料可以承压数日万次仍能正常j = 作，但若大批量进口，其价格是难以接受的。 ( 6 ) 利用红外检测技术 利用红外检测技术对车裂准确分类的关键是准确获得尽可能多的车辆特征参数【4 l ，在此基础 上对其进行分析处理得到车辆类别。由于要达到很高的精度，系统采用的激光管非常多，这样就 可以采集到人量的数据，包括轴数、轮距、车长等特征，系统的精度很高。但该系统也存在一些 3 缺点：安装比较困难。系统的水平检测杆和垂直检测杆长度过长，使得系统的调试和安装都 比较困难；该系统不能检测轮胎的数量。 红外检测有着可以采集到丰富的信息的优点，通常把它与其它的传感器结会”，组成复合传 感器来提高车型分类器的分类准确率，通常有如下的方式： a 基于红外线和压电传感器技术结合的车型自动分类技术1 4 j ( 见图1 5 ) 由 1 口 4 自动道闸5 收费亭 图1 - 5 红外压电结台的自动车型装置 该系统主要由埋置在车道地面下的以“z ”字 ，4 形状分布的感应线圈和一对垂直于地面的红外线探 测器组成。该系统对应的分类参数为车头高度、轮 数、轴数。当车辆一迸入红外检测区，垂直部分探 测器被挡，随即开始工作，根据设定的采样时间， 系统便记录下一系列垂直区被挡最高位置，同时， 当车辆第一轮轴压到压电传感器的时刻，记录下此 时的车辆的高度，这就是需要的车头高度。水平的 压电传感器用来测轴数，倾斜的压电传感器用来测 轮数。该系统的有较高的精度，但是由于采用了压 电传感器，成本比较高，而且采用的分类标准也并不是现行全国统一的标准。 b 基于红外线检测和光纤传感器相结合的自动车型检测 系统主要由红外线检测通过收费站的车辆的侧轮廓，得到车辆的车头高、轴距、轴数。其次， 利用轮压式光纤传感器获得车辆的轮数。 其它方法还有西安公路所根据力的平衡原理，用四只压力传感器测量轴距、轮距及轴数进行 分类。西安公路交通大学计算机系提出了激光车型判别系统，即将两组激光收发器安置在距路面 5 c m 左右的高度对过往车辆进行轴数、轴距、轮胎数、轮距4 个参数的采集，并以此作为车型识别 的参数进行车辆识别。丹东电子研究所用特种胶带传感器制成踏板式车辆测量器测量车辆轴距、 轴数、车高等参数进行分类。福建交通科研所利用超声波、红外传感器相结合的方式测量车赢、 车长、车宽、轴数、轴距等参数进行分类。还有广东机械学院、北京公路所等单位研制的车型分 类器。目前，制约我国公路不停车收费系统实用化的根本原因是没有一种准确区分车辆类型的系 统。国内有多家研究单位进行了车型自动分类技术的研究，但距离实用化还有很大著距。 4 中国农业大学硕士学位论文 第一章绪论 1 4 研究目标和研究内容 1 4 1 研究目标 由于长期以来全国高速公路收费站采用车型分类标准不一致导致同一辆车经常被判别成不 同的车辆类型，因此2 0 0 3 年交通部颁布了收费公路车辆通行费车型分类的新标准。新标准 中客车采用额定座位数、货车采用额定载重作为参数是为了方便人工判型。由于人工判型过程 中存在诸多弊端，因此需要在采用新标准的基础上设计出一个车型自动分类器，使它能对车辆 进行自动分类，并能满足实际应用的要求。 1 4 2 研究内容 本文研究的主要内容包括四个方面； ( 1 ) 建立车型样本数据库并且筛选样本数据； ( 2 ) 选择合适的车型样本参数； ( 3 ) 选择数据处理软件并且设计算法； ( 4 ) 完善车型自动分类系统的其他组成部分。如选择合适的传感器来采集参数，布置系统硬件， 编制程序使设计的车型分类器得以应用。 5 第二章车型分类标准的选择与样本库的建立 2 1 车型分类标准的选择 2 1 1 车型分类的原则和影响因素 车型分类的标准的主要依据是不同车辆对路面破坏程度的比例、不同车辆换算成标准当量 小客车系数和不同车辆运营效益比例三种因素或其中两种或一种因素【1 8 】【1 9 j ，同时考虑交通量大 小、收费目的、车辆构成、道路性质、分类手段和停车收费或不停车收费，单车道不停车收费 还是多车道不停车收费等实际情况和将车辆分成多少种类型。