一种基于双音频信号采集的分车型的交通流量监测系统的制作方法
一种基于双音频信号采集的分车型的交通流量监测系统的制作方法
【技术领域】
[0001] 本发明涉及智能交通管理领域，更具体地，涉及一种基于双音频信号采集的分车 型的交通流量监测系统。
【背景技术】
[0002] 道路交通流信息的采集，尤其是车辆数目、车辆流向和车辆类型的获取是智能交 通领域的重要内容，可以为交通管理与控制提供基础数据。道路交通流量监测统计对于提 高城市交通流的引导和管理效率有重要的作用，其不仅可以及时地为交通管理部门提供参 考，优化管理效果，而且可以为道路交通的使用者提供出行参考，提高出行效率。
[0003] 目前，交通流监测与统计的技术与方法有多种，如图像处理、红外发射、磁感线圈、 声信号处理、超声波等。但是，其他检测方法存在其固有的缺点：图像处理识别成本昂贵、对 光线变化敏感;红外检测方法受天气的限制严重;磁感线圈对于路面的破坏程度比较大，安 装维护都比较困难，而且不能识别车型;超声波检测装置安装条件受限等。而声信号处理技 术相对于其他技术而言成本低，更容易安装、维护和数据存储，可以全天候工作。声信号处 理技术可以与现有的交通检测技术相辅相成，可以极大地提高检测质量，降低成本。
[0004] 车辆通过监测点时，道路交通噪声总声压级图中会出现一个波峰，其A声级值明显 高于背景噪声值。在噪声总声压级图中，并非所有的波峰都代表车辆经过。有些波峰可能是 摩托车、电动车、喇叭鸣声、鸟叫和说话声等干扰因素造成的。通过去除一些干扰波峰，对波 峰进行判定，可以有效判别车辆的到来。
[0005] 由于车辆行驶方向的不同，同一时刻两个监测点的麦克风检测到的声压级有所不 同。先行驶到的监测点处麦克风检测到的声压级要比此时另外一个检测点处麦克风检测到 的声压级要大。这样，通过比较两个监测点处麦克风检测到的声压级不同，可以判断出道路 车辆的行驶方向，即判断车辆的流向。
[0006] 不同车型的道路车辆产生的噪声有所不同，差异主要体现在声强和音色上。由于 车辆引擎差异、轮胎与路面的摩擦力度不同，车辆噪声的信号频谱不同，这使得采用音频 信号对车型进行识别具有可行性。授权公告号为CN100507971C的国家专利提出一种基于独 立分量分析的车辆声音识别方法，授权公告号为CN102682765B的国家专利设计了一套用于 高速公路上的音频车辆检测装置及其相应的检测方法。这两个专利都使用车辆运行本身以 及车辆与路面摩擦产生的音频信号作为处理对象，这样的音频信号变化不明显，难以进行 车辆到来的有效判断以及没有对车辆流向进行判别，并且随着车型种类的增加，识别准确 率下降严重。不同车型的音频信号识别问题是模式识别理论的一个典型应用。交通流量监 测系统的模式识别分类问题的步骤如附图4所示，主要包括数据采集、预处理、特征提取、分 类识别和流量统计五个部分。
【发明内容】
[0007] 本发明的目的是提出一种基于双音频信号采集的分车型的交通流量监测系统，通 过对道路音频数据的采集、音频数据的频域分析、车辆判定、车辆流向判别和提取车辆的特 征数据，利用支持向量机分类器对样本数据进行训练及建立识别分类模型，进而进行车型 识别，从而实现分车型和分流向的交通流量监测。
[0008] 为了实现上述目的，本发明的技术方案为：
[0009] -种基于双音频信号采集的分车型的交通流量监测系统，包括如下模块：
[0010] 音频信号采集模块，由两个测量麦克风和数据采集卡组成，用于采集行驶车辆产 生的音频信号，并输出给音频信号处理模块进行处理和分析;其中，测量麦克风用于采集音 频模拟信号;数据采集卡用于将模拟信号转换为数字信号，即A/D转换；
[0011]音频信号处理模块，用于对音频信号采集模块输出的音频信号进行处理，首先通 过对信号的有效波峰筛选进行车辆到来判定，若有车辆通过，则进行车辆流向判别和提取 当前信号的特征数据，并输出给车型识别模块进行车型的识别分类；
[0012] 车型识别模块，对音频信号处理模块的特征数据进行识别分类，得到车型识别结 果；
[0013] 流量统计模块，由车辆识别模块得到的车型统计结果，进行分车型和分流向的交 通流量统计，并将统计结果输出。
[0014]优选的，所述音频信号采集模块的设置方式为:将模块装置于道路一侧，使用两 个麦克风，线阵排列，两个麦克风间有间距且麦克风指向被测声源；当道路中央有绿化带或 防眩板时，需要在道路两侧分别设置两个麦克风。
[0015]优选的，所述音频信号处理模块进行车辆到来判定的方式为：
[0016] (11)阈值切割，设定下限阈值，对于音频信号采集模块所得到的A计权声压级波峰 值进行筛选处理；
[0017] (12)有效波峰统计，判定波峰，确定并统计波峰数目；
[0018] (13)对称过滤，对获取的波峰进行对称测试，过滤不对称的干扰，将干扰波峰剔 除；
[0019] (14)此时剩下的有效波峰即为车辆经过监测点时产生的声压级，由于大于背景噪 声值，可判断车辆的到来。
[0020] 优选的，所述步骤（I 1)中下限阈值的设定是采用Y = aX (Max-Min) +Min作为阈值 函数，其中Y为下限阈值，a为待定系数，Max为初始化数据的波峰La的最大值，Min为初始化 数据中的La的最低值，其中La为A计权声压级。
