CN102941853A

CN102941853A - 基于实时无线通讯网络的汽车智能辅助驾驶系统及方法

Info

Publication number: CN102941853A
Application number: CN2012105051477A
Authority: CN
Inventors: 杨小冬; 吴敏; 安剑奇; 曹卫华; 陈桂彬; 龚晓辉; 夏江南; 熊永华
Original assignee: Central South University
Current assignee: Central South University
Priority date: 2012-11-30
Filing date: 2012-11-30
Publication date: 2013-02-27
Anticipated expiration: 2032-11-30
Also published as: CN102941853B

Abstract

本发明公开了一种基于实时无线通讯网络的汽车智能辅助驾驶系统及方法，在道路交通枢纽位置设置控制用CPU及基于Zigbee无线通讯的协调节点，在各车辆上设有数据处理模块、第一存储器、速度传感器、GPS坐标定位模块、报警器和基于zigbee无线通讯的路由器；由协调节点创建实时网络，实现网络内数据的共享；网络内的任一车辆均能实时接收到网内其他车辆的行驶状态信息；再由车载的数据处理模块对周围车辆的数据进行处理和分析，结合自身车辆行驶状态的变化，进行报警判断，在经过判断需要报警时启动报警。该基于实时无线通讯网络的汽车智能辅助驾驶系统及方法易于实施、实用性强、制造成本低廉、安全性高、实时性好。

Description

基于实时无线通讯网络的汽车智能辅助驾驶系统及方法

技术领域

本发明涉及一种基于实时无线通讯网络的汽车智能辅助驾驶系统及方法。

背景技术

汽车是当今社会最常用、最普通、最方便的出行工具，世界各国汽车数量巨大，交通事故率很高，据统计全世界每年约有120万人死于汽车交通事故伤害，受伤者多达5000万人。据世界卫生组织的报告，在诸多日常事故中，汽车交通事故伤害是最危险的。我国交通事故死亡人数连续十余年居世界第一。2009年，全国共发生道路交通事故238351起，造成67759人死亡、275125人受伤，直接财产损失9.1亿元，平均每天有近两百人丧生于车祸，频发的交通事故在带来巨大生命财产损失的同时，严重影响了道路的运输效率。

众所周知，在过去50年时间里，安全带、前置气囊、安全带预紧器、防抱死制动(ABS)以及侧边气囊等汽车安全系统的应用大大降低了汽车事故的伤亡率。但均为发生事故后的补救措施，没有达到提前避险的效果。

据调查，如今对于汽车辅助驾驶系统的研究，其感知外界环境的方式主要为基于视觉传感器的图像处理技术和基于激光、超声波的测距技术。该类技术存在数据处理复杂、适用范围小等缺点。

总体来说，国际上已有汽车安全技术存在如下缺点：

1.目前较为热门的汽车安全措施，如汽车防抱死系统(ABS)、驱动防滑转控制系统(ASR)、电子制动力分配系统(EBD)、汽车动态控制系统(ESP)、自适应巡航控制系统(ACC)等均为危险发生后的补救措施，并没有起到预防危险的作用，即是一种被动的防护措施，且这一系列的系统结构复杂、成本高昂。

2.目前的车辆安全研究，大多数还停留在以单量车为研究对象的水平，然而事故，是发生在两辆及以上汽车之间的，所以现有的汽车安全技术不存在宏观性的特点。即无法针对危险发生时的所有对象来做决策。

3.目前的通讯技术，没有专门的一种适合于行驶中的车辆之间进行实时通讯的技术，这对于汽车之间数据共享是一个很大的瓶颈。

因此，有必要提出一种全新的汽车智能辅助驾驶系统及方法。

发明内容

本发明所要解决的技术问题是提供一种基于实时无线通讯网络的汽车智能辅助驾驶系统及方法，该基于实时无线通讯网络的汽车智能辅助驾驶系统及方法易于实施、实用性强、制造成本低廉、安全性高、实时性好。

发明的技术解决方案如下：

一种基于实时无线通讯网络的汽车智能辅助驾驶系统，在道路交通枢纽位置设置控制用CPU及基于Zigbee无线通讯的协调节点，在各车辆上设有数据处理模块、第一存储器、速度传感器、GPS坐标定位模块、报警器和基于zigbee无线通讯的路由器(即router节点)；