如国外的高速公路8 0 以上的车 辆是小客车和小型车辆，中、火型车辆的比例较少，对它来讲，只要保证对小型车辆的分类合 理，就基本体现了划分车型的公平台理性，而我国的高速公路上实际交通组成与国外不同，其 车辆种类多，中型货车比例也比较高，同时车辆的种类、型号多达千种。因此，如何在众多的 车型中找出分类的标准，尽可能按公平台理的原则进行车辆分类，以及考虑如何达到车型判别 的简单，明确、合理的目的，以保证应用的高效性、可靠性、低运营成本性，是车型分类的关 键问题。 2 1 2 车型分类标准的现状 长期以来，我国没有用于公路收费的全国统一的车辆分型标准，各省市甚至同一行政区的 不同收费公路车型划分标准也不尽相同，如表2 - 1 ： 表2 1全国主要高速公路车型分类情况比较分析表恤 车 浙江省 辆 沪宁高速公路成渝高速公路京石高速公路渝长高速公路吉林高速公路 类高速公路 型 一6 座客车 = 1 0 座客车， 1 0 座客车，( _ 2 0 座客车， - - 7 座客车， = 2 0 座客车， 类 ；1 吨货车 一1 吨货车( = 2 吨货车 - 2 5 吨货车c = 2 吨货车 一 6 2 0 座客车，1 1 3 0 座客车， 2 8 座客车， 4 0 座客车， 类一5 吨货车 = 5 吨货车 5 0 座客车， 5 0 座客车， 1 4 吨货车 2 0 吨吨货车 2 0 吨货车 c o r r e c t ( 2 ) 裁减分类器规则库 如果一个分类器的误分类数目或误差值更小，那么就认为此分类器优于其它的。误分类数 ( m i s c l a s s i f i e d ) 决定分类效果。裁减后规则数为2 1 条( 裁减前为2 9 条) ，误分类数为1 6 9 ( 裁 减前为1 5 9 ) 。训练数据的分类结果统计见表5 - 2 。 查! ：! 翌翌望型垦墨塑壅坠苎墨 p r e d i c t e dc l a s s e s 0 】234 0 4 5 8 ( 4 5 ，3 0 ) 1 5 ( 1 4 8 ) 0 ( 0 0 0 ) 0 ( o j d o )0 ( 0 0 0 ) 1 6 0 ( 5 9 3 )1 0 5 ( 1 0 3 9 ) 1 5 ( 1 a 8 ) 0 ( o 0 0 ) 0 ( 0 舶) 2 0 ( 0 0 0 ) 4 9 ( 4 8 5 )1 5 4 ( 1 5 2 3 )1 3 ( 1 2 9 )o ( 0 0 0 ) 3 0 ( 0 , 0 0 ) 0 ( 0 0 0 )3 ( 0 3 0 )1 1 9 ( 1 1 7 7 ) 0 ( 0 j d o ) 4 0 ( 0 0 0 ) 0 ( o j d o ) 0 ( o m ) 4 ( o 4 0 )6 ( 0 5 9 ) 0 ( 0 0 0 ) i ( 0 1 0 ) 7 ( 0 6 9 ) 1 ( 0 1 0 ) 1 ( o 1 0 ) s u m 4 7 3 ( 4 6 7 9 ) 1 8 1 ( 1 7 , 9 0 ) 2 2 3 ( 2 2 ，0 6 ) 1 2 3 ( 1 2 1 7 ) 1 1 ( 1 0 9 ) s u m 5 1 8 ( 5 1 2 4 ) 1 6 9 ( 1 6 7 2 ) 1 7 2 ( 1 7 0 1 ) 1 3 6 ( 1 3 4 5 ) 6 ( 0 5 9 ) 1 0 ( 0 9 9 ) 1 0 1 1 ( 1 0 0 0 0 ) 正确数( 正确率) ：8 4 2 ( 8 3 2 8 ) ，误分数( 误分率) ：1 6 9 ( 1 6 7 2 ) o ：第1 类车1 ：第2 类车2 ：第3 类车 3 ：第4 类车4 ：第5 类车a , c ：不能识别 ( 3 ) 分类器的交叉验证 使用l o - f o l d 交叉验证。由于上面两个实验生成的规则库得到的分类结果比较令人满意。因 此不用验证结构学习过程，只验证模糊集学习过程。在用定规则数创建分类器的基础上，重新 设定模糊集，并训练模糊集。验证过程结束后，训练数据的分类结果统计见表5 - 3 ，交叉验证 结果见表5 - 4 。 