公交车辆检测技术研究进展

虚拟线圈的尺寸、位置和数量可以根据具体的道路情况进行调整。当车辆通过虚拟线圈和计数检测器时，会产生检测信号，经过视频处理软件的分析和处理，可得到车速、流量等参数。
基于特征识别的公交车辆检测方法主要包括基于几何和颜色特征、基于车型特征等方法。
基于几何和颜色特征的公交车辆检测的基本思想为：公交车辆的车牌一般为黄底黑字，且公交车辆的车体都比较大，有别于其他机动车辆的车身特征，因此，可以选择其中一种特征结合车牌颜色做公交车辆的识别检测算法。以公交车的保险杠和黄色车牌为例，其检测算法的流程图如图4所示。这种方法的应用有一定的局限性，在公交车场站等一些公交车辆集中、车型单一的场所，此方法的精确度较高；但是此方法不能判别大货车和公交车区别，因此在道路中的公交车辆的检测过程中，该方法有待改善。

基于车型特征的公交车辆识别算法主要应用的是模式识别的方法，其框架图如图5所示。

其中，特征的提取和选取是指对研究对象固有的、本质的主要特征或属性进行测量并将结果数值化，或对目标进行分解产生基元并对其符号化，形成特征矢量或符号串、关系图，从而产生代表对象的模式。另外，在进行特征提取之前还需要对目标的信息载体进行必要的预处理。目前常用的特征识别方法包括Haar特征、HOG特征等。
为了有效地让机器具有分类识别功能，首先对它进行训练，产生分类识别的规则和分析程序，这也相当于机器进行学习。这个过程一般要反复进行多次，不断地修正错误，改进不足，最后使系统正确识别率达到设计要求。目前，机器的学习常需要人工干预，这个过程通常是人机交互的。
视频检测器安装调试方便，对路面和土木设施不产生破坏，但是虚拟线圈检测器的位置是固定的，如果视频检测器的位置调整，程序则无法准确的进行检测。同时，此方式需要对检测道路进行虚拟线圈预设置，在实际的使用过程中步骤较繁琐，没有良好的移植性。并且此方法存在公交车辆漏检或错检的现象，因此在实际工程中此方法还有待完善。
基于车型特征的公交车辆识别算法在实际应用过程中也会存在一定的漏检或错检现象，且对分类器的训练效果要求较高，同时由于特征点的提取和匹配需要一定的时间，因此，此方法在应用时对检测准确度和实时性的要求较高。
文献采用车载卡与通信基站信息交互的公交车辆识别方法。在主要站点或加油站附近指定的STD电话亭或加油站安装信号检测装置；同时，公交车辆安装车载卡。车载卡中含有的信息通过声讯系统后转化为本地电话号码，通过网站邮件更新的方式将更新的信息发送到终端中转站。从而实现公交车辆跟踪。
这种方法会涉及到较多的人为因素干预，因此，这种方法仅适用于小范围的车辆跟踪系统，对大范围的实时车辆跟踪效果不理想。
2．5 近红外辐射光流检测公交车辆
提出了利用近红外辐射技术，通过光流检测器检测道路上的公交车辆。车辆检测器安装在高处，连续不断的向道路上发射近红外光，通过光线反射回发射器的时间长度判别车型。
近红外发射机根据按照一定信号发射光线，光线接收器接收反射光线，并把反射光线输入到光流路径差比较电路中。反射信号的阻抗元件会因光流路径差的不同而变化，发射机的信号作为光流路径差的参考信号输入到发射机。通过路径差比较电路中阻抗元件的变化识别公交车辆。

3 常用检测方式比较
几种常用的检测方式及应用环境如表1所示。

环形线圈检测能够精准地确定出交通信号控制系统中道路占有率、车辆行驶速度和车间距等重要参数，但是这种被动的检测方式不能准确的区分车辆类型，且对道路的使用寿命有重要影响。因此，随着智能交通的不断发展，被动式检测的缺陷日益明显。
RFID检测在公交场站和公交车辆的到站预报系统中发挥了主要的作用，且目前广泛应用于ETC系统中，该技术的应用大大提高了道路及公交车的通行效率。但该方法需在车辆和道路安装超高射频发射和收发装置，在某些较特殊区域中使用时会受到一定的限制。并且，设备的安装和维护需要大量的投入且不利于系统的升级改造，因此该方法并非是公交车辆检测的最佳方法。GPS方法也同样需要考虑设备的安装、维护
的成本。
视频检测是智能交通系统中不可缺少的一部分，用视频设备的输出作为公交车辆检测的输入，可以提高资源的利用率，因此，在公交车辆识别中视频检测技术有更大的发展空间。

4 结语
视频检测可以代替人对道路检测系统中的视频图像画面进行综合分析，不仅可以得到流量、占有率等常规的道路交通服务信息，还可以对视频图像中的所有车辆进行锁定、跟踪，并描述其运行轨迹，同时，对道路上发生的交通事件还有识别功能。随着计算机视觉技术的不断发展以及媒体处理、数字信号处理及图像识别领域的软硬件技术的提高，视频检测器运行的准确度和实时性都得到了较大的提高，可以想象，在公交识别系统中，视频检测技术将有更大的发展空间。