[0021] 优选的，所述步骤（12)中有效波峰统计过程为:在波峰提取过程中，获取的是U-T 图中每一个突起的最尚点，即A声压级-时间图中每一个突起的最尚点；在这些最尚点中，波 峰值比其前后N个时间点的值都要高，即为有效峰值，则该波峰为有效波峰;其中N为波峰统 计中的变量。
[0022]优选的，所述步骤(13)的对称过滤实现方式为：
[0023] (21)取峰值的上下游各8个数据共17个数据进行分析；
[0024] (22)将峰值两侧对称位置上的两个数值相减，将8组差的绝对值和与设定的误差 值做比对，当差的绝对值和设定的误差值即认为是平滑的；否则，将不平滑的干扰波峰进行 剔除。
[0025]优选的，所述音频信号处理模块进行车辆流向判别的方式为：当车辆快行驶至第 一个麦克风监测点时，麦克风检测到的声压级要比第二个监测点处麦克风检测到的声压级 大，可判断车辆的行驶方向为从第一个麦克风监测点行驶到第二个麦克风监测点；反之，可 判断车辆的行驶方向为从第二个麦克风监测点行驶到第一个麦克风监测点。
[0026] 优选的，所述音频信号处理模块提取的特征数据为1/3倍频程频谱数据。
[0027] 优选的，所述提取的特征数据的过程为：
[0028] (41)对音频数据段进行加窗处理以消除频谱泄露的影响，所使用的窗口函数为汉 明窗；
[0029] (42)对数据段进行快速傅立叶计算，得到原始频谱数据；
[0030] (43)将各原始频谱数据累积到对应的1/3倍频程频带上，得到1/3倍频程频谱；
[0031] (44)对1/3倍频程频谱数据进行去均值处理以消除音频信号中声强因素的影响， 作为特征数据。
[0032] 优选的，所述车型识别模块使用支持向量机方法进行车型的识别分类；
[0033] 其具体过程为：
[0034] (31)对音频信号采集模块采集的样本数据进行训练，建立识别分类模型；
[0035] (32)利用识别分类模型，对音频信号采集模块采集的特征数据进行识别分类，进 行车型判断，并将车型识别结果输出给流量统计模块。
[0036] 本发明的优点及积极意义是，对车辆行驶所产生的噪声进行采集，并进行车辆判 定、流向判别和提取车辆的特征数据，进而为音频信号车型识别提供丰富的特征信息和车 型识别分类，从而进行分车型和分流向的交通流量统计。本发明具有较高的准确率和可行 性，尤其是在有振荡标线或减速线的道路能够提取更明显的车辆频谱特征，交通流量监测 的准确率更高。
【附图说明】
[0037] 图1是本发明实施例的系统结构示意图。
[0038] 图2是音频信号采集模块的设置位置示意图（一般道路）。
[0039]图3是音频信号采集模块的设置位置示意图（道路中央有绿化带或防眩板）。
[0040]图4是模式识别的一般流程图。
【具体实施方式】
[0041] 下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。
[0042] 图1所示为本发明较佳实施例的系统结构图。
[0043] -种基于双音频信号采集的分车型的交通流量监测系统，包括音频信号采集模块 1、音频信号处理模块2、车型识别模块3和流量统计模块4。
[0044] 音频信号采集模块1，由双麦克风11和数据采集卡12组成，用于采集行驶车辆产生 的音频信号，并输出给音频信号处理模块2进行处理、分析;其中，双麦克风11用于采集音频 模拟信号，数据采集卡12用于将模块信号转换为数字信号，即A/D转换。
[0045]音频信号处理模块2,用于对音频信号采集模块输出的音频信号进行处理，首先进 行车辆到来判定，判断是否有车辆通过:若有车辆通过，则进行车辆流向判别；同时进行特 征提取，提取当前信号的特征数据，并输出给车型识别模块3进行车型的识别分类。
[0046] 车型识别模块3,用于对输入的1/3倍频程频谱特征数据进行识别分类，得到车型 识别结果，其所使用的识别分类方法是支持向量机(SVM)方法。识别前模块需要保存经由监 督方式训练产生的识别分类模型，并根据该模型对输入的特征数据进行分类，完成车型的 识别工作。
[0047] 流量统计模块4,用于对车型识别模块输出的车型识别结果，进行分车型和分流向 的交通流量统计，并将结果输出。
[0048] 本发明的交通流量监测系统，其完成交通流量监测的工作流程如下：
[0049] 第一步，待检测的运行车辆驶过路面上产生比背景噪声音量更高且特征更突出的 音频信号，并为车型识别系统提供丰富的特征信息；
[0050] 第二步，双麦克风11采集周围环境声音信号，经由数据采集卡12将音频模拟信号 转换为数字信号，并输出给音频信号处理模块2;本实例所使用的数据采集卡为USB声卡，单 通道采样，采样率为8000Hz;
[0051] 第三步，对音频信号采集模块1输出的音频数据进行阈值切割，拟定一个阈值作为 下限，对于所得到的波峰值进行筛选处理。采用Y = aX(Max-Min)+Min作为阈值函数，其中Y 为阈值，a为待定系数，Max为初始化数据的 波峰U的最大值，Min为初始化数据中的U的最低 值，其中La为A计权声压级。系统对于实际道路交通条件下的a取0.6;