协调节点与控制用CPU相连；

第一存储器、速度传感器、GPS坐标定位模块、报警器和基于zigbee无线通讯的路由器均与数据处理器相连；

第一存储器中存储有车辆刹车距离对照表；

由协调节点创建实时网络，协调节点通讯范围内的车辆通过自身携带的路由器加入网络，从而组成网状通讯拓扑结构，实现网络内数据的共享；

网络内的任一车辆均能实时接收到网内其他车辆的行驶状态信息；再由车载的数据处理模块对周围车辆的数据进行处理和分析，结合自身车辆行驶状态的变化，进行报警判断，在经过判断需要报警时启动报警。

所述的行驶状态信息包括实时速度值、动态刹车距离值和车身坐标，实时速度值及车身坐标由车载的GPS坐标定位模块实时提供。

在道路交通枢纽位置还设置有第二存储器，第二存储器中存储有当地GPS差分补偿信息。

一种基于前述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法，由协调节点创建实时网络，协调节点通讯范围内的车辆通过自身携带的路由器加入网络，从而组成网状通讯拓扑结构，实现网络内数据的共享；

网络内的任一车辆均能实时接收到网内其他车辆的行驶状态信息；再由车载的数据处理模块对周围车辆的数据进行处理和分析，结合自身车辆行驶状态的变化，基于报警判断方法进行报警判断，在经过判断需要报警时启动报警。

在车辆定位前，位于交通枢纽位置处的协调节点会将当地的GPS差分修正值传送给各个车辆的路由器，车辆依据此差分修正值并结合自身GPS定位坐标，修正GPS定位解，提高局部范围内用户的定位精度。【这里的差分算法并不是本发明首创，是一种应用较为普遍的提高车辆GPS坐标定位精度的方法这种方法的作用过程为：利用已知精确三维坐标的差分GPS基准台，求得伪距修正量或位置修正量，再将这个修正量实时或事后发送给用户(GPS导航仪)，对用户的测量数据进行修正，以提高GPS定位精度。其机理是基于一个共识：相距不远的地方的GPS定位精度所受到的干扰大致相同。此处的差分算法为现有技术。】

组网过程为：

车辆进入协调节点的通讯范围内后，车辆通过自身所携带的路由器加入协调节点所创建的网络，并由协调节点对加入的路由器分配短地址；加入到网络中的路由器会立刻发送身份信息【身份信息的作用是标明每辆车的独特身份，就像每个人的身份证号码一样，这里，取车辆的发动机号(17位的数字，具有唯一性)作为身份信息发出。】给协调节点，并附带路由器本身的短地址；这样，在一个通讯周期的开始，协调节点可以汇总出本通讯周期内已经加入到网络中的各个路由器的地址列表，并将这个表格连同协调节点处的GPS坐标差分修正值通过透明传输的方式，发送给网络内的各个路由器；在得到此地址列表后，各个路由器通过遍历此表，可以得到自身在表中的排位，作为自身编号，所述的自身编号即1-n之间的一个号码；至此，点对点通讯模式被激活；

所述的地址列表表格包括唯一标识各个节点的身份信息以及紧跟的短地址。

点对点通讯模式下，节点间的通讯过程为：

以每一辆车为一个节点；设节点数为N；

首先建立一种数据结构，该数据结构为附带保存该节点当前所获取的信息节点区间[a，b]；然后执行以下递归步骤：信息节点区间是指：标明了某个节点获知了网络内a-b号节点的信息；

步骤1：将多个节点两两分组，得到K个组；如果N为奇数，则剩下的一个节点在下一轮递归处理中参与分组；

步骤2：在每一个组中，将奇数号节点的信息传送给偶数号节点；并将偶数号节点重新排序；

步骤3：剩下的节点返回步骤1进入下一轮递归处理；直到某一个节点的区间为[1，N]时，结束递归步骤，此时该节点已经收到了网内所有节点的信息；

步骤4：该节点将各节点的总体信息(包括接收的所有信息以及自身的信息)发送给协调节点；协调节点再将该总体信息发送给网络内的所有节点，至此，完成整个通信过程。

报警判断方法如下：

在每一个判断周期【具体的周期与网络内车辆的数量有关，由于zigbee的通讯速率为38400比特率，因此，只需要将每次要发送的数据量代入计算即可，给出一个初步计算：在一个10辆车组成的网络内，完成一次危险判断算法的时间为1s，就是算出总的需要传送的数据的大小，然后除以速度，即可得到时间。】，首先计算出本车与其他各个车辆之间的直线距离，当其他车辆中与本车距离大于50米的车辆，则不进行后续处理；