表5 - 31 0 _ f o i d 交叉验证分类结果 正确数( 订：确牢) ：8 3 3 ( 8 2 3 9 x 误分数( 误分牢) ：1 7 8 ( 1 7 6 1 ) 0 ：第1 类车1 ：第2 娄车2 ：第3 类车3 ：第4 类车4 ：第5 类车n c ：不能识别 表5 - 4 交叉验证的结果 通过对车型数据集的学习，完成了模糊分类器的结构辨识和参数辨识。正确分类率为8 2 7 1 5 ，是一个可以接受的分类结果。从理论上讲，选取的特征数量越多，就越易于判别车型， 但这也会使对数据的分析变得越复杂，同时也会增n i - 算机额外的存储量和计算量，如在上面 的结果中，选用了4 个参数，裁剪后的规则数则有2 1 条，这样判别每一辆车的类型的运算量是 很大的，而车辆在高速公路上是以比较快的速度通行，过大的计算量会影响分类的实时性。根 据第四章讨论的结果，f 面讨论将轴数分离后，再选择其它参数的分类的结果。 5 3 方案二：分离轴数参数的条件下的分类结果 5 3 。1 = 轴车辆的分类 = 辅车辆中包括辫车6 7 8 辆货率2 6 0 辆类型静车辆，它懿拇藏觉表5 5 ； 表5 - 5 二轴率辆构成 5 3 1 ，参数与类戮的相关度及各参数之问的相荚艘( 见表5 6 ) 袅5 - 6 二鞋车辆车墼参鼗鞫类鹈瓣戆橱关系数 5 3 ，1 2 采用n e f c l a s s - j 分类的络暴 蠲车疑、事甓、车裹、辘怒翻鲻n e f c l a s s - j 递露分癸稳结粜舞表 7 ； 袭5 - 7 二轴车辆分类结果 3 1 中国农业大学硕士学位论文第五章车型分类器设计 从表5 7 得山： ( 1 ) 采用四参数时，车长一车宽一车高轴距具有分类正确率一8 8 4 。 ( 2 ) 采用三参数时，车长一车高轴距具有较高的分类正确率一8 8 2 。 ( 3 ) 采用双参数时，车长一车高具有较高的分类正确率一8 8 0 。 采用车长一车宽一车高一轴距四参数的分类精度是晟高的，但是它的分类规则数有2 4 条， 运算量很大，这样会降低系统的运行迷度，对高速公路收费系统这样实时性要求很高的系统是 不合适的。采用车民一车高轴距三个参数时与采用车长一车高双参数时精度相差不大，但采 用双参数进行分类可以减少运算量，有利于保证系统的实时性，同时可以简化硬件的系统结构。 5 3 1 3 利用车长、车高参数采用n e f c l a s s - j 分类的结果 ( 1 ) 自动创建和裁减车型分类器 通过“自动决定规则数”的选项创建分类器，参数设置见表5 - 8 。 表5 8 二轴车辆自动创建和裁减车型分类器的参数设置 ( 2 ) 裁减分类器规则库 确定规则库中的规则如下： r i = i f l e n g t hi sv e r ys m a l la n dh e i g h ti sv e r ys m a l lt h e nc l a s s1 r 2 ：f fl e n g t hi se x t r e m e l ys m a l la n dh e i g h ti sv e r ys m a l lt h e nc l a s s1 r 3 ：i fl e n g t hi sv e r ys m a l la n dh e i g h ti se x t r e m e l ys m a l lt h e nc l a s s1 r 4 ：i fl e n g t hi sl a r g ea n dh e i g h ti ss m a l lt h e nc l a s s2 r 5 ：f fl e n g t hi ss m a l la n dh e i g h ti sl a r g et h e nc l a s s2 r 6 ：i fl e n g t hi sv e r yl a r g ea n dh e i g h ti sv e r yl a r g et h e nc l a s s 3 r 7 ；i fl e n g t hi sl a r g ea n dh e i g h tj sv e r yl a r g et h e nc l a s s 3 r s - i fl e n g t hi sv e r yl a r g ea n dh e i g h ti se x t r e m e l yl a r g et h e nc l a s s3 r 9 ：l fl e n g t hi se x t r e m e l yl a r g ea n dh e i g h ti se x t r e m e l yl a r g et h e nc l a s s 4 训练数据的分类结果统计见表5 - 9 。 