集卡是集装箱码头主要的水平运输设备，集卡位置信息的缺失会影响控制员调度设备的及时性，出现集卡或大型设备长时间等待、作业效率下降的情况。此外，集卡位置信息还是码头自动化项目的先决条件，是码头实现数字化的基石，是码头数字化工厂的必需“能源”。

为有效获取集卡位置信息，设计基于多传感器融合的集卡定位系统。输入源包括地磁传感器、内集卡手机端的内置卫星定位传感器、外集卡司机的微信客户端。

整个无接触集卡定位系统主要由数据采集器、数据转发器、适配器、定位融合服务器等4部分组成。数据采集器将采集的原始数据经转发器发送至适配器处理，再由定位融合服务器将多个适配器的处理结果融合。在系统设计过程中，定位融合服务器统一多种传感器的定位标准，使集卡定位信息成中心管理模式，降低设备、能源、人工维护等成本。无接触定位系统见图1。

图1 无接触定位系统

需要说明的是，内、外集卡卫星定位信息均来源于手机终端，与高精度定位设备相比，设备成本低、定位精度较差、无须专门维护。由此可见，地磁传感器依然是码头集卡停车检测的主要信息来源。本文主要介绍该系统中的地磁传感器检测算法。

1地磁车辆检测原理

地球是一个天然磁体，其表面自带有约0.5G~0.6G的磁场强度，不同区域略有差异，但在一定区域内可以看作是稳定的磁场。铁磁物体的扰动会对地球磁场分布产生影响，集卡可以被看作大型的铁磁物体，通过检测地磁传感器覆盖范围内地球磁场变化，获取集卡停车、过车的检测结果。本文利用成本低、功耗低的三轴异向磁阻传感器（Anisotropic Magnetic Resistive, AMR）作为集卡停车检测传感器。其将外部的磁场变化转换为电压信号作为输出，通过对输出电压的处理来判定停车情况。

AMR 传感器在检测过程中存在磁场强度测量值随温度变化漂移、传感器周围磁场强度易受大型设备作业干扰等问题。另外，与停车场停车检测的应用相比，集装箱码头集卡作业位置不固定，又存在空拖板对磁场强度影响较小的现象，传统的阈值检测较难应用在码头作业场景中。为此，本文提出一种基于波形检测的多地磁集卡定位算法，该算法优化阈值检测算法，同时加入后端连续多个传感器的综合处理，提高检测可靠性，从而满足业务所需的集卡进出栏和到离贝的判定要求。

2基于地磁传感器的集卡波形检测

2.1地磁传感器安装位置的选择

在集装码头中，集卡是否到达作业位置是设备调度的重要影响因子，因此将地磁传感器安装在作业车道。选择位置时需保证停车集卡都能被检测，同时兼顾地磁传感器的最大利用率，本文根据集装箱拖板长度将安装间隔设定在12 m（忽略6 m拖板的特殊情况），此间隔可根据不同定位要求选取。地磁传感器安装位置见图2。

图2 地磁传感器安装位置

2.2自适应环境值选取

由于集装箱码头环境复杂，检测位置两旁堆场是否堆箱、大型设备是否停留等情况均会影响环境值，且环境值又随温度变化而缓慢改变。为了保证检测准确性，将环境值设为可自适应调整的变化量。

若地磁传感器输出结果为地磁设备上方无车并保持无车状态持续时间τm，则利用此时的检测值s（n）和误差函数e（n）自适应动态更新环境值获得env（n），即

式中：μ为加权系数，本文加权系数为0.062 5；n为采样点。

2.3集卡波形检测算法

集卡波形检测算法处理流程见图3，在自适应环境值基础上完成地磁传感器阈值检测算法的优化。

图3 集卡波形检测算法处理流程

场地内要求限止车速、车距和车长，考虑实际情况，计算时选取最大车速。2辆车通过的时间间隔可表示为

式中：τ为2辆车通过的时间间隔，min；Vmax为最大车速，km/h；D为车距，m；L为车长，m。因此最小采样频率为

确定采样频率后即可获取到传感器采集的原始数字信号，取采样频率fs=5 Hz。

原始输入信号受周围噪声影响较大，其中三轴磁场矢量为M（n）=[x（n），y（n），z（n）]，x轴方向为车辆行驶方向，z轴方向为垂直于地面方向，y轴方向为垂直（x、z）平面方向。使用滑动均值滤波的方法对原始数据进行处理，取连续N点数据进行平滑，以x轴磁场值为例