对于两辆行驶中的车，基于两车的实时速度V1和V2，查对应刹车距离表可以求得实时刹车距离分别为X1和X2，将两个实时刹车距离相加，即M＝X1+X2，再将刹车距离和M乘以危险容忍系数β后，再与计算出来的两车距离L对比，若大于两车实时距离值，则初步判定为没有危险，排除与此车发生危险的可能性；若小于两车的实时距离值，则初步判定为有危险；

对于初步判断为有危险的两辆车，再次计算两车实时距离值L，若小于30米，则启动语音报警。

所述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法还包括人工预测报警模式：司机按下车内设置的预测按钮后，车载的提示系统会将附近检测到的车辆的位置和速度信息进行播报。

有益效果：

本发明的基于实时无线通讯网络的汽车智能辅助驾驶系统及方法，是一种适用于多目标、多工况下的车载微型系统解决方案，用以实现一定区域内车辆间的实时数据共享，达到主动预测危险并消除危险的目的。通过无线传输，实现数据共享，不同车辆便可共享各自的实时速度、刹车距离、坐标等信息，再由MCU通过相应算法分析这些数据，提前判断出可能与本车发生危险的目标车辆，并用语音报警的方式提醒司机。这样，司机可以通过本系统，预先得知可能与自身发生危险的车辆信息，并提前采取措施，从而避免一系列潜在危险的发生，对于降低交通事故率、提高汽车的安全性能具有重要意义。

该系统工作时，对行车过程中无线设备通讯范围以内的其它汽车的行驶状态(实时速度值、车身坐标、动态刹车距离值)进行采集并对采集所得数据进行处理和分析；同时，将自身车辆行驶数据传送给通讯范围内的其他车辆，从而判断出本车与其它车辆之间是否存在潜在的危险，并作出相应的辅助驾驶措施，提高汽车的安全性能。

本发明可以预先判断出周围车辆中可能与本车发生危险的车辆并以语音报警的方式提醒驾驶员。本系统包括Zigbee无线通讯模块、数据处理模块(如基于mc9xs128处理器)、GPS坐标定位模块等。系统工作时，利用Zigbee自组网特性，有地址的共享通讯范围内的车辆的信息，各个车辆将接收到的数据发送给数据处理器，对数据进行处理和分析，从而得到该区域中其他车辆运动状态的信息库。通过与本车实时运动参数作对比分析，可以预先判断出本车与其他车辆是否存在潜在危险。本发明可以检测到驾驶员视野以外的车辆信息，并通过智能算法，判断出危险程度，进而做出相应的动作。本系统对于保证车辆及人员的安全、提高车辆的主动安全性能、降低交通事故率以及提高交通系统的运输效率具有重要的意义和价值。

附图说明

图1为汽车辅助驾驶功能流程图；

图2为车辆及道路枢纽处所安装的硬件结构图；

图3为数据共享第一步示意图；

图4为数据共享第二步示意图；

图5为数据共享第三步示意图；

图6为数据共享第四步示意图；

图7为数据共享第五步示意图；

图4-7中带序号方块表示安装本系统的汽车个体.

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

1)系统总体设计概述

本发明为一个车载微型系统，实现在行车过程中对周围一定距离内其它汽车行驶状态(实时速度值、动态刹车距离值^【1】、车身坐标)的采集及对采集所得数据进行处理和分析，从而可以预先判断出周围车辆中可能与本车发生危险的车辆并以语音报警的方式提醒驾驶员。【注1：动态刹车距离值指的是根据本车实时的速度查询自身携带的车辆刹车距离对照表，得到对应速度值的刹车距离】

本发明硬件上主要包括安装在各个车辆上的zigbee无线通讯模块(Router即路由器)、安装于道路交通枢纽位置的Zigbee无线通讯模块(Coordinator即协调节点)及其控制用cpu(8051芯片即可，即后文中提到的小型cpu)、安装于各个车辆上的Mc9xs128数据处理模块以及GPS坐标定位模块。另外，还有用于危险时报警的喇叭。

本发明在软件数据组成上包括事先存储于车辆所携带的第一存储器的车辆刹车距离对照表、写有危险判断算法的程序；在Coordinator协调节点处安装有控制该zigbee设备的小型cpu及第二存储器，第二存储器的内部存储了写有对通讯网内车辆信息整合以及发送的算法的程序和当地GPS差分补偿信息。