[0052]第四步，对第三步得到的波峰值进行有效峰值统计，波峰值比其前后N个数据值都 要高时，即为有效峰值。系统对于实际道路交通条件下的N取8,时间点的间隔为l/22s;
[0053]第五步，对有效波峰进行对称过滤。取峰值的上下游各8个数据共17个数据进行分 析，将峰值两侧对称位置上的两个数值相减，将8组差的绝对值和与设定的误差值做对比， 在本实施例中，设定的误差值为2。当差的绝对值和小于2即认为是平滑的。公式如下：
[0054] Y8-Yio I +1Y7-Y111 +1 Y6-Yi21 +1Y5-Y131 +1Y4-Y141 +1 Y3-Yi51 +1Y2-Y161 +1Y1-Y171 <2^ 过对称过滤，系统将不平滑的干扰波峰进行剔除。由此时剩下的有效波峰，判断有车辆经 过，继续执行下述步骤，否则不进行下述步骤；
[0055] 第六步，音频信号处理模块进行车辆流向判别，当车辆快行驶至第一个麦克风监 测点时，麦克风检测到的声压级要比此时第二个监测点处麦克风检测到的声压级大，可判 断车辆的行驶方向为从第一个麦克风监测点行驶到第二个麦克风监测点；反之，可判断车 辆的行驶方向为从第二个麦克风监测点行驶到第一个麦克风监测点；
[0056] 第七步，为消除频谱泄漏的影响，对音频数据段进行加窗处理，所使用的窗口函数 为汉明窗;其公式为：
[0057] 第八步，对加窗后的音频数据段进行快速傅立叶(FFT)计算，得到1024个原始频谱 数据；
[0058]第九步，将各原始频谱数据累积到IOHz至4000Hz之间的对应的1/3倍频程频带上， 得到1/3倍频程频谱，共27个数据值;对1/3倍频程频谱数据进行去均值以消除音频信号的 声强因素的影响，作为特征数据；
[0059]第十步，将特征数据输出到车型识别模块进行车型的识别分类。车型识别模块需 要保存经由监督方式训练的识别分类模型，并根据该模型对输入的特征数据进行识别分 类，完成车型的识别工作。本例中训练数据采用大型车训练样本120本，中型车训练样本100 个，小型车训练样本340个，干扰训练样本47个，其中干扰因素包括摩托车、电动车、喇叭鸣 声、鸟叫和说话声等；
[0060] 第十一步，将车型的识别分类结果输出到流量统计模块进行各车型流量统计，并 将统计结果输出。
[0061] 在本实施例中，第二步骤中音频信号采集模块装置于道路一侧，使用两个麦克风， 线阵排列，间距为IOm且麦克风指向被测声源，并离最近车道中心线7.5m处，离地面高度 1.2m。当道路中央有绿化带或防眩板时，需要在道路两侧分别设置两个麦克风。这样可以保 证音频信号采集模块采集到正常行驶速度下车辆驶过道路时的音频信号。
[0062]在本实施例中，第三步骤对波峰值进行筛选处理，可以去除一部分明显不是车辆 经过的微小的干扰。当车辆经过试验地点时，所得A声级值大于背景噪声值，因此对于一些 数值较小的波峰值不予考虑。
[0063] 在本实施例中，第三步骤中阈值函数中的待定系数a与波峰统计中的变量N的取值 对于本系统的准确率来讲是相互制约的关系。比如说，当a值一定的时候，N值越大，对有效 波峰的条件约束越大;而当N值一定的时候，a值越大，对有效波峰的条件约束也越大。因此， 对于a、N两个未知数的取值应同时考虑。比较系数a的取值从0.1到0.9，N的取值从1到10时， a与N二维组合后，两者同时变化的比值(程序运行监测到的车流量/实际车流量)的变化。分 析得出当阈值函数系数a取0.6，N取8时，系统的准确度为最高。因此本系统对于实际道路交 通条件下的a取0.6, N取8。
[0064] 在本实施例中，第四步骤对有效波峰进行统计可去除部分干扰。在波峰提取过程 中，系统获取的是U-T图（A声压级-时间图）中每一个突起的最高点。但是并非所有的波峰 都代表车辆经过，故需要统计有效波峰，去除部分干扰。
[0065] 在本实施例中，第四步骤中波峰统计中的变量N应该适当。N过大时，无法判断车头 时距较小的车辆，造成漏判。N过小时，容易引入微小的波动干扰，造成误判。
[0066] 在本实施例中，第五步骤经过对称过滤，干扰数据被剔除，提高了系统的准确性。 当车辆驶过实验地点时，由于车速在极短的时间内保持不变，因此La-T图（A声压级-时间 图）波形有左右基本对称的特征，而干扰波峰则表现出明显不对称的特征。基于车辆La-T图 (A声压级-时间图）波形的对称性，对于有效波峰进行对称过滤。
[0067] 在本实施例中，第九步骤中对1/3倍频程频谱数据进行去均值处理是考虑到不同 车道上及不同行驶速度的车辆，其产生的音频信号的声强不同。保留频谱数据的均值也即 保留声强因素，会增加特征数据的不确定因素，降低车型识别的准确率，因此进行去均值处 理以消除声强因素的影响，相当于只考虑音频信号的频谱特性。
[0068] 在本实施例中，第十步骤中建立识别分类模型所需的训练数据应采用实际道路在 早、中、晚监测到的各种车型车辆数据样本和干扰数据样本，其中干扰因素包括摩托车、电 动车、喇叭鸣声、鸟叫和说话声等。所使用的识别分类方法是支持向量机(SVM)方法。
