无论是商业、工业还是市政管理，交通管控和停车场的智能管理都是值得关注的话题。目前，几种流行的车辆检测方法，如超声波传感器、光学传感器和磁性车辆检测器，在检测车辆存在方面存在一定的局限性，这给优化交通流量带来了很大的障碍。因此，了解和配置合适的停车检测系统非常重要。我们将重点介绍微波车辆检测，以帮助您更好地决定是否应该选择此解决方案进行车辆检测。如果您正在寻找使用微波雷达运动传感器进行停车检测的制造商，请务必阅读本文的全部内容。MOKOSmart 专注于物联网产品的制造和研发超过 16 年，我们的 LW009 也采用了 地磁传感器 以及微波雷达传感器。关于我们产品的特点，我们也将在本文中为您详细介绍。
微波车辆检测系统使用通过直线传输的高频无线电信号。检测器记录微波源与车辆相对运动时产生的波的频率变化。这使得该设备能够检测移动车辆。雷达可以探测远处的物体并确定其位置和速度。研究表明，微波雷达传感器确实能够提供真实、准确的数据，以缓解交通拥堵和停车问题，但该技术也容易受到天气的影响，尤其是在恶劣的天气和环境下。
雷达是无线电探测和测距的缩写。19世纪末，海因里希·赫兹首次证明无线电波可以被金属物体反射。20世纪初，克里斯蒂安·胡尔斯迈尔利用雷达探测船舶并避免碰撞。
直到第二次世界大战，雷达才得到了显著改进，并被用于在示波器上对脉冲进行计时。也正是在这段时期，科学家们发现雷达可以用来确定目标的距离和角度。几十年后，这项技术在其他领域得到了进一步的应用，包括车辆检测。
微波雷达传感器有两种，它们是 连续波多普勒雷达 和FMCW雷达。
1842年，克里斯蒂安·多普勒描述了一种波（光、声等）频率或波长增加或减少的现象。在多普勒雷达中，车辆速度与接收波和发射波之间的频率变化成正比。该现象可用于检测车辆的存在。
车辆的反射信号可用于测量信道、存在、体积、间隙、分类、速度等，并可提供防撞警告、困境区域警告、错误航向警告和停车警告。对于给定的天线尺寸，频率越高，雷达的空间分辨率就越大。
连续波多普勒雷达发射连续波（CFW）。频率随时间恒定变化，从而可以计算反射器速度。车辆靠近雷达时，反射波形频率增加；车辆远离雷达天线时，反射波形频率降低。多普勒雷达的公式为：
v = c × fD / 2 × fC × (cos ϑ)
其中
v = 速度
c = 光速
ϑ = 车辆方向与雷达波传播方向之间的角度
fC = 载波频率
fD = 多普勒频率
连续波多普勒雷达的一个主要固有缺点是无法检测是否存在停放的车辆。
在FMCW雷达中，波长频率会随时间变化。我们的LW009车辆检测器采用的是FMCW雷达。该雷达设备可以检测停放车辆的存在，也可以检测车辆的存在
车辆距离与检测时的发射器频率和接收时的发射器频率之间的差值成正比，表示为：
R = c × T × Δf / (2 × B)
其中
R = 车辆行驶里程
Δf = 接收信号与发送信号之间的瞬时频率差
B = RF调制带宽
T = 调制周期或时间周期
FMCW 雷达通过将行驶道路的车道划分为已知长度的区域或区域来计算车辆的行驶速度。车速计算公式为：
v = d / ΔT
其中
v = 车速
d = 区域前缘之间的距离
ΔT = 车辆到达相邻区域/箱体前缘的时间
FMCW 雷达用途广泛，还可以利用多普勒效应来计算车辆的速度。
通过以上数据对比可知，FMCW雷达在车辆检测和数据采集方面优于CW雷达，能够准确判断车辆的存在、速度、到达时间、占用情况、车型类别、排队时间等，并能检测事故发生、识别停放车辆、提供遇险区域预警和错误行驶预警。
与光电传感器或超声波传感器不同，微波雷达传感器受温度、雨水、风、雾、湿度、光照等条件的影响较小。因此，它能够为户外停车检测以及静止和移动车辆的检测提供准确的数据。此外，它的安装和维护也比其他传感技术更便捷。此外，由于雷达交通检测器并非安装在轨道上，因此设备损坏的风险较低。