本发明作用过程中，利用zigbee通讯协议的自组网特性，由位于道路交通枢纽位置的Coordinator节点创建实时网络，其通讯范围内的车辆通过自身携带的Router加入网络，从而组成网状通讯拓扑结构，实现网内数据的共享。这样，本车就能实时接收到网内其他车辆的行驶状态(实时速度值、动态刹车距离值、车身坐标)；再由数据处理模块对周围车辆的数据进行处理和分析，结合自身车辆行驶状态的变化，可以初步判断出周围车辆中可能与本车发生危险的概率。当判定为非常危险时，系统会发出警报，以提醒司机提高警惕或适当降低车速，从而减少交通事故的发生。本发明可以预测到驾驶员视野范围之外的潜在危险，在雾天、没有交通信号灯的路口、汽车超速等情况下有很好的辅助驾驶作用。并且具有灵活性特点，只需要在危险系数较高的路段安装Coordinator节点，建立实时网络，对于空旷路段及危险系数角度路段，则无需安装，即本系统在危险系数低的路段不工作。系统工作流程如图1所示。

2)基于Zigbee无线通讯模块的自组网无线通讯方案

基于Zigbee无线通讯模块的自组网无线通讯方法为本发明的核心之一。通过它建立网状通讯网络，实现通讯网内数据的共享。

实际中交通事故频发，一方面是因之前有关汽车安全的研究重心放在了单独的一辆车上，而交通事故多是两辆或多辆车之间的碰撞，所以，有必要将原来的研究对象换为一定区域中的多辆汽车。本方案实现了一定区域中不同汽车间数据的共享，并具有实时、快速的特点，可以让本车“知道”行驶在其周围的汽车的相关参数(实时速度值、刹车距离、车身坐标)。从而为之后数据的处理打好基础。

基于Zigbee无线通讯模块的自组网无线通讯方案的具体实现方式为：

首先由位于道路交通枢纽位置的zigbee--Coordinator节点创建网络，车辆会在行驶进Coordinator节点通讯范围内后，通过自身所携带的zigbee-Router节点加入网络，并由Coordinator节点对加入的router分配短地址；加入到网络中的router会立刻发送身份信息(可唯一标明自己的一串数字)给Coordinator节点，并附带自己的短地址(即以短地址的通讯方式)；这样，在一个通讯周期的开始，Coordinator节点可以汇总出本通讯周期内已经加入到网络中的各个router节点的短地址列表(表格包括唯一标识各个节点的信息以及紧跟的短地址)，并将这个表格连同Coordinator节点处的GPS坐标差分修正值通过透明传输的方式，发送给网络内的各个router节点；在得到此地址列表后，各个router节点通过遍历此表，可以得到自身在表中的排位，作为自身编号(即1-n之间的一个号码)；至此，点对点通讯模式被激活，下面将详细描述通讯方案：

假设在本次通讯周期开始时，Coordinator组建的网络中有偶数个节点，即偶数辆汽车(此处为了阐述方便，奇数个节点后续会做出解释)，假设节点个数为2k，我们将2k个节点分为k组。1、2号节点一组，3、4号节点一组，以此类推(因为事先各个节点已经通过遍历“知道”了自己的编号)。对于每个节点，对其建立一种数据结构，具体结构为附带保存该节点当前所获取的信息节点区间[a，b](表示该节点目前已经得到从a号到b号节点的信息)。第一个点对点通讯子周期开始，令2*i-1号节点的信息分别传给2*i，(1＜＝i＜＝k)，该k组数据同时传送，完毕后，则2、4、6、8...2*k号节点的节点区间分别为[1，2][3，4][5，6]…(即分别知晓了相邻节点的信息)按照类似的方法，采用递归的算法，继续合并2、4、6、8...、2*k号节点的信息，同时保存各个节点目前所获得所有节点的信息。当2*k号节点的节点区间为[1，2*k]时，可以断定，2k号节点已经收到了网络内所有节点的信息，至此，点对点通讯子周期结束。

接下来，由2K节点将所有节点的信息发送给Coordinator节点，在Coordinator节点接收到所有信息后，采用透明传输的方式，将所有信息发送给网络内的所有节点，通讯周期结束。

至此，每辆车都“知道”了通讯范围内其他车辆的行驶状态。

自此，一个通讯周期结束，Coordinator节点会重新整理在其通讯范围内的段地址，并汇总成新的地址列表，通过透明传输的方式发送给在本通讯周期中的各个router节点，再开启点对点通讯模式，再进行遍历式通讯，以此类推。采用相对复杂的通讯方案是因为zigbee无线通讯协议是半双工的通讯方式，在通讯网络中，若有一个节点是发送状态，则其他节点必须为接收，不可以同时发送和接收，所以，若要实现网络数据的共享，在现有硬件条件下，若想最大效率的完成信息共享，采用上述通讯方案为较好选择。