[0069] 以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发 明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护 范围之内。
【主权项】
1. 一种基于双音频信号采集的分车型的交通流量监测系统，其特征在于，包括如下模 块： 音频信号采集模块，由两个测量麦克风和数据采集卡组成，用于采集行驶车辆产生的 音频信号，并输出给音频信号处理模块进行处理和分析； 音频信号处理模块，用于对音频信号采集模块输出的音频信号进行处理，首先通过对 信号的有效波峰筛选进行车辆到来判定，若有车辆通过，则进行车辆流向判别和提取当前 信号的特征数据，并输出给车型识别模块进行车型的识别分类； 车型识别模块，对音频信号处理模块的特征数据进行识别分类，得到车型识别结果； 流量统计模块，由车辆识别模块得到的车型统计结果，进行分车型和分流向的交通流 量统计，并将统计结果输出。2. 根据权利要求1所述的交通流量监测系统，其特征在于，所述音频信号采集模块的设 置方式为:将模块装置于道路一侧，使用两个麦克风，线阵排列，两个麦克风间有间距且麦 克风指向被测声源；当道路中央有绿化带或防眩板时，需要在道路两侧分别设置两个麦克 风。3. 根据权利要求1所述的交通流量监测系统，其特征在于，所述音频信号处理模块进行 车辆到来判定的方式为： (11) 阈值切割，设定下限阈值，对于音频信号采集模块所得到的A计权声压级波峰值进 行筛选处理； (12) 有效波峰统计，判定波峰，确定并统计波峰数目； (13) 对称过滤，对获取的波峰进行对称测试，过滤不对称的干扰，将干扰波峰剔除； (14) 此时剩下的有效波峰即为车辆经过监测点时产生的声压级，由于大于背景噪声 值，可判断车辆的到来。4. 根据权利要求2所述的交通流量监测系统，其特征在于，所述步骤（11)中下限阈值的 设定是采用Y=aX(Max_Min)+Min作为阈值函数，其中Y为下限阈值，a为待定系数，Max为初 始化数据的波峰La的最大值，Min为初始化数据中的La的最低值，其中La为A计权声压级。5. 根据权利要求2所述的交通流量监测系统，其特征在于，所述步骤（12)中有效波峰统 计过程为:在波峰提取过程中，获取的是La-T图中每一个突起的最高点，S卩A声压级-时间图 中每一个突起的最尚点；在这些最尚点中，波峰值比其如后N个时间点的值都要尚，即为有 效峰值，则该波峰为有效波峰;其中N为波峰统计中的变量。6. 根据权利要求2所述的交通流量监测系统，其特征在于，所述步骤（13)的对称过滤实 现方式为： (21) 取峰值的上下游各8个数据共17个数据进行分析； (22) 将峰值两侧对称位置上的两个数值相减，将8组差的绝对值和与设定的误差值做 比对，当差的绝对值和设定的误差值即认为是平滑的；否则，将不平滑的干扰波峰进行剔 除。7. 根据权利要求1所述的交通流量监测系统，其特征在于，车辆流向判别的方式为：当 车辆快行驶至第一个麦克风监测点时，麦克风检测到的声压级要比第二个监测点处麦克风 检测到的声压级大，可判断车辆的行驶方向为从第一个麦克风监测点行驶到第二个麦克风 监测点；反之，可判断车辆的行驶方向为从第二个麦克风监测点行驶到第一个麦克风监测 点。8. 根据权利要求1所述的交通流量监测系统，其特征在于，所述音频信号处理模块提取 的特征数据为1/3倍频程频谱数据。9. 根据权利要求8所述的交通流量监测系统，其特征在于，所述提取的特征数据的过程 为： (41) 对音频数据段进行加窗处理以消除频谱泄露的影响，所使用的窗口函数为汉明 窗； (42) 对数据段进行快速傅立叶计算，得到原始频谱数据； (43) 将各原始频谱数据累积到对应的1/3倍频程频带上，得到1/3倍频程频谱； (44) 对1/3倍频程频谱数据进行去均值处理以消除音频信号中声强因素的影响，作为 特征数据。10. 根据权利要求1所述的交通流量监测系统，其特征在于，所述车型识别模块使用支 持向量机方法进行车型的识别分类； 其具体过程为:对车型识别包括如下步骤： (31) 对音频信号采集模块采集的样本数据进行训练，建立识别分类模型； (32) 利用识别分类模型，对音频信号采集模块采集的特征数据进行识别分类，进行车 型判断，并将车型识别结果输出给流量统计模块。
【专利摘要】本发明提供一种基于双音频信号采集的分车型的交通流量监测系统，包括音频信号采集模块、音频信号处理模块、车型识别模块和流量统计模块。本系统的实现过程为：车辆行驶到监测点时产生噪声，信号采集模块利用麦克风采集音频信号；信号处理模块通过对信号的有效波峰筛选进行车辆到来判定，当有车辆通过时，进行车辆流向判别以及对信号进行特征提取；通过提取的特征数据，由车型识别模块完成对当前通过车辆的车型自动识别分类；流量统计模块统计分车型和分流向的交通流量，并输出结果。本发明具有成本低、易储存数据、识别精度高和可以全天候工作等优点，可应用于智能交通管理等领域。
【IPC分类】G08G1/065, G08G1/017
【公开号】CN105489019
【申请号】CN201510968452
【发明人】蔡铭, 侯庆, 张智伟
【申请人】中山大学
