CN104243713B - 基于智能手机的弯道检测方法 - Google Patents

Abstract

本发明公开了一种基于智能手机的弯道检测方法，包括：在智能手机上安装具有数据采集功能的APP；将智能手机固定在车辆内，开启具有数据采集功能的APP；驾驶车辆行驶直路和弯道，并人工进行事件标注，获取加速度传感器数据；获取智能手机坐标系与车辆坐标系的对应关系；对获取的加速度传感器数据进行校正；对已标注和校正的加速度传感器数据进行训练并预测准确率；采集输入驾驶员的实际驾驶过程中的加速度传感器数据，判断驾驶员此时的驾驶行为是否属于弯道驾驶行为。本发明使用智能手机进行驾驶行为判别和安全提示，避免了大型昂贵的器材的使用，且传感器产生数据量小，便携、易商业推广。

Description

基于智能手机的弯道检测方法

技术领域

本发明涉及车辆安全及移动设备应用技术领域，尤其涉及一种基于智能手机的弯道检测方法。

背景技术

城市的快速发展带来城市交通的巨大飞跃，这个飞跃在满足大众出行便利的背后也隐藏着巨大的隐患：私家车越来越普及、道路越来越拥堵、交通事故越来越频发。据统计数据表明，2013年全球全球每20秒就有一人死于道路交通事故，今年全球有120余万人死于车祸。然而人们的出行、交通流量仍呈现上升趋势。仅2014年清明小长假期间，据《2014年4月份交通运输运行分析报告》称：4月5日至7日，全国主要高速公路及国省干线运行基本正常，5日交通流量环比上升65％，其中小型客车流量环比上升122％，同比上升144％；6-7日，交通流量开始环比下降，但与去年同期相比仍保持较快增长。此种情况在中大型城市尤为明显。据报道在美国，2010年由于驾驶疏忽问题引起的交通事故造成3,092人员死亡、416,000人员受伤。如何在日益拥堵的交通环境下降低交通事故率成为了交通安全的重要问题，目前不少研究者就把关注点投向如何降低因不良驾驶行为和主观懈怠引起的危险驾驶行为的问题上。其中，弯道驾驶因弯道的复杂性和相对较困难的弯道驾驶技术成为典型危险驾驶行为之一，尤其在中国南部、西部丘陵山地较多地带，弯道驾驶事故频发，是本发明主要研究的危险驾驶行为。

在危险驾驶行为的研究中，由于判断驾驶行为是否危险对于车辆安全、交通安全都具有极其重要的意义，近些年来车辆驾驶行为分析的研究备受关注。目前国内外已有学者对弯道驾驶行为分析进行了一些研究。

现有技术1：黄晓慧等人在文章《车辆弯道安全辅助驾驶控制系统设计》中采用视频监控的方法，通过图像分析等技术，可准确识别弯道边界、判断道路弯曲方向、获取当前弯道的曲率半径等。设计了车辆弯道安全辅助驾驶控制系统。可根据弯道的曲率信息等，计算车辆不发生侧滑侧翻的临界安全车速，对车辆当前的安全状态做出综合分析和判断，在有安全隐患的状况下实安全车速控制已经弯道车道保持。

现有技术2：陈亮等人在文章《高速公路弯道车速预警系统的研究》指出公路弯道由于其复杂性和特殊性，往往导致车辆超速行驶，弯道处也是交通事故多发地段，展开对弯道车速预警系统的开发研究。基于matlab仿真平台，通过建立弯道处车辆侧滑和侧翻数学模型，对弯道图像进行恰当的处理，识别分割车道线等。

现有技术1中虽然设计了一套基于视频监控的弯道驾驶行为分析的判别系统。在仔细分析这些研究后发现，此类研究往往是根据驾驶员的生理认知能力、生理反应能力、驾驶适应性等来判断驾驶行为，通过使用多种传感器设备：摄像机、超声测试仪、雷达测距传感器、压力传感器等获取足够多、足够详细准确的数据进行分类分析，从分析效果来看准确性较高，误判率较低，已经可以比较客观的分析出真实驾驶的行为模式；然而从实际应用的角度来看，这些方法因其携带的设备众多、操作复杂并不符合工程应用的推广。

