雷達微波偵測器演算法實測

本研究已於 2005 年參於交通部運輸研究所「國道替代道路路況資訊擴充之研究與 實作」^[3]，完成初代雷達微波偵測器的雛形，並進行實測完成計畫。

圖 4.1-19 初代偵測器整體外形

資料來源：[3]

初代偵測器外觀如圖，使用天線為錐形號角型天線，即前方如喇叭口的物體，本實 驗預設條件為虛擬環型線圈長度已知，假設固定車長以求得速度，用以實證理論應用於 雷達微波技術上確實可行。

偵測器

Linux on PC Base NI-DAQ

FFTw

演算法 擷取之訊號

數據

電腦螢幕

訊號

車流資訊

圖 4.1-20 初代偵測器應用演算法之架構

資料來源：[3]

初代偵測器演算法架構如上圖，將車輛通過偵測器所產生的進行實驗，實驗地點有 兩個一為校內運輸研究中心前進行實驗，中心二樓平台距離地面為四點七公尺，實驗狀 況設定為單車道，虛擬線圈長度已先行測量輸入演算法作為已知參數，並固定車長，以 求得車速、壓佔、佔有率等參數。

圖 4.1-21 初代偵測器演算法運行畫面

資料來源：[3]

以下將介紹各種車輛行駛狀況測量情形，用連續圖片表示實驗結果，有壓佔、車輛

速度、佔有率、流量等狀況進行偵測實驗：

圖 4.1-22 偵測車輛壓佔連續圖一

資料來源：[3]

圖 4.1-23 偵測車輛壓佔連續圖二

資料來源：[3]

圖 4.1-24 偵測車輛壓佔連續圖三

資料來源：[3]

由以上三連續圖片可以發現，當車輛處於虛擬線圈範圍時，參數 Presence 持續為 1，

直到車輛行駛離開偵測器虛擬線圈感應範圍，隨即計算出車速、占有率、流量等交通參 數。

圖 4.1-25 連續車輛通過偵測範圍連續圖一

資料來源：[3]

圖 4.1-26 連續車輛通過偵測範圍連續圖二

資料來源：[3]

圖 4.1-27 連續車輛通過偵測範圍連續圖三

資料來源：[3]

圖 4.1-28 連續車輛通過偵測範圍連續圖四

資料來源：[3]

圖 4.1-29 連續車輛通過偵測範圍連續圖五

資料來源：[3]

以上五張連續圖片，則是模擬車輛連續通過情形，連續圖第一張為第一輛車通過 後，由演算法欄位可發現，偵測器已完成計算第一部車輛所產生的參數，而後經過連續 四張圖片，由最後一張可發現，偵測數據中，車速以及占有率已進行更新，流量亦增加 至 2。

圖 4.1-30 雷達微波偵測器實測位置示意圖

資料來源：[3]

第二實驗地點為新竹市慈雲路靠近公道五路口處，進行連續車流通過的偵測，實驗 環境如圖。實際觀測時間為 20 分鐘，流量準確率計算方式為每分鐘誤差數的總和取絕 對值之後再除以人工計數車輛總和。

表 4.1-2 流量登記表（往新竹）

測試地點 慈雲路靠近公道五路口 調查日期

時間 FMCW 人工 誤差 總誤差％

11：31 2 5 -3 -60％

11：32 7 7 0 0

11：33 8 8 0 0

11：34 6 7 -1 -14.29％

11：35 4 5 -1 -20％

11：36 2 3 -1 -33.33％

11：37 10 11 -1 -9.09％

11：38 6 6 0 0

11：39 3 3 0 0

11：40 7 7 0 0

11：41 7 7 0 0

11：42 7 8 -1 12.5％

11：43 6 5 1 20％

11：44 3 4 -1 -25％

11：45 8 6 2 33.33％

11：46 9 8 1 12.5％

11：47 10 8 2 25％

11：48 7 8 -1 -12.5％

11：49 5 6 -1 -16.67％

11：50 4 6 -2 -33.33％

11：51 4 4 0 0

11：52 4 7 -3 -42.86％

11：53 4 5 -1 -20％

11：54 3 5 -2 -40％

合計 136 149 -13 -8.72％

準確度 91.28％

資料來源：[3]

