# 不同车型在线圈检测器上的信号特征与分辨策略 > 编写日期：2026-07-01 > 技术领域：环形线圈车辆检测器 / 车型分类 > 关键词：车型分辨、波形特征、自适应基线、双阈值检测、状态机、线圈变形补偿 --- ## 一、物理层——不同车型对线圈信号的三个核心维度 环形线圈本质上是一个 LC 振荡器，车辆经过时等效于在电感线圈下方引入一个**涡流耦合的金属体**。不同车型在以下三个维度上影响振荡信号： ### ① 底盘高度（耦合间距） 决定感应强度最重要的因素，遵循 **1/(d²)~1/(d³)** 衰减规律。 | 车型 | 典型底盘高度 | 耦合效率 | 关键影响 | |------|------------|---------|---------| | 自行车 | 无底盘，车架距地15~30cm | 极弱 | 金属质量太小，信号接近噪声底限 | | 摩托车 | ~15cm（发动机部位更低） | 中等 | 发动机曲轴箱有一定金属量 | | 三轮车 | 货斗部位可低至20~30cm | 弱-中等 | 电动三轮金属车架+电池组 | | 小轿车 | ~15cm | 强 | 底盘平整，耦合好 | | 人货车 | 25~35cm | 中等偏强 | 铁质货箱耦合面高，但底盘高 | | 大货车 | 40~70cm | 弱-中等 | 底盘极高，但轮胎巨大、金属总量大 | | 集装箱挂车 | 60~90cm | 极弱 | 底盘最高，但整个箱体是铁皮 | ### ② 金属覆盖面积（ΔL/L 幅度） 单位时间内的有效金属体积影响**频率偏移量**： ``` 自行车： Δf ≈ 20~80 Hz (信号幅度最低，接近噪声) 摩托车： Δf ≈ 100~300 Hz (发动机集中) 三轮车： Δf ≈ 150~400 Hz (车架+电池) 小轿车： Δf ≈ 400~1200 Hz (底盘全耦合) 人货车： Δf ≈ 300~800 Hz (铁质货箱，但耦合弱) 大货车： Δf ≈ 200~600 Hz (底盘高，金属在后轴集中) 集装箱： Δf ≈ 150~500 Hz (底盘极高，仅有集装箱底部) ``` ### ③ 车身长度（信号持续时长） 车辆通过线圈的速度 × 车身长度 = 占道时间。详见下文"速度归一化"。 ### ④ 铁磁性 vs 非铁磁性 - **铁磁性材料**（钢制底盘、发动机缸体）：不仅增加涡流损耗，还**提高线圈电感量**——初期信号方向相反（频率先降后升），形成特有波形特征 - **纯铝/非铁金属**：纯涡流效应，**只降低电感量**（频率上升） > 大货车的信号波形有时会"先凹后凸"——铁质车轴进入时电感升高→频率下降，进入感应区后涡流占主导→频率上升。 --- ## 二、各类车型的典型波形形态 ``` 频率偏移量 ↑ | ___ 1400Hz | / \_________ 小轿车 (底盘低, Δf大, 波形陡) | / \____ 1200Hz |/ | 1000Hz | | ____ 800Hz | / \ 人货车 (货箱铁皮, 波形有双峰) | / \____ 600Hz |/ \ | 400Hz | __/--\_____ 集装箱 (振幅小, 持续长, 可能平顶) | / \__ 200Hz | / | -_ _ _ _ _ _ _ _ 0Hz |__________________________→ 时间 ↑ ↑ ↑ 进入 车轴/发动机 离开 (铁磁性凸起) ``` ### 波形特征速查表 | 车型 | Δf 幅度 | 持续时长 | 波形包络 | 特征备注 | |------|---------|---------|---------|---------| | 自行车 | <80Hz | ~0.3s@20km/h | 窄尖峰 | 极难分辨，信噪比低 | | 摩托车 | 100~300Hz | ~0.4s | 单峰对称 | 钢制车架可能有小凸起 | | 三轮车 | 150~400Hz | ~0.5s | 单峰或双峰 | 电机/电池位置产生不对称 | | 小轿车 | 400~1200Hz | ~0.8s | 平滑单峰 | 基准波形，波动小 | | 人货车 | 300~800Hz | ~1s | 双峰（发动机舱+货箱） | 铁质货箱产生二次凸起 | | 大货车 | 200~600Hz | ~1.5s | 平顶或双峰 | 铁质车轴+高底盘，振幅被压缩 | | 集装箱 | 150~500Hz | ~2.5s | 平顶+缓慢起伏 | 持续极长，幅度不高 | --- ## 三、稳定可靠的检测与分辨策略 ### 3.1 基本检测——自适应基线 + 双阈值 所有分辨的基础是先检测到。针对大跨度信噪比，必须用**自适应基线跟踪**： ```c // 自适应基线 —— 抗温漂+抗噪声 // 使用一阶低通滤波器跟踪无车时的频率 #define BASELINE_ALPHA 0.01f // 慢速跟踪 if (!occupied) { baseline_freq = baseline_freq * (1 - ALPHA) + current_freq * ALPHA; } // 双阈值检测 #define THRESHOLD_OCCUPY 150 // 占车阈值 (Hz) #define THRESHOLD_RELEASE 80 // 释放阈值 (Hz) — 滞后比较 delta_f = current_freq - baseline_freq; if (!occupied && delta_f > THRESHOLD_OCCUPY) { occupied = TRUE; // 进入检测态 } else if (occupied && delta_f < THRESHOLD_RELEASE) { occupied = FALSE; // 离开 → 触发分类流程 } ``` **关键设计点**： - 自行车Δf仅20~80Hz → 单车场景下可将阈值降至40Hz，但必须配合**持续时间滤波**（≥50ms才算检测到，避开尖峰噪声） - 大货车Δf也偏小(200~600Hz) → 阈值150Hz能覆盖，但若安装深度过浅或线圈变形，货车可能被漏检 → 建议备用雷达或长线圈 ### 3.2 车型分辨 — 特征向量 + 决策树 采集车辆经过的完整波形后，提取以下特征向量： ``` 特征向量 = { peak_delta_f: 最大频偏 (反映底盘高度+金属量) mean_delta_f: 