综上所述，就弯道检测而言，国内外使用到的数据源有：高清摄像机、雷达测速仪等，需要专门的平台来安装放置采集、转换、处理等设备。这些方法多是基于图像分析，通过检测弯道曲率或者车道分割线等视觉标识来进行驾驶行为判断。尽管这些方法能达到较高的精度，对弯道驾驶行为的判断提醒具有一定的现实指导意义，然而图像内容受环境干扰大、设备安装不便利、不利于商业推广等问题需要解决。

因此，针对上述技术问题，有必要提供一种新的基于智能手机的弯道检测方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于智能手机的弯道检测方法，其使用人们日常广泛应用的智能手机作为平台工具，通过检测车的运动状，检测车辆是否处于弯道处，最终设计实现一个便携、简单的检测弯道驾驶的手机应用软件，在实际测试中此方法表现出精度高，鲁棒性强的特点。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种基于智能手机的弯道检测方法，所述方法包括以下步骤：

S1、在智能手机上安装具有数据采集功能的APP；

S2、将智能手机固定在车辆内，开启具有数据采集功能的APP；

S3、驾驶车辆行驶直路和弯道，并人工进行事件标注，获取加速度传感器数据；

S4、获取智能手机坐标系与车辆坐标系的对应关系；

S5、对获取的加速度传感器数据进行校正；

S6、对已标注和校正的加速度传感器数据进行训练并预测准确率；

S7、采集输入驾驶员的实际驾驶过程中的加速度传感器数据，判断驾驶员此时的驾驶行为是否属于弯道驾驶行为。

作为本发明的进一步改进，所述智能手机中的APP采集的数据包括GPS数据和加速度传感器数据。

作为本发明的进一步改进，所述加速度传感器数据包括车辆行驶切线方向、水平切线方向、以及垂直于水平面向上方向三个方向上的线加速度。

作为本发明的进一步改进，所述GPS数据包括海拔高度。

作为本发明的进一步改进，所述GPS数据和加速度传感器数据还包括手机系统时间和手机从开始到数据获取的时间。

作为本发明的进一步改进，所述步骤S6包括：

数据预处理，对数据进行去脏和去噪处理；

特征提取，提取数据的时域特征和频域特征；

采用动态时间归整的分类方法进行分类，在服务器端搭建数据库。

作为本发明的进一步改进，所述时域特征包括预处理后的加速度值、每个小段里加速度值的均值和方差、整段数据的均值和方差；频域特征包括预处理后的加速度值转换到频域的幅度值、幅度值的均值和方差。

作为本发明的进一步改进，所述“采用动态时间归整的分类方法进行分类”的类别包括直道明显、左弯道明显、右弯道明显、直路不明显、左弯道不明显、右弯道不明显。

本发明具有以下有益效果：

使用智能手机进行驾驶行为判别和安全提示，避免了大型昂贵的器材的使用，且传感器产生数据量小，便携、易商业推广；

结合弯道特性等，在客户端采用DTW方法判别效果好，计算简易、运算效率高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于智能手机的弯道检测方法的具体流程图。

图2a、2b分别为本发明一具体实施方式中智能手机和车辆的坐标示意图。

图3为本发明一具体实施方式中包含错误数据和噪声数据的原始加速度传感器值示意图。

图4为本发明一具体实施方式中经过数据预处理去脏和去噪后的加速度传感器值示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明提出一种基于智能手机的弯道检测方法。首先，采集智能手机中的可用信息，如加速度传感器、全球定位系统(GPS)等数据等，通过DTW算法分类判断车辆是否处于弯道处，并以此为依托开发手机应用程序；在具体操作过程中需要驾驶人员安装设计好的APP，对其是否处于弯道驾驶状态进行判断和提醒。

