14 KiB
14 KiB
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：
// 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）
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
// 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：
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）
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
- 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）
- 频率漂移测试：记录1小时内基线变化（正常<±50Hz；异常>±200Hz）
- 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：
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：
- 先做稳自适应基线+双阈值
- 双线圈测速归一化（没有速度，"持续时长"特征毫无意义）
- 分段峰值保持——免疫力最强、改动最小的抗变形手段
- 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