【公开日】2016年4月13日
【申请日】2015年12月18日
【技术领域】
[0001] 本发明涉及智能交通管理领域，更具体地，涉及一种基于双音频信号采集的分车 型的交通流量监测系统。
【背景技术】
[0002] 道路交通流信息的采集，尤其是车辆数目、车辆流向和车辆类型的获取是智能交 通领域的重要内容，可以为交通管理与控制提供基础数据。道路交通流量监测统计对于提 高城市交通流的引导和管理效率有重要的作用，其不仅可以及时地为交通管理部门提供参 考，优化管理效果，而且可以为道路交通的使用者提供出行参考，提高出行效率。
[0003] 目前，交通流监测与统计的技术与方法有多种，如图像处理、红外发射、磁感线圈、 声信号处理、超声波等。但是，其他检测方法存在其固有的缺点：图像处理识别成本昂贵、对 光线变化敏感;红外检测方法受天气的限制严重;磁感线圈对于路面的破坏程度比较大，安 装维护都比较困难，而且不能识别车型;超声波检测装置安装条件受限等。而声信号处理技 术相对于其他技术而言成本低，更容易安装、维护和数据存储，可以全天候工作。声信号处 理技术可以与现有的交通检测技术相辅相成，可以极大地提高检测质量，降低成本。
[0004] 车辆通过监测点时，道路交通噪声总声压级图中会出现一个波峰，其A声级值明显 高于背景噪声值。在噪声总声压级图中，并非所有的波峰都代表车辆经过。有些波峰可能是 摩托车、电动车、喇叭鸣声、鸟叫和说话声等干扰因素造成的。通过去除一些干扰波峰，对波 峰进行判定，可以有效判别车辆的到来。
[0005] 由于车辆行驶方向的不同，同一时刻两个监测点的麦克风检测到的声压级有所不 同。先行驶到的监测点处麦克风检测到的声压级要比此时另外一个检测点处麦克风检测到 的声压级要大。这样，通过比较两个监测点处麦克风检测到的声压级不同，可以判断出道路 车辆的行驶方向，即判断车辆的流向。
[0006] 不同车型的道路车辆产生的噪声有所不同，差异主要体现在声强和音色上。由于 车辆引擎差异、轮胎与路面的摩擦力度不同，车辆噪声的信号频谱不同，这使得采用音频 信号对车型进行识别具有可行性。授权公告号为CN100507971C的国家专利提出一种基于独 立分量分析的车辆声音识别方法，授权公告号为CN102682765B的国家专利设计了一套用于 高速公路上的音频车辆检测装置及其相应的检测方法。这两个专利都使用车辆运行本身以 及车辆与路面摩擦产生的音频信号作为处理对象，这样的音频信号变化不明显，难以进行 车辆到来的有效判断以及没有对车辆流向进行判别，并且随着车型种类的增加，识别准确 率下降严重。不同车型的音频信号识别问题是模式识别理论的一个典型应用。交通流量监 测系统的模式识别分类问题的步骤如附图4所示，主要包括数据采集、预处理、特征提取、分 类识别和流量统计五个部分。
【发明内容】
[0007] 本发明的目的是提出一种基于双音频信号采集的分车型的交通流量监测系统，通 过对道路音频数据的采集、音频数据的频域分析、车辆判定、车辆流向判别和提取车辆的特 征数据，利用支持向量机分类器对样本数据进行训练及建立识别分类模型，进而进行车型 识别，从而实现分车型和分流向的交通流量监测。
[0008] 为了实现上述目的，本发明的技术方案为：
[0009] -种基于双音频信号采集的分车型的交通流量监测系统，包括如下模块：
[0010] 音频信号采集模块，由两个测量麦克风和数据采集卡组成，用于采集行驶车辆产 生的音频信号，并输出给音频信号处理模块进行处理和分析;其中，测量麦克风用于采集音 频模拟信号;数据采集卡用于将模拟信号转换为数字信号，即A/D转换；
[0011]音频信号处理模块，用于对音频信号采集模块输出的音频信号进行处理，首先通 过对信号的有效波峰筛选进行车辆到来判定，若有车辆通过，则进行车辆流向判别和提取 当前信号的特征数据，并输出给车型识别模块进行车型的识别分类；
[0012] 车型识别模块，对音频信号处理模块的特征数据进行识别分类，得到车型识别结 果；
[0013] 流量统计模块，由车辆识别模块得到的车型统计结果，进行分车型和分流向的交 通流量统计，并将统计结果输出。
[0014]优选的，所述音频信号采集模块的设置方式为:将模块装置于道路一侧，使用两 个麦克风，线阵排列，两个麦克风间有间距且麦克风指向被测声源；当道路中央有绿化带或 防眩板时，需要在道路两侧分别设置两个麦克风。
[0015]优选的，所述音频信号处理模块进行车辆到来判定的方式为：
[0016] (11)阈值切割，设定下限阈值，对于音频信号采集模块所得到的A计权声压级波峰 值进行筛选处理；
[0017] (12)有效波峰统计，判定波峰，确定并统计波峰数目；
[0018] (13)对称过滤，对获取的波峰进行对称测试，过滤不对称的干扰，将干扰波峰剔 除；
[0019] (14)此时剩下的有效波峰即为车辆经过监测点时产生的声压级，由于大于背景噪 声值，可判断车辆的到来。
[0020] 优选的，所述步骤（I 1)中下限阈值的设定是采用Y = aX (Max-Min) +Min作为阈值 函数，其中Y为下限阈值，a为待定系数，Max为初始化数据的波峰La的最大值，Min为初始化 数据中的La的最低值，其中La为A计权声压级。