表5 - 9 二轴车辆利用车长、车高的分类结果 正确数( 正确牢) ：8 3 3 ( 8 7 9 6 x 0 ：a a s s l1 ：c l a s s22 ：c 1 a s s3 误分数( 误分率) ：1 1 4 ( 1 2 0 4 ) 3 ：c l a s s4n c ：n o lc l a s s i f i e d 中国农业大学硕士学位论文第五章车型分类器设计 确定隶属函数如下： 车跃、车高的模糊集形式见图5 2 。具体三角形隶属函数的参数见表5 1 0 。 表5 一l o 二轴车辆车长、车高隶属函数的参数值( 嗍) 10 l e n g t h x 。r ；s m 恻g 2 063 5 3 445 6 4 6b7 7 6 329 8 7 761 1 9 9 20 10 0 0 h e i q t h s r d 计9 1 1 5 06 16 6 20 2 2 14 02 7 4 603 2 7 803 6 10 0 图5 - 2 二轴车辆车长、车高模糊集 轼岫咖船咖r 6 4 0 l 1h ：i 攀a 呱s 车长岫s“r一腓酬=(x-12422。0驯0)(452021乞4。-17420接0),菩x阄14s2，0a0,。4s52021锯4), 帐：l s m ：r 一 0 , 1 1 , - s m 似= p ( x - 4 s 2 蝴9 7 1 ) ( ，5 s 8 n 6 6 喾0 - 4 2 8 s 7 鼍1 ) , 爹x ，s s 4 2 s 8 s 7 1 , 5 8 6 s 6 趴0 ) , 市长驰堋驯= 卢( x - ，5 5 3 9 蝴2 ) 邶( 7 5 。8 ，6 掣4 - 5 5 3 s 9 篓2 ) , 毒x 叩e 5 s 5 s 3 s 9 a 2 , 邶7 5 8 。6 4 ) ，, 枨：l v l g r - - , 0 , 1 1 , m 酬= 1 r 1 1 1 ( x - 5 ，5 。3 驯9 2 们) ( 7 s 7 n 5 1 f 3 - 5 5 3 9 强2 ) , 爹x f _ 川 5 5 s 3 埘9 2 , m 7 7 5 a 1 品3 ) , 轼l x l g ：r - - ： 0 , 1 , s _ ( x - 8 6 8 3 9 ) ( 7 n 2 9 1 2 - 1 0 2 8 9 0 ) , x _ 8 ，6 8 3 9 1 0 2 8 9 吼 车高：h x s m ：r 一，0 ，1 n x s 蚺卜 1 ，x e 1 1 5 0 ，1 6 7 8 9 ) 1 - x ) ( 2 2 7 5 1 - 1 6 7 8 9 x e 1 6 7 8 只2 2 7 5 1 1 , 0 ，其它 舡一1 1 5 0 0 ) ( 1 6 7 8 9 1 1 5 0 o x e 1 1 5 0 o ，1 6 7 8 车商：h v s m ：r 一，q 1 上h v s m ( x ) 一j ( 2 4 5 1 6 - x ) ( 2 4 5 1 & 1 6 7 8 9 x 1 6 7 8 9 ，2 4 5 1 6 1 ， 【0， 其它 辅n s m 一n s m m = f ( x - 2 0 ，1 蝴0 6 ) ( z 2 ，3 e 9 ，0 秽3 - 2 0 1 0 强6 ) , 菩x 闺1 2 0 蚍1 0 埘6 , 2 3 s 蛐9 0 3 ) , 陬一2 0 9 5 7 ) ( 2 3 9 0 3 - 2 0 9 5 7 土x e 2 0 9 5 7 , 2 5 1 1 4 ) ， 车高；“1 9 二r q 1 m g 动，( 2 9 6 2 5 8 - x ) ) ( 2 9 6 2 。