基于模糊积分的ETC干扰问题解决方法

丁浩 闫伟 吕坤 杨会

摘 要：有效结合车辆电子标签信息和车辆图像 提出一种基于模糊积分的ETC车辆身份验证方法 从而解决ETC系统中的干扰问题。该方法以系统获得的车辆信息为已知信息 用车辆图像信息作为特征进行验证 再通过模糊积分融合验证结果 判断车辆身份的合法性。同时对模糊密度的赋值方法进行了改进。实验结果表明该算法具有简单、鲁棒性强的特点 利用模糊积分算法可以切实有效地解决ETC系统中的干扰问题。

关键词：ETC;车牌验证;模糊积分;跟车干扰;邻道干扰

中图分类号：U462.1  文献标识码：B  文章编号：1671-7988（2020）18-53-03

Abstract： Combining vehicle electronic label information and vehicle images effectively， an ETC vehicle identity verification method based on fuzzy integration is proposed to solve the interference problem in the ETC system. In this method， the vehicle information obtained by the system is known information， and the vehicle image information is used as a feature for verification， and then the result of fuzzy integration fusion verification is used to judge the legality of the vehicle identity. At the same time， the fuzzy density assignment method was improved. Experimental results show that the algorithm is simple and robust， and the fuzzy integration algorithm can effectively solve the interference problem in the ETC system.

Keywords： Electronic toll collection; License plate verification; Fuzzy integration; Following interference; Adjacent channel interference

CLC NO.： U462.1  Document Code： B  Article ID： 1671-7988（2020）18-53-03

1 引言

不停车收费系统能够在很大程度上缓解日益严重的收费站拥堵瓶颈现状。ETC系统能够利用专用短程通信进行车辆自动识别和有关的收费数据的交换 实现不停车自动收费。ETC在运营和推广的过程中产生了一些急需解决的实际问题。其中最为严重和突出的便是跟车干扰和领道干扰。

本文提出一种基于RSU获得的车辆牌照字符信息 对车道监视摄像设备抓拍的车牌图像信息进行验证。在一阶微分的基础上 采用统计方法再次进行特征提取。通过模糊积分信息融合技术综合分析 对模糊密度的赋值进行改进 从技术上解决我国ETC应用中的“跟車干扰”和“邻道干扰”问题。

对于模糊积分Dempster和Shafer提出了两种非可加测度：似然测度和信任测度 并形成了Dempster-Shafer证据理论。

2 解决ETC系统干扰问题的融合模型

2.1 解决方案

为了从根本上解决ETC系统干扰问题 充分利用车辆图像信息和电子标签信息采用验证技术来验证DSRC通信正确性 完成不停车收费系统中联网车辆身份鉴别。

如何有效融合车辆图像信息与电子标签OBU信息是关键。通过对LPR系统的改进 在获得电子标签OBU信息基础上对车辆图像进行处理 将图像识别问题转换为图像验证问题 这在技术手段上具有明显的优势。为了实现联网车辆身份验证 需要对目前标准ETC系统流程进行部分改进 只需要将摄像设备前移 然后配合软硬件即可 其在几乎不增加ETC设备成本、不改变RSU和OBU硬件设计情况下 从技术上解决“跟车干扰”和“邻道干扰”问题 防止了逃费等问题发生。

2.2 ETC系统的信息融合模型

为了能够提高车辆身份识别的精确性和可靠性 需要选择合适的信息融合模型。涉及到的融合信息包括电子标签OBU字符信息和车辆图像信息。利用电子标签OBU信息对图像信息进行验证。

在ETC系统信息融合模型中 电子标签OBU信息为字符信息 提取车辆图像中的车牌、颜色以及车型信息 研究可信度的表征方法对各个信息验证结果进行描述 采用信息融合算法对验证结果进行融合得到具有更高可信度的身份判决结果。

由于不同字符信息得到的验证结果可信度不同 即可通过信息融合处理得到车牌一致性的最终判决。在此基础之上 再利用车辆的颜色和车型一致性判决结果进行多源信息融合处理得到较高精度车辆身份一致性验证。采用Sugeno模糊积分进行信息融合处理。信息融合模型如图2所示。

2.3 模糊积分的计算

根据OBU获得的先验知识获得相应的分类器 再通过车辆图像特征提取并进行数据处理得到每个特征向量相应的模糊测度。得知模糊测度的基础上 便可完成模糊积分的计算 作为有限集 模糊积分可以简化为简单取大取小运算。

然后根据排序结果计算相应的λ-模糊测度 最后对可测函数和模糊测度进行模糊积分得到各个类别最终可信度 并归一化处理得到最终判决。在ETC系统中应用模糊积分时 将分类器输出作为模糊积分中的可测函数值 通过分类器标准向量和待识别对象特征向量得到每个特征的模糊密度 进而通过模糊积分有效融合各个分类器的输出得到高精度的有效判决。

3 实验结果与分析

实验采用车辆图像的实例来给出基于模糊积分的融合过程。分为两个实验来进行：实验一OBU信息与车辆图像一致 实验二OBU信息与车辆图像不一致。

选600幅车牌图像作为实验的处理数据 实验结果如表1所示。

实验结果分析：當车辆图像和电子标签信息一致时 识别率较高 存在一定拒识率 但是在解决干扰问题方面可接受 当出现拒识 系统以不一致进行处理同样解决ETC干扰问题;当其不一致时存在约为0.33%误识率 在数据构成方面出现车辆的相似度较高导致误识。由于车牌的信息比重较大 所以在车辆身份验证的过程中 可能导致错误识别。该算法的误判率和拒识率较低 能够精确鉴定车辆的身份 为解决ETC中干扰问题提供了一种行之有效的方法。

4 结束语

跟车干扰和邻道干扰是不停车收费系统应用中重要问题 传统方法对这两个问题分开处理 且都不是理想解决方法。本文引入车辆图像作为不停车收费系统正确性的鉴定信息 采用融合通信提高ETC系统的可靠性 同时解决ETC系统跟车干扰与邻道干扰问题。本文算法 不需要增加现有ETC系统设备 也不需要改变硬件设计 只需将原有系统中车道监视摄像设备前移 便能切实解决ETC系统干扰问题。

实验结果表明本算法有较高识别率。

参考文献

[1] 胡果，杜科.试谈取消省界收费站ETC及车牌识别数据应用[J].通讯世界，2020，27（04）：48-49.

[2] 张永合.一种面向ETC应用的智能控制器设计[J].单片机与嵌入式系统应用，2020，20（03）：77-80.

[3] 陈东.甘肃省高速公路ETC车道临道干扰解决方案[J].中国交通信息化，2020（01）：100-101.

[4] 田富国，汪庆华，贾康，邓东花.BP神经网络与Sugeno模糊积分融合的转子系统故障诊断[J].装备环境工程，2019，16（10）：110-114.

[5] 魏征，余洋，余聪.面向ETC系统的干扰现象研究[J].电子世界， 2019（01）：118-119+122.

[6] 王玉凡，陈宏涛，王青林.ETC系统邻道及跟车干扰问题的研究[J].电脑知识与技术，2014，10（35）：8572-8573.