數(shù)學(xué)建模—車輛類型與數(shù)量的自動檢測

1、 數(shù)學(xué)建模一周論文課程設(shè)計題目：車輛類型與數(shù)量的自動檢測 姓名： 齊寵 學(xué)號： 201420350125專 業(yè)： 城鄉(xiāng)規(guī)劃 班 級： 1423501 指導(dǎo)教師：楊志輝 2016年06月09日1題目為考察高速公路的車輛通行情況，試圖利用安裝在路側(cè)的傳感裝置獲取的數(shù)據(jù)來對通過的車輛類型及數(shù)量進(jìn)行計量。具體原理如下：（1）首先將激光傳感器安裝在路側(cè)一定高度的立桿上，安裝在激光傳感器上的激光頭以25HZ的頻率旋轉(zhuǎn)，旋轉(zhuǎn)軸與道路方向平行。如下圖：圖1：激光掃描所有車道的車輛（2）設(shè)置激光傳感器的參數(shù)，指定要測量的角度范圍和步進(jìn)角度，例如90-180度，步進(jìn)角度為0.5度，那么就可以獲取到181個點(diǎn)的測量

2、數(shù)據(jù)。激光頭的旋轉(zhuǎn)角度為面向激光頭圓形部分，自左向右逆時針旋轉(zhuǎn)。（3）這些測量點(diǎn)的數(shù)據(jù)為直線傳播距離的數(shù)值，也就是說是激光頭發(fā)射點(diǎn)到障礙物之間的距離。利用這些數(shù)值加上時間軸，就可以在一個三維空間中建立道路車輛運(yùn)行情況的信息。（4）這些三維信息是通過一個激光頭進(jìn)行側(cè)面掃描獲得的信息，而且激光頭掃描的信息受到車輛的顏色和車窗以及車輛形狀的影響。通常會產(chǎn)生一些異常數(shù)據(jù)。試解決以下問題：1. 根據(jù)傳感器裝置的數(shù)據(jù)特征建立數(shù)學(xué)模型，描述通過車輛的幾何特征；2. 對異常數(shù)據(jù)進(jìn)行判別并給出處理方法；3. 利用附件2中的四組數(shù)據(jù)，給出相應(yīng)數(shù)據(jù)對應(yīng)的車輛形狀、所在車道等信息；4. 試設(shè)計車輛分類標(biāo)準(zhǔn)，對附件3中

3、兩組數(shù)據(jù)給出分類結(jié)果（包括種類及數(shù)量），進(jìn)一步討論算法效率；5. 為獲取更多分類條件可對此類裝置增加速度檢測。如果增加有何進(jìn)一步建議，請描述增加何種設(shè)備，以何種方式準(zhǔn)確測速，如何調(diào)整安裝方式等。車輛類型與數(shù)量的自動檢測摘 要隨著我國社會經(jīng)濟(jì)的迅猛發(fā)展，人們對汽車的需求量也在不斷增加，導(dǎo)致近年來汽車大面積普及，所以車輛類型與數(shù)量的自動檢測，對高速公路上監(jiān)測車輛行駛情況越來越有著極為重要的作用。基于以上背景，本文通過安裝在路一側(cè)的激光傳感器裝置獲取數(shù)據(jù)，來對所通過車輛的類型及數(shù)量進(jìn)行計算，以達(dá)到車輛自動檢測的目的。針對問題一，本文提出一種高速公路上的車輛自動檢測分類算法（AVDC），描述了車輛的高

4、度和寬度，建立車輛參數(shù)空間，提取特征矢量高度輪廓，加強(qiáng)鑒別具有類似的高度和寬度的充分條件。并且使用基于歐氏距離的計算距離算法，通過計算輪廓和各類模式之間的距離進(jìn)行分類，對最近距離決定在哪，進(jìn)行模式分類。針對問題二，采用狄克遜（Dixon）準(zhǔn)則，做出統(tǒng)計量，并與統(tǒng)計量的臨界值進(jìn)行比較，若統(tǒng)計量大于臨界值，則應(yīng)將異常數(shù)據(jù)代換成前一個正常數(shù)據(jù)或后一個正常數(shù)據(jù)，從而達(dá)到對異常數(shù)據(jù)進(jìn)行處理的結(jié)果。針對問題三，運(yùn)用建立的模型及MATLAB軟件，對附件中的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和后續(xù)的數(shù)據(jù)處理，以此來建立三維立體圖像，進(jìn)而判別出附件2中對應(yīng)的所在車道是第一車道、第三車道、第三車道及第二車道；其車輛形狀分別為轎車、

5、客車、越野車及卡車。針對問題四，因為激光傳感器可測得車寬、車高，根據(jù)車輛自動檢測分類算法（AVDC）及傳感器輸出的數(shù)據(jù)，我們把車型分為五類，即轎車、越野車、客車、皮卡車、廂式貨車。根據(jù)簡化的GRM模板匹配算法及編程的應(yīng)用，運(yùn)用MATLAB來進(jìn)行數(shù)據(jù)分析，我們可以得到附件3中車輛種類及數(shù)量分別為轎車10輛、越野車27輛、客車35輛、皮卡車36輛及貨車8輛。針對問題五，我們結(jié)合題目選定雷達(dá)測速裝置對高速公路上通過的車輛進(jìn)行測速，雷達(dá)測速的原理是應(yīng)用多普勒效應(yīng)，通過微波來測量運(yùn)動物體的速度，是目前偵測移動物體最普遍的方法，安裝雷達(dá)測速儀，可以更有效的檢測高速公路上的車輛通行情況。關(guān)鍵詞:AVDC ，

6、狄克遜（Dixon）準(zhǔn)則，MATLAB，GRM模板，雷達(dá)測速儀1問題重述測量技術(shù)是現(xiàn)代化工業(yè)化社會生產(chǎn)的組成部分，車輛類型與數(shù)量的自動檢測系統(tǒng)也是一項重要的技術(shù)。為了保證高速公路的安全，需要對公路上的車輛通行情況進(jìn)行考察?，F(xiàn)利用安裝在路側(cè)的傳感裝置獲取的數(shù)據(jù)，對通過此路段的車輛類型及數(shù)量進(jìn)行計量，以達(dá)到自動檢測的目的。通常情況下，我們將激光傳感器安裝在路側(cè)一定高度的立桿上，安裝在激光傳感器上的激光頭以25HZ的頻率旋轉(zhuǎn)，且旋轉(zhuǎn)軸方向與道路方向平行；在此我們需設(shè)置激光傳感器的參數(shù)，指定測量的角度范圍和步進(jìn)角度；上面測量點(diǎn)的數(shù)據(jù)為直線傳播距離的數(shù)值，即激光頭發(fā)射點(diǎn)到障礙物之間的距離。利用以上數(shù)值加