经计算，zigbee无线通讯模块的波特率为38400，每次传输的数据为：指令2字节、短地址2字节、速度值1字节、车辆坐标4字节、刹车距离1字节。即每秒能传480次。对于一个有20辆汽车的通讯网络，完成一次通讯的周期大致为0.83秒，在接受范围之内。并且，因为通讯传输数据较少且要求频率较快，可以适当增加zigbee模块的通讯波特率。

自此，通过本方案，通讯网内的各个车辆便能实时的得知其他车辆的信息，下一步将是分析和处理此部分数据，判断车辆间的危险系数。

3)GPS车身坐标差分提取算法

全球卫星定位系统，可以为地球表面绝大部分地区(98％)提供准确的定位、测速和高精度的时间标准，本发明利用GPS为车辆提供实时坐标信息。

通过安装于每辆汽车上的GPS坐标定位装置，实时接收卫星的坐标信息，但实际中，民用的GPS定位装置误差较大，对于车辆危险性的判断产生重大影响。本发明在解决此问题上运用差分GPS算法，可以将车辆定位精度提高到几米范围内。具体实现方式如下：

在车辆定位前，位于交通枢纽位置处的Coordinator节点会将当地的GPS差分修正值传送给各个router节点，车辆依据此差分修正值并结合自身GPS定位坐标，修正GPS定位解，提高局部范围内用户的定位精度。因为，在同一地区内，影响GPS实时单点定位精度的因素，如大气层延迟误差、卫星星历误差、卫星钟误差等，对基准站及其邻近用户的影响是相同或相近的。所以，利用某一特定区域中的差分值，可以很好的提高GPS的定位精度。

至此，车辆便可得到精确的实时坐标值，为以后的危险判定打好基础。

4)基于所得数据的车辆危险判断算法

基于所得数据的车辆危险判断算法也是本发明的核心之一，是本发明对危险判断准确与否的关键。尽管拥有先进的硬件设备，能够得到准确的数据，但是，软件算法不合理，对数据的处理不科学，依然达不到本项目对危险预判的目标，因此，研究一个合理的智能算法对于汽车对危险的预判、报警的完成非常重要。

本部分主要研究在实际情况中基于自身车辆数据及接收来其他车辆数据的分析方法和算法，通过将所得数据代入适合实际环境的算法模型，判断出本车与其他车辆的潜在危险程度，继而做出相应的措施。具体实现方式如下：

在详细描述算法之前，首先明确，在进行危险判断时，本车已经“知道”了自身的坐标、车速以及刹车距离表，同时，也拥有了其他车辆的相关数据。即算法的实现，是以上一步通讯方案的实现为基础的。

在危险判断算法处理周期的开始，首先计算出本车与其他各个车辆之间的直线距离，例如：对于一个20辆车组成的通讯网络，本车可以根据自身的坐标以及收到的其它19辆车的修正坐标值，得出与其它车辆之间的距离，本发明设定一个安全距离阈值50米(两辆相对行驶的汽车速度都为60km/h时的临界安全距离)，当其他车辆中与本车距离大于50米的，则不进行后续处理，即默认50米之外的车辆与本车发生危险的可能性很小，不予考虑，此步称一次判断。对于那些与本车距离在50米范围内的车辆，进行更精细化的危险判断处理。方式如下：

当判定为与本车在安全距离阈值范围内后，记好可能与本车发生危险的车辆的身份信息，在下次信息共享结束后，继续追踪计算这部分车辆与本车的实时距离，可得到变化趋势，对于实时距离变小趋势不明显(这里的变小趋势需根据实际情况而定)的车辆，排除危险车辆范围之外，此步即对车辆间的距离求导，对于导数值小于10m/s的车辆，排除危险车辆范围之外；至此，完成精细化处理第一步，排除了部分汽车的危险可能，此步称二次判断。

接下来，对于实时距离变化有明显变小趋势(即车辆之间在逐渐靠近)的车辆，分析两车发送来的刹车距离对照表，依据两车的实时速度V1，V2，对应刹车距离表可以求得实时刹车距离X1，X2，将两个实时刹车距离相加M＝X1+X2，再乘以危险容忍系数β(因为刹车距离是很客观的相对行驶车辆之间的安全距离，没有考虑车辆可以急转弯等情况，因此实际的安全距离要大于刹车距离之和，因此要乘以一个系数，本发明通过实验，暂定其值为0.5)，将刹车距离和M乘以β后，再与计算出来的两车距离L对比，若大于两车实时距离值，则初步判定为没有危险，排除与此车发生危险的可能性；若小于两车的实时距离值，则初步判定为有危险，此步称三次判断。接下来，进行下一步判定。