總體來看，誤差比率為-8.72%，準確度可以達到 91.28%，往新竹方向的流量計算準 確度具有一定水準。

表 4.1-3 流量登記表（往竹北）

測試地點 慈雲路靠近公道五路口 調查日期

時間 FMCW 人工 誤差 總誤差％

11：31 14 7 7 100％

11：32 18 10 8 80％

11：33 17 9 8 88.89％

11：34 13 13 0 0

11：35 13 6 7 116.67％

11：36 8 16 -8 -50％

11：37 19 11 8 72.73％

11：38 14 6 8 133.33％

11：39 13 7 6 85.71％

11：40 14 4 10 250％

11：41 16 7 9 128.57％

11：42 7 8 -1 -12.5％

11：43 13 12 1 8.33％

11：44 13 6 7 116.67％

11：45 15 12 3 25％

11：46 7 4 3 75％

11：47 13 10 3 30％

11：48 31 15 16 106.67％

11：49 12 5 7 140％

11：50 28 9 19 211.11％

11：51 13 12 1 8.33％

11：52 16 14 2 14.29％

11：53 12 6 6 100％

11：54 14 14 0 0

合計 353 223 130 58.30％

準確度 41.70％

資料來源：[3]

往竹北方向車道誤差則相對較大，此車道離偵測器較遠，能量相對較低，又受到其 他車道車輛通過的影響，快速傅立葉所計算出的頻譜，產生柵欄與洩漏效應，會導致在 此車道上，偵測器對於雜訊與確實車輛通過的信號，辨識能力大幅下降，因此流量產生 較多的誤判。

表 4.1-4 車速偵測比較表

測試地點 慈雲路靠近公道五路口 時間 94 年 11 月 18 日(五) 有效樣

本車序 偵測器 測速槍 準確率(%) 有效樣

本車序 偵測器 測速槍 準確率(%) 1 88.4 59 50.17％ 16 38.85 44 88.30％

2 55.7 58 96.03％ 17 41.28 45 91.73％

3 51.49 60 85.87％ 18 36.53 54 67.65％

4 55.04 48 85.33％ 19 51.8 49 94.29％

5 96.66 65 51.29％ 20 58.92 52 86.69％

6 85.22 54 42.19％ 21 56.2 40 59.5％

7 46.1 55 83.82％ 22 61.9 61 98.52％

8 20.3 54 37.59％ 23 88.06 81 91.28％

9 19.33 56 34.52％ 24 51.8 66 78.48％

10 19.01 48 39.60％ 25 61.92 57 91.37％

11 41.29 54 76.46％ 26 56 64 87.5％

12 51.41 52 98.87％ 27 23.6 62 38.06％

13 68.92 62 88.84％ 28 76.9 81 94.94％

14 17.93 50 35.86％ 29 86.15 64 65.39％

15 86.19 55 43.29％ 30 68 56 78.57％

平均準確度 67.45％

資料來源：[3]

車速的計算方式，先將假設車長固定為四公尺放入演算法中求取車速，比較方式則 為同時間利用偵測器與測速槍進行偵測，有效樣本共為 30 筆，平均準確度為 67.45％，

如能利用微波技術的特性偵測車種，即可更精準找出車速，提高車速的偵測準確率。

由以上實驗可知，微波偵測器應用環形線圈演算法作為演算法基礎，進多車道流 量、車輛數、車速偵測為確實可行。分類車種的部份，則由下面章節進行車種辨識的實 驗與模擬，找出車輛低速通過偵測範圍，作為比較樣本之基底，去除速度影響，避免以 往車種辨識，先依據車輛通過時間，再進行特徵值判別，造成大車高速或小車低速，使 得分類過程產生辨識錯誤的影響。