7、上時間軸，則可得到一個三維空間中建立道路車輛運(yùn)行情況的信息；這些三維信息是通過一個激光頭進(jìn)行側(cè)面掃描獲得的信息，而且激光頭掃描的信息受到車輛的顏色和車窗以及車輛形狀的影響。所以可能會產(chǎn)生一些異常數(shù)據(jù)。那么根據(jù)激光傳感器測量的數(shù)據(jù)和我們所搜集整理的大量資料，我們利用了簡化的GRM模板匹配算法來建立數(shù)學(xué)模型，來描述通過此路段車輛的幾何特征，對車輛類型與數(shù)量的自動檢測提供更有利的幫助，解決各種相關(guān)問題。2問題分析現(xiàn)如今，隨著我國經(jīng)濟(jì)的快速發(fā)展，人們的生活水平不斷提高的同時，對快捷的交通工具的需求也越來越大，這導(dǎo)致了近年來汽車大面積普及。因此，近年來在高速公路上的汽車數(shù)量迅速增長，這給道路交通帶來了巨

8、大的壓力和嚴(yán)峻的考驗。在測量技術(shù)上也日趨完善，因此在高速公路上車輛分類及數(shù)量檢測方面的需求也越來越大。下面我們隊題目中的5個問題進(jìn)行分析：基于問題一，需要分析激光傳感器裝置的數(shù)據(jù)特征及自己所搜集的資料，并通過簡化的GRM模板匹配算法來建立相應(yīng)的數(shù)學(xué)模型，來描述車輛的幾何特征，如車寬、車高等。基于問題二，由于激光頭掃描的信息會受到車輛的顏色、車輛形狀以及車輛行駛狀態(tài)的影響，可能會產(chǎn)生一些異常數(shù)據(jù)。需要對這些異常數(shù)據(jù)進(jìn)行分析，給出一個判別方法來處理這些異常數(shù)據(jù)。基于問題三，根據(jù)我們所建立的數(shù)學(xué)模型，來分析附件2中給出的四組數(shù)據(jù)，可得到相應(yīng)數(shù)據(jù)所對應(yīng)的車輛形狀、所在車道等信息。基于問題四，根據(jù)我們所

9、建立的數(shù)學(xué)模型，來分析車輛的幾何特征數(shù)據(jù)，以此設(shè)計車輛的分類標(biāo)準(zhǔn)。對附件3中的兩組數(shù)據(jù)進(jìn)行分析并給出分類結(jié)果，進(jìn)一步討論該算法的效率?；趩栴}五，分析激光傳感器所得到的數(shù)據(jù)可知該裝置有一定的局限性。為獲取更多的分類條件可對此類裝置增加速度檢測。若增加速度檢測我們需要增加何種設(shè)備？要以何種方式準(zhǔn)確測量速度？如何調(diào)整安裝方式？3模型假設(shè)（1）假設(shè)該激光傳感裝置一直處于正常工作狀態(tài)，激光頭一直以25HZ的頻率旋轉(zhuǎn)，未出現(xiàn)偏差且發(fā)生毀壞。（2）假設(shè)該路段的路面未發(fā)生大面積毀壞情況，車輛可以在路段正常行駛。（3）假設(shè)車輛通過激光傳感器時是勻速行駛的且車速不超過120km/h。（4）假設(shè)激光傳感器所掃描的

10、路段未發(fā)生大型交通事故，車輛以正常范圍內(nèi)的速度行駛。（5）假設(shè)激光傳感器工作時，天氣無異?，F(xiàn)象，如大霧、雨雪及揚(yáng)沙等。4符號說明數(shù)學(xué)符號表達(dá)含義車輛幾何數(shù)據(jù)為整體數(shù)據(jù)的平均值，m車輛高度，m車輛寬度，m，屬于幾何數(shù)據(jù)車輛數(shù)據(jù)中的一個數(shù)據(jù)待檢測數(shù)據(jù)中當(dāng)前位置處的匹配相似度車高輪廓的矢量尺寸是不同車輛類型所分類的數(shù)目算法分類車輛高度最小值車輛高度最大值車輛長度最小值車輛長度最大值經(jīng)過清洗后的數(shù)據(jù)時間5模型的建立與求解5.1 車輛自動檢測分類模型5.1.1車輛自動檢測分類算法（AVDC）介紹當(dāng)車輛通過高速公路時，車輛自動檢測分類算法（AVDC）被用于車輛的確認(rèn)，對于駕駛員或觀測者沒有任何影響。這些系

11、統(tǒng)使用與很多方面，如審計檢查、手動和自動的費(fèi)用收集程序、形成詳細(xì)的車輛統(tǒng)計和橋梁隧道清潔的例行檢查試驗。車輛自動檢測分類算法（AVDC）可以增加收費(fèi)站的車輛通過量和減少高速公路的擁擠程度。根據(jù)要考慮到的車輛類型來進(jìn)行公路上車輛的分類是有一定難度的。這個提議的解決是基于激光傳感器所獲得的車輛幾何特征（寬度、高度等）及高度輪廓。如果激光傳感器滿足所確定的設(shè)備，我們展示了矢量特征的精度是相互影響的，并且簡單確切的算法可以適用于車輛分類的判定。追蹤領(lǐng)域所使用的激光傳感器利用這些原理來操作，已經(jīng)開始實施執(zhí)行了。它們證實對車輛類型大數(shù)據(jù)的準(zhǔn)確分類是可以做到的。（1）車輛特征提取我們利用安裝在路側(cè)的傳感裝置