5 - 2 ；1 1 篓2 5 1 1 4 2 9 6 2 5 辅m 一埘柚- s 一r ( x - 2 3 s 2 驯8 4 ) ( s 2 ，9 s o s 2 2 - 2 3 2 8 a 4 矣) , 爹x e 2 3 2 8 聊4 , 2 s 9 s 0 2 2 ) , 车高：h x l g ：月+ ，o j l h x l g 。砂= ( x - 2 7 9 6 3 ) ( 3 3 0 4 9 - 2 7 9 6 3 ) , x e 2 7 9 6 _ 3 ，3 3 0 4 9 x ( 3 ) 分类器的交叉验证 训练数据的分类结果统计见表5 1 1 。 表5 1 1二轴车辆训练数据分类结果统计 正确数( 正确率j ：8 3 3 ( 8 7 9 6 ) ，误分数( 误分率) ：1 1 4 ( 1 2 0 4 ) o ：c l a s s1 1 ：c l a s s22 ：c l a s s33 ：c l a s s4n c ：n o tc l a s s i f i e d 交叉验证的结果见表5 - 1 2 。 表5 - 12 二轴车辆交叉验证的结果 通过对车型数据集的学习，完成了模糊分类器的结构辨识和参数辨识。因为只有9 条规则 我们得到了易于解释的分类结果。正确分类率为8 7 7 2 2 ，是一个可以接受的分类结果。 ( 4 ) 举例： 设有一辆待识别车辆，车轴数为二轴，车长、车宽、车高、轴距分别为5 3 0 0 m m 、1 7 6 0 m m 、 2 2 0 0 m m 、2 2 8 5 m m ，判断此车辆的类型。 该车辆为二轴车，采用神经模糊算法。 计算各参数对应的隶属度 将车长= 5 3 0 0 r a m ，车高= 2 2 0 0 m m 代入隶属函数中，得到l x s m 、l v s m 、l s m 、l l g 、l v l g 、l x l g 、 l 参数 车长车高 l x s i nl v s ml s m u g l v l gl x l g h x s mh v s mh s m h l gh v l gh x l g i 隶属度 0 4 3 50 5 9 20 6 3 5 o00d 1 2 60 3 2 6o 4 7 6o 3 5 40o 9 条规则的隶属度分别为： r l = m i n o v s m h v s m ) = 0 3 2 6 r 4 = m i n ( u g , h s m 、= o r 7 = m i n ( 1 l 舀h v l g ) = o r 2 = m i n ( 1 x s m h v s m ) = 0 3 2 6 r 5 = m i n o s m ，h l g ) = o 3 5 4 r s = m i n o v l g ，h x l g ) = o r 3 = m i n ( 1 v s m ，l l x s i n ) = o 1 2 6 r 6 = m i n ( 1 v l g , h v l 曲= o r 9 = m i n ( 1 x l g ，h x l g ) = o 4 种类别对应的隶属度分别为： e l = m a x ( r l ，r 2 ，r 3 ) = o 3 2 6 e 2 = m a x ( r 4 ，r 5 ) = o 3 5 4c 3 = m a x ( r 6 ，r 7 ，r 8 ) = o c 4 = r 9 = 0 则c = m a x ( c 1 ，c 2 ，c 3 ，c 4 ) = c 2 = 0 3 5 4 故可判断该车为2 类车。 5 3 2 三轴车辆的分类 三轴车辆中总共包括3 、4 、5 三种类型的车辆，它的构成见表5 1 3 表5 - 1 3三轴车辆构成 3 5 5 3 2 1 参数与类型的相关度及各参数之间的相关度( 见表5 - 1 4 ) 表5 1 4 三轴车辆车型参数和类别问的相关系数 由上表可以看出各参数与类型之间相关度不大，特别是车高和类型相关度很小。 