[发明专利]基于聚类算法的雷达采集道路车辆信息的方法及系统

说明书

本发明公开基于聚类算法的雷达采集道路车辆信息的方法和系统，其中该方法包括：获取特征变量符合预设特征区间的雷达测量点数据，存储为第一数据集；基于时间对第一数据集中的雷达测量点数据分别添加帧序号，对第一数据集中的雷达测量点数据进行归一化处理和聚类处理，从第一数据集中的雷达测量点数据获取多个目标簇数据；利用帧序号和目标与雷达的纵向相对距离构建坐标系，将目标簇数据中每一个雷达测量点数据映射到所述坐标系中，并基于起始雷达测量点数据和终止雷达测量点数据落在所述坐标系中的位置筛选出有效簇数据；基于有效簇数据包含的雷达测量点数据计算道路车辆信息，解决了现有统计方法精度不足的问题。

技术领域

本发明涉及雷达应用领域，尤其涉及基于聚类算法的雷达采集道路车辆信息的方法及系统。

背景技术

现有检测道路车辆信息的方式有诸多弊端，例如：采用光学相机进行视频检测的方式受光照、天气影响，无法对交通状况进行24小时连续监测；采用埋设于地面下磁感应检测器进行检测的方法，在安装设备时会破坏地面，安装成本较高且安装时会严重影响交通；采用空气管道进行检测，能获取的信息维度有限，只能得到车辆的数目，无法得到速度等更多有价值的信息。

与以上方式相较，采用毫米波雷达采集道路车辆信息，可以不受光照、天气的影响，对交通状况进行24小时连续监测；安装方便快捷，成本更低。毫米波雷达通过多普勒公式计算目标速度，可以得到一段时间内车辆的平均速度、最大速度、最小速度等更多统计信息。

然而，利用毫米波雷达检测道路车辆信息的难点在于，接收的电磁波存在背景杂波，以及同一目标的多次反射回波形成的多径噪点。多径噪点和目标点特征相近，难以区分，极易造成计数错误等问题。

发明内容

本发明的目的在于提供基于聚类算法的雷达采集道路车辆信息的方法及系统，通过筛选雷达测量点数据、归一化处理和聚类处理等操作，删除多径噪点等噪音数据，可快速、精确的获得目标道路车辆信息。

为了实现上述目的，本发明提供如下技术方案：

一种基于聚类算法的雷达采集道路车辆信息的方法，包括：

获取特征变量符合预设特征区间的雷达测量点数据，并存储为第一数据集，其中，每个雷达测量点数据的特征变量包括目标与雷达的纵向相对距离和数据采集时间；

基于时间对第一数据集中的雷达测量点数据分别添加帧序号，并对第一数据集中的雷达测量点数据进行归一化处理和聚类处理，以从第一数据集中的雷达测量点数据获取多个目标簇数据；

利用所述帧序号和所述目标与雷达的纵向相对距离构建坐标系，将目标簇数据中每一个雷达测量点数据映射到所述坐标系中，并基于起始雷达测量点数据和终止雷达测量点数据落在所述坐标系中的位置筛选出有效簇数据；

基于有效簇数据包含的雷达测量点数据计算道路车辆信息。

其中，雷达测量点数据的特征变量还包括目标与雷达的横向相对距离、目标的速度以及目标的雷达散射截面中的至少一种；特征区间为针对特征变量分别预先设置的有效区间；获取特征变量符合预设的特征区间的雷达测量点数据的方法包括：

获取全部的雷达测试点数据；

将雷达测试点数据的特征变量分别与对应的特征区间比较；

筛选出特征变量都分别符合对应的特征区间的雷达测量点数据，并存储为第一数据集。

优选地，添加帧序号的方法包括：将第一数据集中的雷达测量点数据按测量时间排序，从时间最早的雷达测量点数据开始依次添加帧序号。

较佳地，对第一数据集中的雷达测量点数据的所有特征变量分别进行归一化处理。

进一步地，聚类处理的方法包括：