[0021] 优选的，所述步骤（12)中有效波峰统计过程为:在波峰提取过程中，获取的是U-T 图中每一个突起的最尚点，即A声压级-时间图中每一个突起的最尚点；在这些最尚点中，波 峰值比其前后N个时间点的值都要高，即为有效峰值，则该波峰为有效波峰;其中N为波峰统 计中的变量。
[0022]优选的，所述步骤(13)的对称过滤实现方式为：
[0023] (21)取峰值的上下游各8个数据共17个数据进行分析；
[0024] (22)将峰值两侧对称位置上的两个数值相减，将8组差的绝对值和与设定的误差 值做比对，当差的绝对值和设定的误差值即认为是平滑的；否则，将不平滑的干扰波峰进行 剔除。
[0025]优选的，所述音频信号处理模块进行车辆流向判别的方式为：当车辆快行驶至第 一个麦克风监测点时，麦克风检测到的声压级要比第二个监测点处麦克风检测到的声压级 大，可判断车辆的行驶方向为从第一个麦克风监测点行驶到第二个麦克风监测点；反之，可 判断车辆的行驶方向为从第二个麦克风监测点行驶到第一个麦克风监测点。
[0026] 优选的，所述音频信号处理模块提取的特征数据为1/3倍频程频谱数据。
[0027] 优选的，所述提取的特征数据的过程为：
[0028] (41)对音频数据段进行加窗处理以消除频谱泄露的影响，所使用的窗口函数为汉 明窗；
[0029] (42)对数据段进行快速傅立叶计算，得到原始频谱数据；
[0030] (43)将各原始频谱数据累积到对应的1/3倍频程频带上，得到1/3倍频程频谱；
[0031] (44)对1/3倍频程频谱数据进行去均值处理以消除音频信号中声强因素的影响， 作为特征数据。
[0032] 优选的，所述车型识别模块使用支持向量机方法进行车型的识别分类；
[0033] 其具体过程为：
[0034] (31)对音频信号采集模块采集的样本数据进行训练，建立识别分类模型；
[0035] (32)利用识别分类模型，对音频信号采集模块采集的特征数据进行识别分类，进 行车型判断，并将车型识别结果输出给流量统计模块。
[0036] 本发明的优点及积极意义是，对车辆行驶所产生的噪声进行采集，并进行车辆判 定、流向判别和提取车辆的特征数据，进而为音频信号车型识别提供丰富的特征信息和车 型识别分类，从而进行分车型和分流向的交通流量统计。本发明具有较高的准确率和可行 性，尤其是在有振荡标线或减速线的道路能够提取更明显的车辆频谱特征，交通流量监测 的准确率更高。
【附图说明】
[0037] 图1是本发明实施例的系统结构示意图。
[0038] 图2是音频信号采集模块的设置位置示意图（一般道路）。
[0039]图3是音频信号采集模块的设置位置示意图（道路中央有绿化带或防眩板）。
[0040]图4是模式识别的一般流程图。
【具体实施方式】
[0041] 下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。
[0042] 图1所示为本发明较佳实施例的系统结构图。
[0043] -种基于双音频信号采集的分车型的交通流量监测系统，包括音频信号采集模块 1、音频信号处理模块2、车型识别模块3和流量统计模块4。
[0044] 音频信号采集模块1，由双麦克风11和数据采集卡12组成，用于采集行驶车辆产生 的音频信号，并输出给音频信号处理模块2进行处理、分析;其中，双麦克风11用于采集音频 模拟信号，数据采集卡12用于将模块信号转换为数字信号，即A/D转换。
[0045]音频信号处理模块2,用于对音频信号采集模块输出的音频信号进行处理，首先进 行车辆到来判定，判断是否有车辆通过:若有车辆通过，则进行车辆流向判别；同时进行特 征提取，提取当前信号的特征数据，并输出给车型识别模块3进行车型的识别分类。
[0046] 车型识别模块3,用于对输入的1/3倍频程频谱特征数据进行识别分类，得到车型 识别结果，其所使用的识别分类方法是支持向量机(SVM)方法。识别前模块需要保存经由监 督方式训练产生的识别分类模型，并根据该模型对输入的特征数据进行分类，完成车型的 识别工作。
[0047] 流量统计模块4,用于对车型识别模块输出的车型识别结果，进行分车型和分流向 的交通流量统计，并将结果输出。
[0048] 本发明的交通流量监测系统，其完成交通流量监测的工作流程如下：
[0049] 第一步，待检测的运行车辆驶过路面上产生比背景噪声音量更高且特征更突出的 音频信号，并为车型识别系统提供丰富的特征信息；
[0050] 第二步，双麦克风11采集周围环境声音信号，经由数据采集卡12将音频模拟信号 转换为数字信号，并输出给音频信号处理模块2;本实例所使用的数据采集卡为USB声卡，单 通道采样，采样率为8000Hz;
[0051] 第三步，对音频信号采集模块1输出的音频数据进行阈值切割，拟定一个阈值作为 下限，对于所得到的波峰值进行筛选处理。采用Y = aX(Max-Min)+Min作为阈值函数，其中Y 为阈值，a为待定系数，Max为初始化数据的 波峰U的最大值，Min为初始化数据中的U的最低 值，其中La为A计权声压级。系统对于实际道路交通条件下的a取0.6;