12、收集反映車輛的距離，而掃描激光傳感器采集的數(shù)據(jù)則生成了距離圖像。每個距離圖像都能顯示，激光傳感器接收到反射的激光脈沖的強(qiáng)度。圖5.1激光傳感器掃描示意圖在本文中，我們假定數(shù)據(jù)源使用的激光傳感器返回范圍和距離信息如下：首先將激光傳感器安裝在路側(cè)一定高度的立桿上，安裝在激光傳感器上的激光頭以25HZ的頻率旋轉(zhuǎn)，旋轉(zhuǎn)軸與道路方向平行。激光頭的旋轉(zhuǎn)角度為面向激光頭圓形部分，自左向右逆時針旋轉(zhuǎn)。下面我們對測量角度和步進(jìn)角度進(jìn)行計算：激光傳感器距地面垂直高度約5.9m，激光傳感器距離第一個車道最近邊沿的水平距離約為1.7m，同時掃描雙向四個車道（兩個車道一個方向），一個車道寬3.75m，則三角函數(shù)：，算得

13、 (1)，算得 (2)，算得 (3)，算得 (4)，算得 (5) ，算得 (6)如圖5.2所示：圖5.2激光傳感器掃描角度范圍示意圖其中為，為，為，為，為，為，所以我們根據(jù)激光傳感器掃描一次所輸出的數(shù)據(jù)為148個，及上面算出的測量最大角度，可以算出步進(jìn)角度為：。激光傳感器的數(shù)據(jù)可畫出距離圖像，從這些圖片我們可以提煉出車輛的各種特征，包括車輛的高度和寬度。（2）高度與寬度的基本分類很多車輛在特征矢量的尺寸上是很精確地被表示出來，這些是基于車高和車寬，例如轎車、皮卡車和箱式貨車。但是，對于這種車輛類型，使用車高輪廓也不是太重要。這些特征空間的基本需求量是可以清晰表示出車輛類型的。這個分類困難是唯一

14、的解決途徑，如果建立這些分類是不相交的，即。我們可以指出很多車輛有相似的寬度，如箱式貨車、轎車和皮卡車，所以我們所面臨的最大困難是車輛有交集。特別的，對于所有，很多轎車的車高和車寬是少于相應(yīng)的皮卡車及廂式貨車的尺寸。然后，這些非交叉的子集可被定義為： (7)其中，是車高和車長的最大值及最小值，它代表著車高和車寬各自的子集邊緣。（3）基于車高輪廓的分類為了準(zhǔn)確的確定更多車型，需要增加一些特征矢量。除了車高和車寬，車高輪廓特征也是經(jīng)常被利用的。我們的分類是基于基本標(biāo)準(zhǔn)來分的，這些分類的矢量特征，所對應(yīng)的種車型，是已經(jīng)被定義的車輛類型。關(guān)于矢量，有種假設(shè)可以被介紹。我們設(shè)這些假設(shè)為。規(guī)定假設(shè)的特征矢

15、量是屬于分類。這個決定去接受其中一種可以被用于很多不同的策略。其中最優(yōu)分類方法如Bayesian、最大相似法、最大最小值法及其他先進(jìn)的統(tǒng)計決定理論。我們的分類方法使用的是一個基本的統(tǒng)計技術(shù)：最小距離法。這種分類是基于輪廓的描述，是對車輛高度和寬度的描述。一個未知的輪廓是通過計算輪廓和各類模式之間的距離進(jìn)行分類，并對最近距離決定在哪個模式進(jìn)行分類。這個距離算法是基于歐氏距離計算。因此，每一個矢量特征都可以被代表為： (8)這里是種車輛類型的典范輪廓，它是屬于種分類。事實上，矢量的統(tǒng)計分類是未知的，這個發(fā)展中的可接受的模型對于建立全部的車輛分類不是一件容易的事。為了避免這種困難，我們利用從實際情況

16、出發(fā)，這個激光傳感器可以被代替的垂直于路面車道的中心。這使我們假設(shè)，這種特征矢量所估計的誤差相對于整體車輛的尺寸是很小的。我們還假設(shè)，存儲在數(shù)據(jù)庫中的數(shù)據(jù)覆蓋所有基本類型的車輛以便獲取所有的特征矢量，則以下條件成立： (9)這里；是梯度距離中的最小值，是在數(shù)據(jù)庫中的特征矢量，并且這個梯度距離是矢量和之間被用于確定正方形區(qū)域的錯誤。計算如下：(L是矢量高度的輪廓) (10)（4）車輛分類技術(shù)此分類步驟利用了從特征矢量取出過程中所輸出的距離數(shù)據(jù)，來對所有特征提取的方法。車輛可以被代替進(jìn)入基礎(chǔ)子集去利用特征矢量（高、寬等）。為了識別更多的完全的車輛類型，我們需要更多的特征矢量。除了車寬和車高，還需要

17、提取車高輪廓。車高輪廓的測量是已給的車高前后分配比例的一個象征，這對分別區(qū)分車型有很大的幫助，如轎車、小卡車、越野車等。這些特征是依據(jù)他們的能力來被選擇的。這些車的類型如汽車、貨車或者卡車會根據(jù)它們車的型號做出決定并進(jìn)行分類。（5）分類體系通常情況下這些特征實際運(yùn)用于車軸的數(shù)字和它們之間的距離。例如，車軸角度的分類方案是由美國聯(lián)邦公路管理局應(yīng)用的。該體系共包括13類，如轎車、乘用車、等，其他雙軸單位的車輛，如公共汽車、卡車等。英國M6收費(fèi)標(biāo)準(zhǔn)是使用一個六種分類方案與其他相近的分類，這也是定義車輛車軸的一個方面。在這可以看到以前說過的很多車輛類型，如客車、輕型卡車、公共汽車、重型卡車及其他可分辨

18、的車輛的幾何形態(tài)。為了提高分類精度及增加車輛類型分類的數(shù)目，我們研究了現(xiàn)已存在的分類方法和從激光掃描傳感器的特征向量，并且我們可提高并完善分類體系。5.2 簡化的GRM模板匹配算法GRM模板匹配算法是模板匹配算法的一種，它是基于梯度響應(yīng)圖進(jìn)行目標(biāo)檢測，從而達(dá)到識別目標(biāo)的目的，GRM為Gradient Response Maps （梯度響應(yīng)圖）的縮寫。該算法通過線下訓(xùn)練以及并行內(nèi)存計算的特點(diǎn)，這樣就可以減少模板匹配過程中的大量計算，尤其是利用并行內(nèi)存計算的特點(diǎn)，極大的提高了模板匹配的速度。對于簡化的GRM模板匹配算法，我們可以進(jìn)行如下描述：我們先通過線下訓(xùn)練計算所有模板數(shù)據(jù)的梯度方向，并將結(jié)果保