平均频偏 std_delta_f: 波形标准差 (反映轮廓锐度) duration_ms: 持续时长 (÷速度 = 车身长度) rise_time_ms: 上升时间 (进入阶段) fall_time_ms: 下降时间 (离开阶段) asymmetry_ratio: 上升/下降时间比 (波形对称性) double_peak_flag: 是否有多个峰值 (发动机+货箱) plateau_ratio: 平顶占比 (平顶持续时间/总时间) } ``` #### 分辨逻辑（决策树） ```c typedef enum { UNKNOWN, BICYCLE, MOTORCYCLE, TRICYCLE, SEDAN, TRUCK_LIGHT, // 人货车 TRUCK_HEAVY, // 大货车 CONTAINER } VehicleClass; VehicleClass classify_vehicle(VehicleFeatures *f) { // Step 1: 先评估信号强度，过滤弱信号 if (f->peak_delta_f < 80) { if (f->duration_ms > 300 && f->duration_ms < 800) return BICYCLE; else return UNKNOWN; // 噪声/行人干扰 } // Step 2: 按峰值幅度粗分 if (f->peak_delta_f > 600) { if (f->duration_ms > 600 && f->asymmetry_ratio < 1.3f) return SEDAN; if (f->duration_ms < 500 && f->double_peak_flag) return MOTORCYCLE; return SEDAN; // fallback } // Step 3: 中等信号 → 货车类 if (f->peak_delta_f > 300) { if (f->duration_ms > 1200) return TRUCK_HEAVY; if (f->double_peak_flag) return TRUCK_LIGHT; if (f->duration_ms > 500 && f->duration_ms < 900) return TRICYCLE; return TRUCK_LIGHT; } // Step 4: 弱信号 → 高底盘车辆 if (f->duration_ms > 1000) { if (f->plateau_ratio > 0.3f) return CONTAINER; return TRUCK_HEAVY; } return UNKNOWN; } ``` ### 3.3 速度归一化——核心前提 没有速度，所有持续时间特征都无意义。 **方案：两个线圈成对使用（间距1m~3m）** - 两个线圈分别检测，测速后反推车身长度 - 用两线圈的进入时间差和离开时间差取平均，提高鲁棒性 ```c // 双线圈测速 speed = coil_distance / (entry_time_2 - entry_time_1); // m/s // 车身长度 body_length = speed * (exit_time_1 - entry_time_1); // 速度过滤 if (speed < 0.5f) speed = 0.5f; // 怠速/蠕动处理 ``` --- ## 四、线圈变形导致的异常与规避策略 ### 4.1 常见变形问题 | 现象 | 物理本质 | 对信号的影响 | |------|---------|------------| | **线圈拉伸变形**（矩形变梯形/锥形） | 电感量不均，磁场分布畸变 | 同一车辆在不同位置通过时信号幅度相差2~3倍 | | **引线断裂/接触不良** | 回路电阻增加，Q值下降 | 基线噪声增大，弱信号（自行车/高底盘）消失 | | **线圈受潮** | 分布电容增大，串联等效电阻变化 | 基线频率持续漂移，信号幅度下降 | | **路面沉降/线圈移位** | 线圈面与路面不平 | 感应区域偏移，部分车辆漏检 | ### 4.2 锥形线圈的幅度变化 车辆从不同车道位置通过，频偏差异极大。这是最头疼的实际问题之一。 ### 4.3 抗变形策略 #### 方案A：多区段采样 + 峰值保持 不依赖单点频偏，对完整窗口做分段分析： ```c void update_zone_features(SignalBuffer *buf) { int samples_per_zone = buf->sample_count / SECTOR_COUNT; if (samples_per_zone < 1) return; for (int z = 0; z < SECTOR_COUNT; z++) { int16_t max_val = 0; int start = z * samples_per_zone; int end = (z == SECTOR_COUNT - 1) ? buf->sample_count : start + samples_per_zone; for (int i = start; i < end; i++) { if (buf->freq_samples[i] > max_val) max_val = buf->freq_samples[i]; } buf->zone_max[z] = max_val; } // 取分段峰值加权值——排掉最小1/4区段，取剩余最大值 } ``` #### 方案B：自动阈值补偿（基线+噪声自适应） ```c static int16_t noise_floor = 50; static int16_t noise_peak = 80; void update_noise_floor(int16_t baseline_stability_ms) { static int16_t peak_buf[10]; static int idx = 0; peak_buf[idx % 10] = baseline_stability_ms; idx++; if (idx >= 10) { int sum = 0, max = 0; for (int i = 0; i < 10; i++) { sum += peak_buf[i]; if (peak_buf[i] > max) max = peak_buf[i]; } noise_floor = sum / 10; noise_peak = max; } } ``` #### 方案C：双线圈相关性校验（高端方案） 两个线圈一长一短或一前一后，校验一致性： - 结果矛盾→标记"变形/异常" - 峰值比超出历史基准→发出线圈退化预警 ### 4.4 线圈维护体检建议 1. **空载测量**：无车时测线圈电感L + Q值（正常：L=50~200μH，Q>30；Q<20→需检修） 2. **频率漂移测试**：记录1小时内基线变化（正常<±50Hz；异常>±200Hz） 3. **行走测试**：推标准车从左中右分别通过（偏差>40%→已变形） --- ## 五、完整状态机框架 适用于STM32/GD32等MCU的实用状态机伪代码： ```c typedef enum { IDLE, RISE, PLATEAU, FALL, CLASSIFY, VERIFY } CoilState; typedef struct { CoilState state; int32_t freq, baseline, delta_f; uint32_t tick, entry_tick, peak_tick, exit_tick; int32_t peak_delta, plateau_start_delta; uint32_t plateau_duration; uint8_t double_peak_cnt; bool double_peak_flag, occupied; VehicleClass vclass; } CoilDetector; void coil_state_machine(CoilDetector *cd, int32_t cur_freq) { cd->freq = cur_freq; cd->delta_f = cur_freq - cd->baseline; uint8_t noise_margin = cd->noise_peak * 2 + 20; if (abs(cd->delta_f) < noise_margin && cd->state == IDLE) return; switch (cd->state) { case IDLE: if (cd->delta_f > TH_OCCUPY) { cd->state = RISE; cd->entry_tick = cd->tick; cd->peak_delta = cd->delta_f; cd->double_peak_cnt = 0; cd->double_peak_flag = false; } break; case RISE: if (cd->delta_f > cd->peak_delta) { cd->peak_delta = cd->delta_f; cd->peak_tick = cd->tick; } if (cd->delta_f < cd->peak_delta - 50) cd->double_peak_cnt++; if (cd->delta_f < cd->peak_delta * 0.85f) { if (cd->tick - cd->peak_tick > 20) cd->state = PLATEAU; else cd->state = FALL; } if (cd->tick - cd->entry_tick > MAX_OCCUPY_TICKS) cd->state = FALL; break; case PLATEAU: cd->plateau_duration++; if (cd->delta_f < cd->plateau_start_delta * 0.7f) cd->state = FALL; break; case FALL: if (cd->delta_f < TH_RELEASE) { cd->exit_tick = cd->tick; cd->state = CLASSIFY; } if (cd->delta_f > TH_OCCUPY + 100 && cd->tick - cd->peak_tick > 100) { cd->state = RISE; cd->entry_tick = cd->tick; cd->peak_delta = cd->delta_f; } break; case CLASSIFY: { uint32_t duration = cd->exit_tick - cd->entry_tick; VehicleFeatures f = { .peak_delta_f = cd->peak_delta, .duration_ms = duration * 10, .double_peak_flag = (cd->double_peak_cnt > 1), .plateau_ratio = (float)cd->plateau_duration / duration, }; cd->vclass = classify_vehicle(&f); cd->occupied = false; report_vehicle(cd->vclass, duration, cd->peak_delta); cd->state = VERIFY; } break; case VERIFY: if (cd->tick - cd->exit_tick > 5) cd->state = IDLE; break; } cd->tick++; } ``` --- ## 六、总结 | 问题 | 核心对策 | |------|---------| | 自行车/摩托车难检测 | 动态阈值+持续时间滤波+噪声跟踪 | | 大货车/集装箱信号弱 | 双线圈+分段峰值保持+自动阈值补偿 | | 车型分辨 | 特征向量(幅度+时长+波形形态)+速度归一化 | | 线圈变形 | 分区分段采样+双线圈相关性校验+老化预警 | | 尾随/并排 | 状态机的超时/再次触发逻辑+分类后的VERIFY窗口 | **现场实施优先级**： 1. 先做稳**自适应基线+双阈值** 2. 双线圈测速归一化（没有速度，"持续时长"特征毫无意义） 3. 分段峰值保持——免疫力最强、改动最小的抗变形手段 4. 纯线圈做到5类车型已是较优水平，7类以上建议配合雷达/激光辅助