经过三次判断，已经对车辆周围行驶汽车的危险程度做出了大致的判断，并将发生危险可能性很小的车辆排除在后续算法之外。接下来，针对三次判断完成后，有可能与本车发生危险的车辆，再次计算实时距离值L，若小于30米，则需要语音报警。

以上便是危险判断算法的工作流程，但是，实际工作中，由于路况较多、车辆周围的汽车行驶状态也很复杂，一种固定的算法模式无法满足实际的需要，因此，在实际运用后，本发明，针对所遇到的情况将本算法做出了如下几种工作模式的分类，以便适用于大多数行驶状态下的危险判断。

主动报警模式

本模式主要工作于日常交通状况中两车行驶在同一直线上时，不管是相向而行还是同向而行，依据刹车距离与速度对照表可得对应速度的刹车距离，从发现障碍物，经过人体反应时间到把脚放到刹车踏板上，各种因素加和，刹车距离会适当增加。则数据处理模块会依据两车的合速度，以及相应的位置坐标，计算出两车的安全系数，即所说的危险容忍系数β。判断过程如前所述，当系统判断需要减速时，会发出提示音来警示驾驶员。刹车距离如表1所示：

表1刹车距离与时速三线表

人工预测模式

主要工作于特殊自然及路况条件下，如山路、U行道路、大雾天气等。实际情况特点为：汽车的行驶速度不大，但潜在的危险系数极高，司机对于周围的情况存在较多盲点。依据上文所述的危险判断算法，对于以低速行驶的汽车之间的危险判断存在盲点，运用之前的算法不能实现对危险准确的判断，因此扩展出了本工作模式。项目在车的方向盘上增加了一个手动预测按钮，当司机想知道大雾中汽车周围有什么“隐藏”的汽车或者想知道在U形路口的另一侧是否有车辆时，按下这个按钮，提示系统会将附近检测到的车辆信息报告出来，让驾驶员对于周围的情况能有一个大致的了解，降低在极端自然条件及路况极差条件下的危险系数。此模式要解决了前述算法存在的盲点，即特殊路段中，车辆的行驶规律与正常交通情况下有所不同，原算法所设定的某些阈值，在特殊路段下并不适用，因此，扩展出此模式，将原算法所忽略的可能发生危险的汽车报告给驾驶员，大大提高了在山路、大雾天气等特殊条件下驾驶的安全性。

5)硬件系统设计与设备安置

本项目硬件设备主要包括以飞思卡尔mc9xs128芯片为核心的数据处理模块、以GPS芯片为核心的车辆坐标定位模块、以zigbee芯片为主的无线传输模块。

无线传输及无线接收模块被安置在车身顶棚，便于数据的接收和发送。数据处理芯片和GPS芯片被安置在车身内部；通过USB接口将接收到的数据发送给数据处理芯片，并对数据进行处理，得到该区域中其他车辆运动状态的相关参数(速度、刹车距离、ID、车身坐标)和运动轨迹。

本项目所有硬件设备均采用5伏供电，针对12伏车系和24伏车系分别制作相应的直流电源对本项目的硬件设备进行供电。具体硬件结构见图2：

实施例1：

整个方法的流程图如图1所示，设想，在一个安装了Zigbee无线通讯模块Coordinator协调节点的道路枢纽，在某一时刻，有10辆安装了zigbee无线通讯模块Router节点的车辆驶入，下面将按照本系统工作的流程按步骤介绍：

第一步，对于每辆车，在驶入后，会检测是否有协调节点的存在，当判断为有网络存在，则通过zigbee的通讯协议加入网络，并由协调节点分配短地址，此时，所有10辆车已经加入到了本交通枢纽处协调节点所建立的网络，并由协调节点分配了短地址。加入网络是一个瞬时的过程，时间可以忽略不计。

第二步，为构建网络，实现数据共享。加入了网络的10辆汽车，通过基于Zigbee无线通讯模块的自组网无线通讯方案中所描述的方法实现数据共享，具体形式为：10辆车以透明传输的方式，将身份信息(能唯一表明自己的一串字符)传给协调节点，协调节点通过存储于8051单片机内的算法，随机对这10组数据赋予编号，做成一个表格，内容为：各自身份信息与所分配标号的对应关系，由协调节点通过透明传输的方式将信息传给网络内的10辆车。有了这个表格之后，网络内的车辆相当于有了自己在这个刚刚组建的网络内的标示，即相当于网络的初级拓扑结构得以建立。下面将实现数据共享。