19、存。當(dāng)進(jìn)行線上匹配時，計算待檢測數(shù)據(jù)的梯度方向，然后將待檢測數(shù)據(jù)的梯度方向與所有模板數(shù)據(jù)的梯度方向進(jìn)行線上匹配。通過計算余弦相似度的最大值得到各位置處的模板相似度，再選擇相似度最大的模板數(shù)據(jù)在待檢測數(shù)據(jù)中的位置，作為目標(biāo)所在的位置，具體描述如下： (11)其中，在待檢測數(shù)據(jù)中當(dāng)前位置處的匹配相似度，記作S(Laser ,Original ,c)；在待檢測圖像中當(dāng)前位置的偏移量，記作；對于模板數(shù)據(jù)，記作；在被檢測數(shù)據(jù)中模板數(shù)據(jù)當(dāng)前所在的位置，記作；對于待檢測數(shù)據(jù)的梯度索引值，記作；對于模板數(shù)據(jù)的梯度索引值，記作。GRM算法的流程如下：圖5.3 GRM算法流程5.2.1計算圖像梯度點(diǎn)我們通過激光傳

20、感器掃描得到的通過車輛的車寬和車高輪廓，可得到車輛的具體特征，通過這些特征將該車型與其他車輛的車型進(jìn)行區(qū)分。計算圖像梯度點(diǎn)的方法描述如下：(1) 對于被檢測的四個車道，先要對這四個車道分別進(jìn)行處理，計算出四個車道相對應(yīng)的梯度圖。為了增強(qiáng)抗干擾能力，通過設(shè)置一個固定值來對梯度圖中的梯度值進(jìn)行過濾，去掉較小的梯度點(diǎn)。(2) 為了進(jìn)一步增強(qiáng)抗干擾的能力，對梯度圖中的梯度方向進(jìn)行量化，即N個方向，我們?yōu)榱藢λ惴枋龇奖?，將N取為5，具體梯度方向量化標(biāo)準(zhǔn)如下圖所示：圖5.4梯度方向量化標(biāo)準(zhǔn) 5.2.2梯度點(diǎn)擴(kuò)展與編碼為了更好地描寫車輛特征，我們將對梯度圖的梯度點(diǎn)進(jìn)行擴(kuò)展。此外，為了更好地設(shè)計算法，將對量

21、化之后的梯度點(diǎn)的梯度方向進(jìn)行二進(jìn)制編碼，下面介紹梯度點(diǎn)擴(kuò)展與二進(jìn)制編碼的方法：(1) 量化之后的梯度方向的二進(jìn)制編碼標(biāo)準(zhǔn)如圖所示，描述了5個梯度方向的二進(jìn)制編碼標(biāo)準(zhǔn)，就是將梯度方向用長度為N=5的二進(jìn)制串表示。 (2) 梯度點(diǎn)擴(kuò)展是對二進(jìn)制化的梯度圖進(jìn)行處理，梯度點(diǎn)擴(kuò)展過程和二進(jìn)制編碼過程如圖所示。圖5.5梯度點(diǎn)擴(kuò)展過程和二進(jìn)制編碼過程根據(jù)簡化的GRM模板匹配算法，利用梯度相應(yīng)圖來進(jìn)行全面的目標(biāo)檢測，從而達(dá)到識別車輛信息的目的。且具有線下訓(xùn)練以及內(nèi)存計算的特點(diǎn)，它可以減少模板過程中的大量計算，極大的提高模板匹配的速度，從而達(dá)到對高速公路上車輛快速分類的目的。5.3問題一的分析與解答5.3.1車

22、輛分類算法在我們的論點(diǎn)中這個被提議的分類算法是基于現(xiàn)有車輛的特征矢量，包括車高、車寬和車高輪廓。若所測車輛有相似的車高和車寬，車高輪廓矢量可在有效的條件下提高對車輛的識別能力。但是，為了確定車輛的類型，使用車高輪廓也不最太重要的。調(diào)查顯示，客車和大貨車的部分可以識別90%甚至更多。因此，車輛分類算法需要測量大量車輛的車高輪廓。分類問題的解決方案包括從激光傳感器上輸出的特征矢量，并且可以映射到已設(shè)定的分類。分類是被定義在一些特征空間里的子空間，這對矢量空間的發(fā)展起著重要作用。車輛的基本參數(shù)可以從激光傳感器所掃描出的數(shù)據(jù)中提取，包括車輛的高度、寬度和車高輪廓。因此，使用激光傳感器，這些特征矢量所遵

23、循的結(jié)構(gòu)是可以得到的： (12)在此，h 為車高輪廓的矢量尺寸，所以特征矢量對車輛類型的分類可以被定義為： (13)（）K是不同車輛類型所分類的數(shù)目。在此我們運(yùn)用這些激光傳感器所輸出的數(shù)據(jù)來發(fā)展我們的分類技術(shù)，我們做了一下幾個基本假設(shè)：（1）這個分類算法包含M中分類，為。每個分類中包含著種車輛類型以便。例如，該分類轎車中包括小型轎車、中型轎車和中大型轎車。（2）通過必要的算法模型，每一種車的類型都可以被準(zhǔn)確的分類。這種對車輛類型分類，且被分為k種的算法被描述為車高輪廓的矢量尺寸，且。我們可以根據(jù)所給的m種車輛類型，它可以定義為一種模型以便確定車型： (14)5.3.2高度與寬度的特征描述5.3

24、.2.1高度我們可以通過激光傳感器來逐一獲取數(shù)據(jù)，并且利用車輛區(qū)域中的每一個數(shù)據(jù)減去整體數(shù)據(jù)的平均值來獲得車輛高度。 (15)在此是車輛數(shù)據(jù)中的一個數(shù)據(jù)，為整體數(shù)據(jù)的平均值。假設(shè)激光傳感器距離第一個車道最近邊沿的水平距離為1.7米，即，并且車輛高度被定義為 (16)5.3.2.2寬度由于車輛幾何數(shù)據(jù)，讓為中最左邊的數(shù)據(jù)，為中最右邊的數(shù)據(jù)，在此給定一個。然后目標(biāo)車輛的高度可有以下公式確定： (17)（全部是在中與的數(shù)據(jù)）的單位是數(shù)據(jù)，需轉(zhuǎn)化成單位米。我們需要考慮通過激光傳感器所得到的數(shù)據(jù)的幾何特征。（如圖5.4） 激光傳感器通過掃描車輛表面得到了148個射線。這些所給射線所在點(diǎn)為，射線分開的距離