[0052]第四步，对第三步得到的波峰值进行有效峰值统计，波峰值比其前后N个数据值都 要高时，即为有效峰值。系统对于实际道路交通条件下的N取8,时间点的间隔为l/22s;
[0053]第五步，对有效波峰进行对称过滤。取峰值的上下游各8个数据共17个数据进行分 析，将峰值两侧对称位置上的两个数值相减，将8组差的绝对值和与设定的误差值做对比， 在本实施例中，设定的误差值为2。当差的绝对值和小于2即认为是平滑的。公式如下：
[0054] Y8-Yio I +1Y7-Y111 +1 Y6-Yi21 +1Y5-Y131 +1Y4-Y141 +1 Y3-Yi51 +1Y2-Y161 +1Y1-Y171 <2^ 过对称过滤，系统将不平滑的干扰波峰进行剔除。由此时剩下的有效波峰，判断有车辆经 过，继续执行下述步骤，否则不进行下述步骤；
[0055] 第六步，音频信号处理模块进行车辆流向判别，当车辆快行驶至第一个麦克风监 测点时，麦克风检测到的声压级要比此时第二个监测点处麦克风检测到的声压级大，可判 断车辆的行驶方向为从第一个麦克风监测点行驶到第二个麦克风监测点；反之，可判断车 辆的行驶方向为从第二个麦克风监测点行驶到第一个麦克风监测点；
[0056] 第七步，为消除频谱泄漏的影响，对音频数据段进行加窗处理，所使用的窗口函数 为汉明窗;其公式为：
[0057] 第八步，对加窗后的音频数据段进行快速傅立叶(FFT)计算，得到1024个原始频谱 数据；
[0058]第九步，将各原始频谱数据累积到IOHz至4000Hz之间的对应的1/3倍频程频带上， 得到1/3倍频程频谱，共27个数据值;对1/3倍频程频谱数据进行去均值以消除音频信号的 声强因素的影响，作为特征数据；
[0059]第十步，将特征数据输出到车型识别模块进行车型的识别分类。车型识别模块需 要保存经由监督方式训练的识别分类模型，并根据该模型对输入的特征数据进行识别分 类，完成车型的识别工作。本例中训练数据采用大型车训练样本120本，中型车训练样本100 个，小型车训练样本340个，干扰训练样本47个，其中干扰因素包括摩托车、电动车、喇叭鸣 声、鸟叫和说话声等；
[0060] 第十一步，将车型的识别分类结果输出到流量统计模块进行各车型流量统计，并 将统计结果输出。
[0061] 在本实施例中，第二步骤中音频信号采集模块装置于道路一侧，使用两个麦克风， 线阵排列，间距为IOm且麦克风指向被测声源，并离最近车道中心线7.5m处，离地面高度 1.2m。当道路中央有绿化带或防眩板时，需要在道路两侧分别设置两个麦克风。这样可以保 证音频信号采集模块采集到正常行驶速度下车辆驶过道路时的音频信号。
[0062]在本实施例中，第三步骤对波峰值进行筛选处理，可以去除一部分明显不是车辆 经过的微小的干扰。当车辆经过试验地点时，所得A声级值大于背景噪声值，因此对于一些 数值较小的波峰值不予考虑。
[0063] 在本实施例中，第三步骤中阈值函数中的待定系数a与波峰统计中的变量N的取值 对于本系统的准确率来讲是相互制约的关系。比如说，当a值一定的时候，N值越大，对有效 波峰的条件约束越大;而当N值一定的时候，a值越大，对有效波峰的条件约束也越大。因此， 对于a、N两个未知数的取值应同时考虑。比较系数a的取值从0.1到0.9，N的取值从1到10时， a与N二维组合后，两者同时变化的比值(程序运行监测到的车流量/实际车流量)的变化。分 析得出当阈值函数系数a取0.6，N取8时，系统的准确度为最高。因此本系统对于实际道路交 通条件下的a取0.6, N取8。
[0064] 在本实施例中，第四步骤对有效波峰进行统计可去除部分干扰。在波峰提取过程 中，系统获取的是U-T图（A声压级-时间图）中每一个突起的最高点。但是并非所有的波峰 都代表车辆经过，故需要统计有效波峰，去除部分干扰。
[0065] 在本实施例中，第四步骤中波峰统计中的变量N应该适当。N过大时，无法判断车头 时距较小的车辆，造成漏判。N过小时，容易引入微小的波动干扰，造成误判。
[0066] 在本实施例中，第五步骤经过对称过滤，干扰数据被剔除，提高了系统的准确性。 当车辆驶过实验地点时，由于车速在极短的时间内保持不变，因此La-T图（A声压级-时间 图）波形有左右基本对称的特征，而干扰波峰则表现出明显不对称的特征。基于车辆La-T图 (A声压级-时间图）波形的对称性，对于有效波峰进行对称过滤。
[0067] 在本实施例中，第九步骤中对1/3倍频程频谱数据进行去均值处理是考虑到不同 车道上及不同行驶速度的车辆，其产生的音频信号的声强不同。保留频谱数据的均值也即 保留声强因素，会增加特征数据的不确定因素，降低车型识别的准确率，因此进行去均值处 理以消除声强因素的影响，相当于只考虑音频信号的频谱特性。
[0068] 在本实施例中，第十步骤中建立识别分类模型所需的训练数据应采用实际道路在 早、中、晚监测到的各种车型车辆数据样本和干扰数据样本，其中干扰因素包括摩托车、电 动车、喇叭鸣声、鸟叫和说话声等。所使用的识别分类方法是支持向量机(SVM)方法。