以磁场矢量的2-范数（即矢量长度）作为波形判断基础。

其中，磁场变化矢量为Δm（n）=m（n）-m（n-1），滤波处理后集卡引起磁场变化的理想检测模型见图4。

图4滤波处理后集卡引起磁场变化的理想检测模型

应用阈值A及变化持续时间限制联合检测，确定处理波形时长。若Δm（n）持续大于A的时间达到τs，则开始计入波形判断，波形判断开始后若Δm（n）持续小于A的时间达到τe，则波形判断结束。其时间差即为处理波形时长。

根据集卡波形特征提取结果，选择影响较为关键的峰谷值特征与稳态特征作为处理依据。在处理峰谷值特征时，根据峰值幅度、峰值间隔、处理波形时长进行有效峰值选取。最终提取的有效峰值数量小于2。

在有效峰值数基础上完成单个地磁传感器车辆状态检测。集卡停车状态图见图5。

图5集卡停车状态图

3基于多地磁传感器的综合处理

3.1多传感器融合处理场景

在码头实际应用中，因借车道车辆驶入，特殊集卡波形特征不够明显，单个传感器的检测准确率较难满足生产要求。单个地磁处理时常见的异常场景有2种：

车头部铁磁物质较少的集卡，停车在地磁上方易被漏检。

车辆行车速度过快，对有效峰值判断错误，造成异常停车。

为此，本文又提出后端连续多地磁传感器的处理方法，使用连续地磁传感器处理结果进行校验，并综合全栏作业情况完成作业集卡到离贝的判定。

3.2综合判断流程

地磁传感器将采集结果上传后，适配器对连续多个地磁传感器结果进行综合判断。多地磁处理流程见图6。

图6多地磁处理流程

地磁传感器的触发具有一定连续性，故对连续多个地磁传感器（在此使用3~5个）触发时间和车辆检测状态的二维数据进行分类，筛选异常类别结果进行处理，从而减少地磁传感器在集卡行进过程中的异常停车判断。根据停车位置与指令的邻近匹配，消除因车头部铁磁物质较少而造成的漏检，以此保证地磁传感器状态值的置信度。

在纠正地磁传感器状态值后，依据码头跟车要求，对全栏有车辆感应的地磁传感器进行分组，在组内根据地磁传感器触发顺序、触发时间和数量限制（即1辆集卡最多触碰2个地磁设备）完成车辆分割，实现集卡停车位置输出。

3.3地磁传感器处理结果

上述基于地磁传感器的集卡定位算法，融合地磁传感器硬件波形检测和后端多传感器综合处理。对比传统阈值检测算法，其在集卡到离贝检测方面有明显优势。本文使用的检测率定义为栏内作业贝位集卡停车的检测率。计算范围仅判断车辆有无，不含集卡号准确性。

检测率=栏内作业贝位检测有集卡停车/栏内作业贝位集卡实际停车×100%

因本文算法于2019年4月在宁波大榭招商国际码头全部升级使用，故传统阈值检测算法数据使用2019年3月检测结果，本文算法则选择次年相同月份同场地区域数据进行对比。检测结果对比见表1。

表1检测结果对比

表1中检测率为基于地磁传感器的作业贝位有无集卡的检测率，在实际生产中还引入低精度手机端卫星定位的信息源处理，本文算法融合低精度手机端卫星定位信息处理后于2020年3月的作业贝位有无集卡检测率为92.1%。

本文算法为集卡停车检测提供新的思路。同时，该算法是对原有阈值检测算法的优化，同样可以应用在社会道路上进行停车检测和车流量统计，具有普适性。另外，提取的集卡特征可用作车型识别，在高速路口、高架路桥等具有车辆限制要求的区域，对辅助车型判断具有较大优势，可协助完成车型限制管理。

4结语

基于波形检测的多地磁集卡定位算法，优化地磁传感器阈值检测算法，同时加入后端连续多地磁传感器的处理。目前，该地磁检测方案已在宁波大榭招商国际码头投入使用2 a以上，在融合手机端低精度卫星定位传感器采集数据的基础上，作业贝位有无集卡的检测率可达92%以上，2020年9月检测率为93%。另外，统计含作业号匹配的识别率，即栏内作业贝位有正确作业号的停车占栏内作业贝位集卡实际停车百分比：内集卡平均识别率为88%，最高可达91%；外集卡平均识别率为87%。该系统现为龙门吊远控项目提供集卡定位信息，此信息是远控龙门吊自动化作业的强依赖条件之一。