25、為5cm，讓代表點(diǎn)和點(diǎn)之間的寬度，則我們可以得到車輛寬度平均值為（符號被用于計算車輛寬度） (18)所以車輛寬度為： (19)是不變的，與屬于幾何數(shù)據(jù)，在我們的例子中。5.4問題二的分析與解答 5.4.1 異常數(shù)據(jù)的判別激光傳感器所測得的數(shù)據(jù)均為直線傳播距離的數(shù)值，也就是激光頭發(fā)射點(diǎn)到所測車輛之間的距離。這些距離信息是通過激光頭進(jìn)行側(cè)面掃描獲得的信息，在激光傳感器正常工作的過程中，激光頭掃描的信息受到車輛的顏色、車窗以、場景、光照等不同因素的影響。我們判斷這種情況下傳感器所輸出的數(shù)據(jù)為異常數(shù)據(jù)。在交通場景中，車輛之間不可避免的會發(fā)生遮擋、粘連等情況，而陰影也影響所測車輛的輪廓特征。在此時傳感器

26、所輸出的數(shù)據(jù)也為異常數(shù)據(jù)。圖5.6原始數(shù)據(jù)折線圖圖5.7替換異常數(shù)據(jù)后數(shù)據(jù)折線圖5.4.2 異常數(shù)據(jù)的處理根據(jù)以上情況下，我們判定激光傳感器所輸出的數(shù)據(jù)為異常數(shù)據(jù)。我們利用狄克遜（Dixon）準(zhǔn)則來做異常數(shù)據(jù)的處理，把異常數(shù)據(jù)帶換成前一個正常數(shù)據(jù)或后一個正常數(shù)據(jù)。狄克遜準(zhǔn)則的介紹：該準(zhǔn)則是對某量進(jìn)行次重復(fù)測量，得到，設(shè)測量誤差服從正常分布，按數(shù)值大小進(jìn)行排列為，若某數(shù)據(jù)，為異常數(shù)據(jù)，則進(jìn)行異常數(shù)據(jù)的替換，將異常數(shù)據(jù)帶換成前一個正常數(shù)據(jù)或后一個正常數(shù)據(jù)。若前后也為異常數(shù)據(jù)，也進(jìn)行上面替換，直到將異常數(shù)據(jù)都替換為正常數(shù)據(jù)為止。表5.1臨界值對應(yīng)表臨界值統(tǒng)計量n檢驗時檢驗時30.9880.94140

27、.8890.76550.7800.64260.6980.56070.6370.50780.6830.55490.6350.512100.5970.477為檢驗是否為異常數(shù)據(jù)，做統(tǒng)計量： (20)選定顯著度，由表5.1查得的該統(tǒng)計量的臨界值，若滿足，則認(rèn)為為異常數(shù)據(jù)，應(yīng)將異常數(shù)據(jù)代換成前一個正常數(shù)據(jù)或后一個正常數(shù)據(jù)。同樣，為檢驗是否為異常數(shù)據(jù)，做統(tǒng)計量： (21)若滿足則認(rèn)為為異常數(shù)據(jù)，應(yīng)將異常數(shù)據(jù)代換成前一個正常數(shù)據(jù)或后一個正常數(shù)據(jù)。5.5問題三的分析與解答 通過對附件2中的數(shù)據(jù)的觀察，附件2中的數(shù)據(jù)是十六進(jìn)制，所以我們利用excel中的HEX2DEC函數(shù)把數(shù)據(jù)從十六進(jìn)制轉(zhuǎn)換為十進(jìn)制，部分如下

28、圖所示：表5.2部分?jǐn)?shù)據(jù)十六進(jìn)制轉(zhuǎn)十進(jìn)制#NUM!#NUM!11121600390027271272743.98E+093.98E+0900700500036001#NUM!1.07E+10090000050001815006496450134959496750085000502250628.16E+10537959675978598459825988601260096030604260586052606660736099610861116138614461696184619462096234624962686282629263126341634115728646404643064466474

29、649865286548656465946635663966666704674167556802683468696901702570527079711771557192723272907333737774207477754175667671772777877849791479738021808481418306826083505.37E+08849885758650873188088901899890809178927493769471957097829894100005.5.1 數(shù)據(jù)處理及數(shù)據(jù)清洗運(yùn)用我們所建立的模型及MATLAB軟件，對附件2中所給出的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理和臟數(shù)據(jù)的清洗，在此數(shù)

30、據(jù)清洗是指發(fā)現(xiàn)并糾正附件中數(shù)據(jù)文件中可識別的錯誤的最后一道程序，包括檢查數(shù)據(jù)一致性，處理數(shù)據(jù)中的無效值、異常數(shù)據(jù)等。數(shù)據(jù)清洗的原理是利用有關(guān)技術(shù)如數(shù)理統(tǒng)計、數(shù)據(jù)挖掘或預(yù)定義的清理規(guī)則將異常數(shù)據(jù)轉(zhuǎn)化或替換為滿足數(shù)據(jù)質(zhì)量要求的正常數(shù)據(jù)，如下圖所示：圖5.8數(shù)據(jù)清洗的原理根據(jù)附件中的數(shù)據(jù)可知，探測儀每周期T內(nèi)掃描的有效數(shù)據(jù)n為148個，在此根據(jù)下列公式： (22) (23) (24)在此為有效數(shù)據(jù)的個數(shù)，為時間。根據(jù)以上數(shù)據(jù)及公式，利用所編寫的程序（附錄一）及MATLAB，可建立三維立體圖像，從而來對車輛所在車道及形狀進(jìn)行判斷。其建立三維立體圖像如下圖：圖5.9第一組數(shù)據(jù)處理圖5.10 第二組數(shù)據(jù)處

31、理圖5.11第三組數(shù)據(jù)處理圖5.12第四組數(shù)據(jù)處理5.5.2相應(yīng)數(shù)據(jù)對應(yīng)的車輛形狀及所在車道根據(jù)激光傳感器所輸出的數(shù)據(jù)，可測得車寬、車高，我們可把車型分為五類:轎車、越野車、客車、皮卡車、廂式貨車。還根據(jù)數(shù)據(jù)可知，探測儀每周期掃描148個點(diǎn)，而掃描的角度范圍是0，步進(jìn)角度為，若沒有車輛通過，則探測儀掃描的是地面到探測儀的距離，該值為固定值，設(shè)這個固定值為X，且不同的固定值所對應(yīng)的角度是不同的。當(dāng)探測儀掃描角度為時，且點(diǎn)到探測儀的距離小于該角度所對應(yīng)的固定值,說明這時有車輛通過該車道。圖5.13掃描示意圖通過下表5.2中的車道范圍，我們可判斷出附錄二中的數(shù)據(jù)對應(yīng)的車輛所在車道表5.3不同車道范圍