第三步，车辆在得到此表之后，对表格的内容进行遍历，由于车辆事先知道自己的身份信息，因此遍历后，可以知道自己的标号(由上步的8051单片机随机分配)内容。对本例来说，即1-10的编号。我们将10个节点分为5组。1、2号节点一组，3、4号节点一组，以此类推。对于每个节点，对其建立一种数据结构，具体结构为：节点标号并附带保存该节点当前所获取的信息节点区间[a，b](表示该节点目前已经得到从a号到b号节点的信息)。第一个点对点通讯子周期开始，令2*i-1号节点的信息分别传给2*i，(1＜＝i＜＝5)，该5组数据同时传送，即1号给2号，3号给4号，5号给6号，7号给8号，9号给10号。如图3所示。

完毕后，则2、4、6、8、10号节点的节点区间分别为2号节点[1，2]；4号节点[3，4]；6号节点[5，6]；8号节点[7，8]；10号节点[9，10](即分别知晓了相邻节点的信息)，清除只有本节点信息的节点，即清除了1、3、5、7、9号节点，并对剩余节点重新排序1、2、3、4、5，按照类似的方法，采用递归算法，继续合并原来的2、4、6、8、10号节点的信息，同时保存各个节点目前所获得所有节点的信息。如图4所示。

第二次合并信息完成后，节点信息为4号节点[1，4]；8号节点[5，8]；10号节点[9，10]，按照同样的方法，对节点重排，再次递归，如图5；

则下一步的节点信息为8号节点[1，8]；10号节点[9，10]，再次递归，则只剩一个节点且信息为10号节点[1，10]，即原来的10号节点的节点区间为[1，2*k]，可以断定，10号节点已经收到了网络内所有节点的信息，至此，点对点通讯子周期结束。网络内车辆的信息全部归结到了10号汽车处。其中，10号节点的节点区间可以作为软件判断数据共享是否成功的标志。如图6：

对于奇数个节点的情况，参考上述第二次合并信息过程，即只有最后一个节点没有合并对象，则在当前步骤不进行合并，而是等待下次合并。

第四步，10号通过透明传输的方式，将所得到的10组数据传给协调节点，紧接着，协调节点将这10组数据透明传输给网络内的辆车。如图7.

至此，就完成了信息共享，接下来，要将得到的数据输入危险判断算法，以判断潜在危险性。

第五步，以网络内的一辆汽车为例，介绍危险判断算法的工作过程：

假设，经过zigbee网络锁共享的信息为如下10组数据(speed，location_x，location_y)：

1号(50，40，60)2号(60，60，80)3号(40，120，20)4号(80，140，30)5号(20，140，40)6号(75，160，20)7号(80，120，160)8号(75，160，120)9号(60，240，60)10号(45，260，80)

取4号车辆为例，介绍危险判断算法：

首先，4号车的mcu将得到的另九组数据提取x，y坐标，并用欧式距离计算公式，计算出4号车与另九辆车之间的距离，公式为：

L = \sqrt{[{(X_{1} - X_{2})}^{2} - {(Y_{1} - Y_{2})}^{2}]}

X1 Y1为4号车横、纵坐标，X2，Y2为其它车辆横、纵坐标

则由给出的数据可得，1-10号车与4号车之间的欧氏距离为：

104.4m，94.3m，22.3m，0m，10m，22.3m，131.5m，92.2m，104.4m，130m。所以依据危险判断算法的第一步，将与4号车距离大于50米的车辆排除在后续危险判断算法之外，因此，只考虑3号，5号，6号车，即在保证判断准确率的前提下，大大缩小了后续算法的工作量。

接下来则进行危险判断的下一步，首先保存3、5、6号车辆的身份信息，等到下次信息共享过程结束，则可以得出4号车与这三辆车的新的实时欧氏距离，对上述两个距离求导，即距离值相减并除以两次算法所经历的时间，排除变化率小于10m/s的车辆，这里假设3号、6号的实时变化率小于10m/s，则经过这两步判断，只有5号车可能与4号车发生危险，则进行最后一步判断：