5 3 2 2 利用车长、车宽、后轴距参数分类 由于车高和类型的相关度几乎为零，采用车长、车宽、后轴距这三个参数进行模糊神经分 类，分类结果见表5 1 5 ： 表5 1 5 三轴车辆采用车长、车宽、车高参数分类结果 3 ：第3 类车4 ：第4 类车5 ：第5 擞车 正确数( 莲璃率) ：3 8 ( 7 3 。端嚣误分数 谟势率) ：1 4 2 6 睨) ，i i , c ：n o t c l a r i f i e d 分类精度为7 7 7 8 5 类车型的车辆判别不出米，分类结果不是很理想。 5 3 2 ，3 采用后轴距分类 图5 - 3 兰轴车辆后轴距与擞型关系图 从图5 3 可以看到，后轴距具有较明显的分类界限，应该找出分类界限的临界点。 ( 1 ) 囊动剖建帮裁减攀墅分类器 中国农业大学硕士学位论文 第五章车型分类器设计 裁减后的4 条规则如下： r 1 ：i f w h e e l b a s ei sv e r ys m a l lt h e nc l a s s3 。 r 2 ：1 f w h e e l b a s ei ss i l l a l lt h e l lc l a s s4 。 r 3 ：f f w h e e l b l l s ei sm e d i u mt h e n ( 2 1 a s s4 。 r 4 ：i fw h e e l b a s ei sv e r yl a r g et h e l lc l a s s4 。 通过这4 条规则，可以得出该分类器可以将3 、4 类车判别出来，但无法准确判别5 类车。 训练数据的分类结果统计觅表5 1 6 。 表5 16 三轴车辆裁减规则库后的实验结果 p r e d i c t e dc | a , g s e s 345 s u m 3 1 5 ( 2 8 8 5 )2 ( 3 8 5 ) 0 ( o 0 0 )1 7 ( 3 2 6 9 ) 4 0 ( 0 0 0 ) 3 2 ( 6 1 5 4 ) 0 ( 0 呻)3 2 ( 6 1 5 4 ) 5 0 ( 0 0 0 ) 3 ( 5 7 7 ) 0 ( 0 0 0 )3 ( 5 ，7 7 ) s u m 1 5 ( 2 8 8 5 )3 7 ( 7 1 1 5 ) 0 ( 0 加)5 2 ( 1 0 0 0 0 ) 3 ：第3 类车4 ：第4 娄车5 ：第5 类车 正确数( 正确率) ：4 7 ( 9 0 3 8 x 误分数( 误分率) ：5 ( 9 6 1 ) 模糊集 后轴距的模糊集形式见图5 - 4 。具体三角形隶属函数的参数见表5 - 1 7 。 图5 - 4 三轴车辆后轴距的横糊集 表5 1 7 三轴车辆后轴距隶属函数的参数值 0 12 1 0013 1 42 13 5 8414 0 2614 4 681 4 9 1 0 结台分类规则，区分3 、4 类车关键是找出3 、4 类车后轴距的临界点，通过上图和上表 可以得出临界点为1 2 9 7 m m ，即后轴距小于1 2 9 7 m m 为3 类车，后轴距大于1 2 9 7 m m 为4 类车。 ( 2 ) 分类器的交叉验证的结果 训练数据的分类结果统计弛袭5 1 8 。 表5 - 18 三轴车辆训练数据的分类结果 3 ：第3 类车4 ：第4 类车5 ：第5 娄车 正确数( 正确率) ：4 7 ( 9 0 3 8 ) 误分数( 误分率) ：5 ( 9 6 1 ) 哟哟们划 喇厂，一 。盟 ! 里銮些奎兰竺主兰竺兰兰至三耋王翌2 耋耋鲎生 交叉验证的结果见表5 1 9 。 表5 - 19三轴车辆交叉验证的结果 通过对车型数据集的学习，完成了模糊分类器的结构辨识和参数辨识。因为只有4 条规则 我们得到了易丁解释的分类结果。正确分类率为9 0 4 - - 4 - _ 3 9 ，是一个可以接受的分类结果。 5 3 3 四轴车辆的分类 四轴车辆包含4 、5 类，共8 辆，利用车长、车高、车宽采用模糊神经分类结果见表5 2 0 。 表5 2 0 四轴车辆分类结果 从上表可以看出，采用车宽和车高这两个参数分类精度最高。 5 3 3 1 利用车宽、车高参数采用n e f c l a s s - j 数据处理软件分类 ( 1 ) 自动创建车型分类器