32、表車道第一車道第二車道第三車道第四車道車道距探測儀的水平距離/米1.75.455.459.29.212.912.916.7 基于以上的這些數(shù)據(jù)及數(shù)據(jù)處理所獲得三維立體圖形，我們可以判斷出附件2中所給出的數(shù)據(jù)中車輛所在車道分別為第一車道、第三車道、第三車道及第二車道。其車輛形狀分別為轎車、客車、越野車及卡車。5.6問題四的分析與解答5.6.1分類算法的步驟該分類技術(shù)是基于車高、車寬及車高輪廓的討論，且通過對特征矢量的使用所確立的。它所遵循的步驟是：（1）對于激光傳感器所輸出的數(shù)據(jù)，可以計算特征矢量 (25)（2）對于檢查這個條件。如果任何一個存在，除了作為車輛分類估算及最終的算法。否則，進(jìn)入步驟

33、（3）（3）計算矢量車高輪廓及特征矢量 (26)（4）計算距離其中，（5）找出標(biāo)志： (27)和有同一種分類。（6）作為車輛分類估計，除了分類。 對于每輛車，觀察該算法考慮到涉及步驟（1）和（3）（5）。在所提出的技術(shù)中，一定比例的車輛可以分為步驟（1）和（2）。因此，對于許多車型，對車高輪廓典范及測量車高輪廓是可以避免的。這個例子所提出的技術(shù)是實際運(yùn)用中的。5.6.2車輛分類標(biāo)準(zhǔn)激光傳感器可測得車寬、車高，根據(jù)國際內(nèi)外的一些分類標(biāo)準(zhǔn)，我們可把車型分為五類:轎車、越野車、客車、皮卡車、廂式貨車。具體分類標(biāo)準(zhǔn)如下：表5.4車輛分類標(biāo)準(zhǔn)車輛分類高度范圍（米）寬度范圍（米）下界上界下界上界轎車1.1

34、21.501.022.09越野車1.701.901.702.26客車2.202.852.052.64皮卡車1.451.601.601.80廂式貨車1.952.121.952.25基于簡化的GRM模板匹配算法適用于車流密度較小，車輛沒有遮擋、粘連、陰影等因素的因素影響下的單個車輛的識別，算法的運(yùn)算量也相對較小。我們運(yùn)用簡化的GRM模板匹配算法，對數(shù)據(jù)中進(jìn)行匹配，得到車輛分類結(jié)果。5.6.3車輛分類結(jié)果（1）對于車輛種類，我們用五個不同字母A，B，C，D，E來表示五中車型分別對應(yīng)轎車，越野車，客車，皮卡車，廂式貨車。X，Y 分別是探測儀掃描到車輛的高度和寬度。不同的車型有不同的高度和寬度，只需要判

35、斷掃描到的X，Y符合哪一個范圍即可判斷該車的車型。具體見附件二。（2）對于車輛數(shù)量，首先用五個不同字母A，B，C，D，E來表示五中車型分別對應(yīng)轎車，越野車，客車，皮卡車，廂式貨車。用字母N來表示探測儀所掃描到的信號。用小寫字母a，b，c，d，e分別來表示這五種車型的數(shù)量，n表示所有車的個數(shù)，開始時分別給這些小寫字母賦值0。然后判斷輸入信號N的類型，若N是轎車型即N=A，則a進(jìn)行自增1，輸出a=1若下個車型仍然是轎車，則a再自增1，此時輸出a=2，以此類推，同理若N=B，則b進(jìn)行自增1。掃描結(jié)束后a，b，c，d，e的值，即對應(yīng)車型的數(shù)量，n的值是掃描到所有車輛的總數(shù)，即n=a+b+c+e+d，也

36、可以用此式子來檢驗該程序的正確性。具體見附錄三。所以根據(jù)以上算法及編程的應(yīng)用，運(yùn)用MATLAB來進(jìn)行數(shù)據(jù)分析，我們可以得到附件3中車輛種類及數(shù)量分別為轎車10輛、越野車27輛、客車35輛、皮卡車36輛及貨車8輛。5.6.4討論算法效率本文通過對算法效率的分析，主要考慮空間和時間兩個因素，而時間性能是決定是否采用該算法的首要因素。為了衡量算法運(yùn)行時間的效率，通常用漸進(jìn)時間復(fù)雜度來描述。漸進(jìn)分析是指當(dāng)我們的輸入規(guī)模很大時，或者說在微積分意義下達(dá)到極限時，對算法效率的研究。對本文的兩個算法進(jìn)行漸進(jìn)分析，在這個過程中，經(jīng)常忽略其系數(shù)和一些次要因素，是注意力集中到最重要的增長率上。即當(dāng)問題規(guī)模很大時，文

37、中算法解決這一問題所耗費(fèi)的時間增長的速率，而不是對某一特定值所花費(fèi)時間的絕對值。因此，在一臺計算機(jī)上所能解決的問題的大小主要取決于程序運(yùn)行時間的增長率，這就是要盡可能降低算法時間復(fù)雜性的原因。盡管隨著計算機(jī)速度的不斷提高，能夠求解問題的規(guī)模越來越大，但如果沒有一個低增長率的有效算法，計算機(jī)速度的提高對于在限定時間內(nèi)可以求解問題的最大規(guī)模不會帶來顯著的影響。了解求解某一具體問題的不同方法的時間增長率，這與算法效率成正相關(guān)的關(guān)系。本文中所運(yùn)用的車輛自動檢測算法（AVDC）及簡化的GRM算法，將復(fù)雜的問題簡單化。通過激光傳感器所輸出的數(shù)據(jù)，來快速獲取車輛高度和寬度，并且對車輛類型進(jìn)行分類。具體問題具