通过上述给出的数据，4号车速度为80km/h，5号车速度为20km/h，则查询两车的刹车距离对照表可得，4号刹住的距离为50米，5号车刹住的距离为12米，对这两个数加和，M＝12+50＝62米，再乘以危险容忍系数β＝0.5，可得K＝M*β＝62*0.5＝31米，比较两车的实际距离L＝10米，31＞10，则有理由判断4号车与5号车之间危险系数较高，需要4号车注意，因此会发出警报，提醒4号车的司机注意周围可能会发生危险，应适当降低车速。同样的过程，也会发生在其它九辆车中，例如5号车的车主也会收到报警信号，因为其与4号存在潜在危险。

至此，本系统的一次运行结束，本系统会循环运行，直到在程序之初搜寻不到网络，则停止进行后续操作，不然，就会按照本例所述进行数据共享及危险判断和可能的报警行为。

上述过程为危险判断算法工作于主动报警模式，当车辆行驶在大雾天气或者U形山路时，司机想要知道视野所无法看到的情况，则需要启动人工预测模式，本模式的优点是解决了主动报警模式下的盲点，因为在主动报警模式下的危险判断是以正常汽车行驶条件下为基准所建立的分析模型。当雨雪天气、大雾时，即使速度很慢，但因为视野能见度很小，也会存在较大的危险系数，因此，本发明设计人工预测模式，在方向盘处设置一个按钮，当司机在不良天气下或山路驾驶时，想要知道附近的汽车行驶状况，本模式可以将汽车周围50米范围内的车辆数量及速度语音报给驾驶员，这样，即使在能见度很低的环境下，驾驶者也可以对周围的驾驶环境有一个大致的了解，对于危险的降低起到很大的作用。

Claims

1.一种基于实时无线通讯网络的汽车智能辅助驾驶系统，其特征在于，在道路交通枢纽位置设置控制用CPU及基于Zigbee无线通讯的协调节点，在各车辆上设有数据处理模块、第一存储器、速度传感器、GPS坐标定位模块、报警器和基于zigbee无线通讯的路由器(即router节点)；

协调节点与控制用CPU相连；

第一存储器中存储有车辆刹车距离对照表；

2.根据权利要求1所述的基于实时无线通讯网络的汽车智能辅助驾驶系统，其特征在于，所述的行驶状态信息包括实时速度值、动态刹车距离值和车身坐标，实时速度值及车身坐标由车载的GPS坐标定位模块实时提供。

3.根据权利要求2所述的基于实时无线通讯网络的汽车智能辅助驾驶系统，其特征在于，在道路交通枢纽位置还设置有第二存储器，第二存储器中存储有当地GPS差分补偿信息。

4.一种基于权利要求1所述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法，其特征在于，由协调节点创建实时网络，协调节点通讯范围内的车辆通过自身携带的路由器加入网络，从而组成网状通讯拓扑结构，实现网络内数据的共享；

5.根据权利要求4所述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法，其特征在于，在车辆定位前，位于交通枢纽位置处的协调节点会将当地的GPS差分修正值传送给各个车辆的路由器，车辆依据此差分修正值并结合自身GPS定位坐标，修正GPS定位解，提高局部范围内用户的定位精度。

6.根据权利要求4所述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法，其特征在于，组网过程为：

车辆进入协调节点的通讯范围内后，车辆通过自身所携带的路由器加入协调节点所创建的网络，并由协调节点对加入的路由器分配短地址；加入到网络中的路由器会立刻发送身份信息给协调节点，并附带路由器本身的短地址；这样，在一个通讯周期的开始，协调节点可以汇总出本通讯周期内已经加入到网络中的各个路由器的地址列表，并将这个表格连同协调节点处的GPS坐标差分修正值通过透明传输的方式，发送给网络内的各个路由器；在得到此地址列表后，各个路由器通过遍历此表，可以得到自身在表中的排位，作为自身编号，所述的自身编号即1-n之间的一个号码；至此，点对点通讯模式被激活；

7.根据权利要求6所述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法，其特征在于，点对点通讯模式下，节点间的通讯过程为：

以每一辆车为一个节点；设节点数为N；

8.根据权利要求4所述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法，其特征在于，报警判断方法如下：

在每一个判断周期，首先计算出本车与其他各个车辆之间的直线距离，当其他车辆中与本车距离大于50米的车辆，则不进行后续处理；

9.根据权利要求4-8所述的汽车智能辅助驾驶系统的汽车智能辅助驾驶方法，其特征在于，还包括人工预测报警模式：司机按下车内设置的预测按钮后，车载的提示系统会将附近检测到的车辆的位置和速度信息进行播报。