雷达传感器很难探测较小的目标以及间距较小的车辆。而且它只能探测到行驶速度超过预设速度的车辆。低于该速度的车辆可能需要等待信号灯变化才能激活下一辆车。由于微波运动传感器通常安装在信号灯顶部，因此不易从地面进行检查。检测右转车辆需要单独的车道，但在交叉路口可以混合使用环形探测器和微波探测器。微波车辆探测器还可以用作信号灯，用于控制通往停车场入口和出口的窄桥上的交通。
铁路： 列车快速行驶，一列接一列，准确检测列车的存在，即可在后台报告，预警列车何时到站，并安排下一列列车何时在同一轨道上通过。微波车辆检测不仅可以提高工作效率，还可以避免因人为疏忽造成的事故。
装卸码头： 月台上的车辆空间有限，但一辆又一辆的卡车确实会来卸货。因此，为了确保货物高效地进出卡车，卡车到达后立即通知操作员至关重要。
电动汽车充电站： 如果充电站内的车辆摆放不规范，造成拥堵，必然会降低客户的体验度，从而导致业务下滑。因此，为了防止车辆不按规定停放在充电站，以及及时发现未经授权停放在电动汽车充电站的车辆，许多充电站都部署了雷达监控传感器。
收费站： 当车辆接近收费站时，微波雷达传感器将探测到车辆的存在并激活停车杆。这提高了交通效率，优化了流程，并减少了劳动力和交通压力。
MOKOSMART研发了一套集成微波雷达和磁传感器的车辆检测系统，通过双模精准检测，帮助相关人员找到符合自身需求的解决方案。选择我们的方案，您可享受以下优势：
双模传感器大大提高了检测精度： 市面上常见的倒车雷达一般都是单磁检测或者单雷达检测，在受到电磁场干扰或者其他限制环境的时候，大大增加了误检的概率，检测准确率可达99%以上。
易于安装和维护： 我们的倒车雷达有两种型号，支持不同的安装方式。LW009-IG 可嵌入地下，并采用可拆卸套管结构设计，方便售后维护。LW009-SM 还附带胶水，无需钻孔。此外，还支持温湿度传感器，用于检测路面是否结冰。
高可靠性： LoRaWAN的超长传输距离为500m~1000m，低功耗电池使其使用寿命长达5年。
我们的车辆停车检测传感器采用磁场与微波相结合的停车状态检测方法，其特点是：该方法所用设备包括三轴地磁传感器和微波雷达传感器，包括以下步骤：
第三步： 利用三轴地磁传感器监测XYZ三轴磁场数据的波动值、峰峰值、均值等，判断停车状态的变化，若采样数据接近临界值，则启动微波雷达传感器；
第三步： 微波数据采集与预处理：利用微波雷达传感器进行等间隔三角波扫描，接收每个离散频点下的两个信号。利用汉宁窗公式对采集到的数据进行处理，并利用离散傅里叶变换对数据进行进一步处理，将时间域转换为频域进行分析；
第三步： 微波车辆检测，包括以下步骤：
第三步： 对步骤2中获得的数据进行频域分析，并进行调制；
第三步： 将步骤3.1得到的模量数据送入SVM预测器，得到SVM预测器对停车状态的决策结果；
第三步： 将步骤3.1得到的模量数据送入神经网络预测器，即可得到神经网络预测器对停车状态的判断结果；
第三步： 动态权重调整，包括以下步骤：
第四步： 首先根据三轴地磁传感器、SVM预测器、神经网络预测器的精度预设一个判断权重。
第三步： 若三次判断结果一致，则权重保持不变；
第三步： 若三次判断结果不一致，则按照各自的准确度重新计算权重；
第三步： 根据地磁停车位检测结果、SVM预测器的判断结果、神经网络预测器的判断结果，按照最新的权重得到综合判断后的停车位状态。
无论您身处哪个行业，无论您正在寻找哪种智能车辆检测系统，MOKOSMART 都可以根据您的设施和实际需求加快实施速度并增加定制化。
如果您的设施仅需要移动车辆检测，我们的 LW009 无线车辆检测器可为您提供所需的检测灵活性。此外，如果您需要检测人员和物体的存在（而不仅仅是它们的移动），我们的 PIR 传感器可与您的应用场景结合使用。请联系我们的团队，让我们为您的项目打造理想的产品。
继续阅读有关车辆检测