38、體分析，從而避免不必要的代價和周折，達(dá)到快速而準(zhǔn)確求解的目的。5.7問題五的分析與解答本文根據(jù)激光傳感器測得的通過車輛的高度和寬度，對車輛進(jìn)行分類，但這種分類具有一定的局限性，并不能夠準(zhǔn)確的確定被測車輛的類型。為獲取更多分類條件，精確的確定車輛類型，下面我們將對裝置增加一個速度檢測儀。根據(jù)資料顯示，現(xiàn)在高速公路上的測試儀有很多種，我們結(jié)合題目選定雷達(dá)測速裝置對高速公路上通過的車輛進(jìn)行測速。目前，雷達(dá)測速儀分為固定測速和移動測速，本文采則用固定測速的方式。具體如下：5.7.1技術(shù)原理雷達(dá)英文為RADAR，是 Radio Detection And Ranging 的縮寫，為目前偵測移動物體最普遍

39、的方法，雷達(dá)測速儀是通過微波來測量運(yùn)動物體的速度。基本原理是應(yīng)用了Doppler效應(yīng)，利用持續(xù)不斷發(fā)射出電波的裝置，對著物體發(fā)射出電波, 當(dāng)無線電波在行進(jìn)的過程中，碰到物體時被反射，而且其反彈回來的電波波長會隨著所碰到的物體的移動狀態(tài)而改變。當(dāng)微波照射到運(yùn)動的物體上時，會產(chǎn)生一個與運(yùn)動物體速度成比率的一個變化，其變化大小正比于物體運(yùn)動的速度。雷達(dá)發(fā)射的微波以一個扇型的方式出去，在照射區(qū)域內(nèi)的目標(biāo)會對微波形成一個反射，其中依據(jù)實際測量的要求，我們運(yùn)用雷達(dá)的靜態(tài)工作模式。所謂靜態(tài)，即雷達(dá)靜止不動（不在運(yùn)動的巡邏車內(nèi)），測迎面來的汽車或同向遠(yuǎn)離的汽車。雷達(dá)測速的原理是應(yīng)用多普勒效應(yīng)，因此，具有以下特

40、點(diǎn)：（1）雷達(dá)波束比激光光束的照射面積大，因此雷達(dá)測速易于捕捉目標(biāo)，無須精確瞄準(zhǔn)。（2）雷達(dá)固定測速誤差為±1km/h，運(yùn)動時測速誤差為±2km/h，完全可以滿足對交通違章查處的要求。（3）雷達(dá)發(fā)射的電磁波波束有一定的張角，因此有效測速距離相對于激光測速較近, 最遠(yuǎn)測速距離為800m( 針對大車)。（4）雷達(dá)測速儀的技術(shù)成熟，價格適中。（5）雷達(dá)測速儀發(fā)射波束的張角是一個很重要的技術(shù)指標(biāo)。張角越大，測速準(zhǔn)確率越易受影響，反之，則影響較小。使用雷達(dá)測速儀時應(yīng)注意避免高溫暴曬環(huán)境、高濕度環(huán)境、震動沖擊環(huán)境和電磁干擾環(huán)境。因為在長期高溫暴曬等壞境下容易造成雷達(dá)測速儀外殼非金屬部分

41、老化變形，主體核心部分也會受到高溫的干擾會導(dǎo)致雷達(dá)測速儀響應(yīng)時間變長變慢；酸性或者鹽性的條件下極容易對雷達(dá)測速儀金屬部分包括天線都會造成嚴(yán)重的腐蝕性，大大減小雷達(dá)測速儀的使用壽命；雷達(dá)測速儀經(jīng)過長期的震動或者強(qiáng)烈的沖擊后，會造成天線角度的變化，從而影響雷達(dá)測速儀的精確度，特別是車載用雷達(dá)測速儀，應(yīng)做好防震措施，盡可能在使用的過程中關(guān)掉發(fā)動機(jī)在停車的狀態(tài)下使用；另外，強(qiáng)烈的沖擊會對雷達(dá)測速儀造成致命的破壞，所以應(yīng)避免摔落、亂扔的現(xiàn)象，使用的時候應(yīng)輕拿輕放；雷達(dá)測速儀是通過發(fā)射電磁波來進(jìn)行測速，電磁波會在傳播過程中受到其他電波的干擾，如噪聲、無線發(fā)射塔、無線接收信號裝置、高壓電都會影響，所以雷達(dá)測

42、速儀在使用的時候應(yīng)避免這些干擾的存在。5.7.2雷達(dá)測速儀參數(shù)工作波段：K波段工作頻率：24150 ± 45MHz發(fā)射功率：20mW輸出功率密度：0.5mW/cm2波束寬度：±6°探測距離：500m工作電壓：10.8 12VDC工作電流：12V 180mA 24V 120mA浪涌電流：1A工作溫度：-30 - 70工作最大濕度：100%極化方式：線極化處理器通訊接口：串行RS485數(shù)據(jù)傳輸速率：波特率9600雷達(dá)響應(yīng)時間：20ms機(jī)械參數(shù)重量：0.52kg長度：15.55cm寬度：15.55cm測速范圍：5 400 km/h測速精度：±1km/h水平方向

43、和垂直方向均可進(jìn)行余弦修正，從0 45 度5.7.3雷達(dá)測速儀安裝方式在這里我們采用橫桿頂裝式安裝法對雷達(dá)測速儀進(jìn)行安裝。橫桿頂裝式安裝法是通過將測速儀安置在龍門架或者其他橫桿上，通過將測速儀與地面擺放呈一定角度（測速儀與路面夾角不宜超過30度）。因考慮到路面車輛的高度和雷達(dá)測速儀探測距離問題，龍門架不宜設(shè)的太低，太低了會影響車輛通行；太高了可能會造成雷達(dá)測速儀探測不到。橫桿高度一般設(shè)置為4-8米。具體如下圖所示：圖5.14雷達(dá)測速儀安裝示意圖6模型優(yōu)缺點(diǎn)的分析6.1模型的優(yōu)點(diǎn)（1）利用激光傳感器的特征及車輛自動檢測分類算法（AVDC）來對高速公路上車高、車寬進(jìn)行描述。精確的算出了激光傳感器在

