[发明专利]基于路侧毫米波雷达的决策树车型分类方法、电子设备

说明书

本发明公开了一种基于路侧毫米波雷达的决策树车型分类方法，先利用路侧雷达获取一定数量已知车辆类型的车辆数据作为样本数据；按照车辆相对雷达的距离，将样本数据划分至若干个距离段内；根据各个距离段中的样本数据分别进行学习训练，生成各个距离段的决策树模型。本发明在对道路上车辆进行实时车型分类时，利用路侧雷达实时接收车辆回波信号并提取车辆数据；根据车辆相对雷达的距离值，选择对应距离段的决策树模型进行车型分类。本发明具有实时性强、分类精度高、数据计算量小的优势。

技术领域

本发明涉及车型分类技术领域，尤其是基于路侧毫米波雷达的决策树车型分类方法、电子设备。

背景技术

作为智能交通系统的重要组成部分，路侧感知设备在车联网、车路协同过程中起着重要作用。作为路面信息精细化获取和交通管理智能化的核心，车型分类识别技术是实现交通状态智能感知与管理的基础。

基于光学的车型识别技术主要依托图像采集及处理技术，对于静止的目标能够获取到信息细节，但对于运动目标存在检测困难的问题，而路侧设备多用于捕捉运动车辆的信息。此为，基于光学的车型分类识别技术受路面状况、能见度等环境因素影响较大，在车辆图像捕捉不全、多目标车辆重叠或雨、雪、烟、雾等能见度不佳情况下，会遗漏部分车辆，且将车辆类型判断错误的概率较大。因此，利用光学技术很难准确、稳定地进行路面的车型识别。

基于雷达的车型分类识别是通过雷达发射电磁波，在雷达散射回波中获取不同类型车辆的目标特征信息，其中目标特征包括目标车辆的长度、宽度、速度、信号强度、距离等信息，并依据分类模型对车辆类型进行分类识别。

基于雷达的车型分类识别技术大致可分为超声波雷达、激光雷达和毫米波雷达三种。超声波雷达探测的有效距离仅为5至10米，探测距离有限，不适用于作为路侧感知设备使用。激光雷达的探测距离虽然可达300米，然而与光学类似，在大雨、烟雾天气状况下，激光衰减增大会导致传播距离受到很大影响；此外，激光雷达高达数万的成本也阻碍了激光雷达作为路侧设备的推广应用。相较于超声波和激光雷达，毫米波雷达的探测距离可达500米以上，不受光线等能见度因素的影响，具有全天时、全天候工作的能力。

同一车辆，相距雷达不同距离时，基于雷达探测的车辆宽度、长度、信号强度具有显著差异。车辆位于近处时，车辆的雷达信号反射强烈，信号强度值较大。受限于雷达的角度分辨率，以及同一车辆不同距离的反射角度，基于雷达测量的车辆长度存在远处短近处长、车辆宽度近处宽远处窄的特点，为车型分类带来了一定的难度。

发明内容

为了克服上述现有技术中的缺陷，本发明提供一种基于路侧毫米波雷达的决策树车型分类方法，利用雷达回波信号提取车辆数据，对车辆类型进行分类识别，分类精度高。

为实现上述目的，本发明采用以下技术方案，包括：

一种基于路侧毫米波雷达的决策树车型分类方法，包括以下步骤：

S11，利用路侧雷达接收车辆回波信号进行车辆检测，并提取车辆数据，所述车辆数据包括：车辆的速度、长度、宽度、信号强度，以及车辆相对雷达的距离；

S12，根据车辆相对雷达的距离值，选择对应距离段的决策树模型进行车型分类，将车辆的速度、长度、宽度、信号强度作为输入变量，输入至对应距离段的决策树模型中，预测车辆类型；

其中，车辆类型划分为大型车辆和小型车辆，将车长大于h的车辆作为大型车辆，将车辆小于等于h的车辆作为小型车辆。

优选的，决策树模型的生成方式如下所示：

S1，利用路侧雷达获取一定数量的已知车辆类型的车辆数据作为样本数据，构建样本集；样本数据包括：车辆的速度、长度、宽度、信号强度，车辆相对雷达的距离，已知车辆类型；