[0069] 以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发 明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护 范围之内。
【主权项】
1. 一种基于双音频信号采集的分车型的交通流量监测系统，其特征在于，包括如下模 块： 音频信号采集模块，由两个测量麦克风和数据采集卡组成，用于采集行驶车辆产生的 音频信号，并输出给音频信号处理模块进行处理和分析； 音频信号处理模块，用于对音频信号采集模块输出的音频信号进行处理，首先通过对 信号的有效波峰筛选进行车辆到来判定，若有车辆通过，则进行车辆流向判别和提取当前 信号的特征数据，并输出给车型识别模块进行车型的识别分类； 车型识别模块，对音频信号处理模块的特征数据进行识别分类，得到车型识别结果； 流量统计模块，由车辆识别模块得到的车型统计结果，进行分车型和分流向的交通流 量统计，并将统计结果输出。2. 根据权利要求1所述的交通流量监测系统，其特征在于，所述音频信号采集模块的设 置方式为:将模块装置于道路一侧，使用两个麦克风，线阵排列，两个麦克风间有间距且麦 克风指向被测声源；当道路中央有绿化带或防眩板时，需要在道路两侧分别设置两个麦克 风。3. 根据权利要求1所述的交通流量监测系统，其特征在于，所述音频信号处理模块进行 车辆到来判定的方式为： (11) 阈值切割，设定下限阈值，对于音频信号采集模块所得到的A计权声压级波峰值进 行筛选处理； (12) 有效波峰统计，判定波峰，确定并统计波峰数目； (13) 对称过滤，对获取的波峰进行对称测试，过滤不对称的干扰，将干扰波峰剔除； (14) 此时剩下的有效波峰即为车辆经过监测点时产生的声压级，由于大于背景噪声 值，可判断车辆的到来。4. 根据权利要求2所述的交通流量监测系统，其特征在于，所述步骤（11)中下限阈值的 设定是采用Y=aX(Max_Min)+Min作为阈值函数，其中Y为下限阈值，a为待定系数，Max为初 始化数据的波峰La的最大值，Min为初始化数据中的La的最低值，其中La为A计权声压级。5. 根据权利要求2所述的交通流量监测系统，其特征在于，所述步骤（12)中有效波峰统 计过程为:在波峰提取过程中，获取的是La-T图中每一个突起的最高点，S卩A声压级-时间图 中每一个突起的最尚点；在这些最尚点中，波峰值比其如后N个时间点的值都要尚，即为有 效峰值，则该波峰为有效波峰;其中N为波峰统计中的变量。6. 根据权利要求2所述的交通流量监测系统，其特征在于，所述步骤（13)的对称过滤实 现方式为： (21) 取峰值的上下游各8个数据共17个数据进行分析； (22) 将峰值两侧对称位置上的两个数值相减，将8组差的绝对值和与设定的误差值做 比对，当差的绝对值和设定的误差值即认为是平滑的；否则，将不平滑的干扰波峰进行剔 除。7. 根据权利要求1所述的交通流量监测系统，其特征在于，车辆流向判别的方式为：当 车辆快行驶至第一个麦克风监测点时，麦克风检测到的声压级要比第二个监测点处麦克风 检测到的声压级大，可判断车辆的行驶方向为从第一个麦克风监测点行驶到第二个麦克风 监测点；反之，可判断车辆的行驶方向为从第二个麦克风监测点行驶到第一个麦克风监测 点。8. 根据权利要求1所述的交通流量监测系统，其特征在于，所述音频信号处理模块提取 的特征数据为1/3倍频程频谱数据。9. 根据权利要求8所述的交通流量监测系统，其特征在于，所述提取的特征数据的过程 为： (41) 对音频数据段进行加窗处理以消除频谱泄露的影响，所使用的窗口函数为汉明 窗； (42) 对数据段进行快速傅立叶计算，得到原始频谱数据； (43) 将各原始频谱数据累积到对应的1/3倍频程频带上，得到1/3倍频程频谱； (44) 对1/3倍频程频谱数据进行去均值处理以消除音频信号中声强因素的影响，作为 特征数据。10. 根据权利要求1所述的交通流量监测系统，其特征在于，所述车型识别模块使用支 持向量机方法进行车型的识别分类； 其具体过程为:对车型识别包括如下步骤： (31) 对音频信号采集模块采集的样本数据进行训练，建立识别分类模型； (32) 利用识别分类模型，对音频信号采集模块采集的特征数据进行识别分类，进行车 型判断，并将车型识别结果输出给流量统计模块。
【专利摘要】本发明提供一种基于双音频信号采集的分车型的交通流量监测系统，包括音频信号采集模块、音频信号处理模块、车型识别模块和流量统计模块。本系统的实现过程为：车辆行驶到监测点时产生噪声，信号采集模块利用麦克风采集音频信号；信号处理模块通过对信号的有效波峰筛选进行车辆到来判定，当有车辆通过时，进行车辆流向判别以及对信号进行特征提取；通过提取的特征数据，由车型识别模块完成对当前通过车辆的车型自动识别分类；流量统计模块统计分车型和分流向的交通流量，并输出结果。本发明具有成本低、易储存数据、识别精度高和可以全天候工作等优点，可应用于智能交通管理等领域。
【IPC分类】G08G1/065, G08G1/017
【公开号】CN105489019
【申请号】CN201510968452
【发明人】蔡铭, 侯庆, 张智伟
【申请人】中山大学
【公开日】2016年4月13日
【申请日】2015年12月18日
最新回复(0)