44、掃描每個車道時所成的角度，通過傳感器所輸出的數(shù)據(jù)進(jìn)過編程和MATLAB的運(yùn)用，準(zhǔn)確的判斷出所行駛車道的車輛類型。（2）對車輛的特征矢量進(jìn)行詳細(xì)的描述，如車高和車寬。為了識別更多更全面的車輛類型，我們還需要車高輪廓這個特征矢量。在此，使用基于歐氏距離的計算距離算法，通過計算輪廓和各類模式之間的距離進(jìn)行分類，對最近距離決定在哪，進(jìn)行模式分類。（3）根據(jù)簡化的GRM模板匹配算法，利用梯度相應(yīng)圖來進(jìn)行全面的目標(biāo)檢測，從而達(dá)到識別車輛信息的目的。且具有線下訓(xùn)練以及內(nèi)存計算的特點(diǎn)，它可以減少模板過程中的大量計算，極大的提高模板匹配的速度，從而達(dá)到對高速公路上車輛快速分類的目的。（4）通過該模型的建立，可以

45、到達(dá)對高速公路上所通過的車輛進(jìn)行快速的分類及準(zhǔn)確的判斷其數(shù)量。對高速公路上的交通情況進(jìn)行實時監(jiān)控，可以實現(xiàn)自動交通管理。通過對該模型的運(yùn)用，還可以增加高速公路收費(fèi)站的車輛通過量和減少高速公路的擁擠程度，極大程度上減輕了工作人員的日常工作量。6.2模型的缺點(diǎn)（1）該模型所受激光傳感器輸出數(shù)據(jù)的影響較大，在某些特殊情況下，可能導(dǎo)致車型及車輛數(shù)量的判斷不準(zhǔn)確。（2）在本模型中所運(yùn)用的車輛自動檢測分類算法（AVDC）及簡化的GRM模板匹配算法，二者沒有做到完美的契合。（3）模型中沒有考慮到所研究的激光傳感器會受到天氣變化的影響，傳感器所輸出的數(shù)據(jù)可能不夠準(zhǔn)確，從而使得某些時候模型求解的結(jié)果出現(xiàn)部分誤差

46、。7結(jié)論隨著我國經(jīng)濟(jì)迅速發(fā)展，人們的生活水平不斷提高的同時，生活節(jié)奏也在不斷加快，那么用優(yōu)快捷的交通工具就尤為重要了，這導(dǎo)致了近年來汽車大面積普及。因此，近年來在高速公路上的汽車數(shù)量迅速增長，而且交通事故也是頻繁發(fā)生的，這給道路交通帶來了巨大的壓力和嚴(yán)峻的考驗。基于以上背景，我們建立了此模型，對以下幾個方面進(jìn)行了討論：方面1：車輛的幾何特征基于路側(cè)激光傳感器所輸出的數(shù)據(jù)，運(yùn)用車輛自動檢測分類算法（AVDC）來獲得道路車輛的幾何特征，如車輛高度和寬度。并且為了更加精確的描述幾何特征，增加車輛的高度輪廓這個特征矢量。方面2：對于異常數(shù)據(jù)的分析及處理激光傳感器在正常工作的過程中，激光頭掃描的信息受到

47、車輛的顏色、車窗以、場景、光照等不同因素的影響?；诤喕腉RM模板匹配算法適用于車流密度較小，車輛沒有遮擋、粘連、陰影等因素的因素影響下的單個車輛的識別，算法的運(yùn)算量也相對較小。但是在交通場景中，車輛之間不可避免的會發(fā)生遮擋、粘連等情況，而陰影也影響所測車輛的輪廓特征。在以上的情況下傳感器所輸出的數(shù)據(jù)為異常數(shù)據(jù)，我們利用狄克遜準(zhǔn)則來吧異常數(shù)據(jù)帶換成前一個正常數(shù)據(jù)或后一個正常數(shù)據(jù)。方面3：車輛所在車道的判斷 我們運(yùn)用建立的模型及MATLAB軟件，對附件中的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和后續(xù)的數(shù)據(jù)處理，以此來建立三維立體圖像，進(jìn)而判別出附件2中對應(yīng)的所在車道第一車道、第三車道、第三車道及第二車道；車輛形狀分

48、別為轎車、客車、越野車及卡車。方面4：車輛的自動檢測分類及數(shù)量的計算利用車輛自動檢測分類算法（AVDC）來對車輛的特征矢量進(jìn)行詳細(xì)的描述，如車高、車寬及車高輪廓。基于以上這些，再根據(jù)英國M6的收費(fèi)標(biāo)準(zhǔn)及所搜集的大量數(shù)據(jù)，來對車輛進(jìn)行全面且系統(tǒng)的分類。我們大概把車型分為五類:轎車、越野車、中型MPV、皮卡車、廂式貨車。根據(jù)簡化的GRM模板匹配算法及編程的應(yīng)用，運(yùn)用MATLAB來進(jìn)行數(shù)據(jù)分析，我們可以得到附件3中車輛種類及數(shù)量分別為轎車10輛、越野車27輛、客車35輛、皮卡車36輛及貨車8輛。方面5：雷達(dá)測速探測器由于激光傳感器只能測得車輛的車高和車寬，不能測量車輛的速度。所以我們結(jié)合題目選定雷達(dá)

49、測速裝置對高速公路上通過的車輛進(jìn)行測速，其原理是應(yīng)用多普勒效應(yīng)，通過微波來測量運(yùn)動物體的速度，是目前偵測移動物體最普遍的方法，安裝雷達(dá)測速儀，可以更有效的檢測高速公路上的車輛通行情況。參考文獻(xiàn)12鄭瑩娜，劉強(qiáng)，陳長纓，李揚(yáng)。固體表面速度相關(guān)測量激光傳感器光學(xué)系統(tǒng)J。1999年，第10期。3 C.K.Toth，A.Barsi，T.Lovas。從激光傳感器中數(shù)據(jù)的車輛識別。美國哥倫布測繪中心。4 潘大任，徐基仁。海關(guān)車輛自動識別系統(tǒng)研究J。四川大學(xué)學(xué)報（自然科學(xué)版）。1990年，第03期。5 邊肇琪，張學(xué)工。模式識別第二版。北京：清華大學(xué)出版社。2002年。6楊琪文。公差實驗中粗大誤差的發(fā)現(xiàn)及剔除J。揚(yáng)州職業(yè)大學(xué)學(xué)報。2003年，第四期。7楊輔祥，劉云超，段智華等。數(shù)據(jù)清理綜述J。計算機(jī)應(yīng)用研究。2003年。8附錄一#include<stdio.h> main() int L ; /L為附件中的數(shù)據(jù) if（4900<L<20000） printf("%dn", L ); else if(L>20000) L=0 ; printf("%dn", L ); #include<stdio.h>main()int T,n,L ; /L位清洗后的數(shù)據(jù) fl