参图1所示，本发明公开了一种基于智能手机的弯道检测方法，包括以下步骤：

一、智能手机数据采集

S1、在智能手机上安装具有数据采集功能的APP；

S2、将智能手机固定在车辆内，开启具有数据采集功能的APP；

S3、驾驶车辆行驶直路和弯道，并人工进行事件标注，获取加速度传感器数据；

二、数据处理方法

S4、获取智能手机坐标系与车辆坐标系的对应关系；

S5、对获取的加速度传感器数据进行校正；

S6、对已标注和校正的加速度传感器数据进行训练并预测准确率；具体包括：

数据预处理，对数据进行去脏和去噪处理；

特征提取，提取数据的时域特征和频域特征；

采用动态时间归整的分类方法进行分类，在服务器端搭建数据库。

S7、采集输入驾驶员的实际驾驶过程中的加速度传感器数据，判断驾驶员此时的驾驶行为是否属于弯道驾驶行为。

以下结合具体实施方式对本发明作进一步说明。

一、智能手机数据采集：实现数据的获取功能，由智能手机构成，手机上安装有数据采集APP，主要有两个个数据采集开始按键，以及两个数据采集停止按键。分别是弯道开始、弯道结束、非弯道开始以及非弯道结束。

智能手机(smart phone)近几年得到飞速发展，据统计，2013年中国的手机的总用户就已超过10亿，其中智能手机是消费者的首选，占有着绝对的占有率[30]。智能手机在人们生活中扮演着越来越重要的角色，同时也给研究人员提供了一个通用的研究平台。开发智能设备(尤其是在目前有如此广大潜在市场的智能手机)引起了广大开发人员和商家的兴趣。尽管市场上有多种智能手机操作系统，但安卓手机操作系统占据了大半壁江山，截止到2013年安卓操作系统全球占有率为78.1％。安卓平台是由谷歌和开发手机联盟(OpenHandset Alliance)领导和开发，具有可开发性强、开源免费等特点。因此该平台具有良好的开放性和丰富的软件资源供开发者和消费者使用。基于此，本发明所设计的弯道检测技术也在安卓平台上开发完成。

内置三轴重力加速器(three-axis accelerometer)也称为G-sensor也就是线加速度计，利用惯性原理，能够感知到加速力的变化。加速力就是当物体在加速过程中作用在物体上的力，比如晃动、跌落、上升、下降等各种移动变化都能被其转化为相应电信号。

S1、将有数据采集功能的应用程序(APP)安装智能手机上，优选地，本实施方式中采用安卓系统智能手机安装所设计的数据采集功能应用程序，在其他实施方式中，其他包含加速度传感器和GPS的部件的仪器也可以实现相同的功能，如IOS手机、平板电脑等。

S2、智能手机固定在车内，并开启数据采集程序。

a、手机被放置在车上驾驶位旁，并使用固定装置进行固定，为了简便化处理使用双面胶带将手机固定在车上，保证手机和车辆不发生相对位移，在运动过程中做同样的三维空间运动；

b、使用智能手机内置三轴重力加速度计可测量车辆行驶切线方向、水平切线方向、以及垂直于水平面向上方向的线加速度。

本实施方式中三轴重力加速度计所得数值可由三轴速度计经差分得到，也可由三轴位移计进行二次差分得到。

其中，车辆的三维坐标系如图2b所示。驾驶座和副驾驶座连线并指向副驾驶座的方向设置为X轴正方向，沿车体并指向车头的方向为Y轴正方向，垂直于车底盘并通过X轴和Y轴交点而且方向指向天空的为Z轴正方向。手机的三维坐标系如图2a沿手机长边方向，并指向听筒方向的为Y轴方向，手机放置的桌上，话筒的一端靠近人的身体，沿手机短边方向，并指向人右侧的方向为X轴正方向，垂直于手机屏幕并指向天空的方向为Z轴正方向。

S3、驾驶车辆行驶直路和弯道，并人工进行事件标注，获取加速度传感器数据。

传感器所获得是数据根据的坐标体系是以手机为标准，本发明中存在在手机坐标系向车辆坐标转换的处理过程。为了方便我们后续同地图相结合做地理信息上的车辆驾驶行为分析，在采集加速度传感器数据的同时也采集了全球卫星定位系统(GlobalPositioning System,GPS)的部分信息。在其他实施方式中，GPS数据也可使用基站或者蓝牙技术等多种室外定位方法替代。

本发明此处给出数据的样本示例，如表1和表2所示。分别记录了智能手机加速度传感器X、Y、Z的数值、手机当前时间、系统时间；海拔高度、手机当前时间、系统时间，保存格式为文本格式“.txt”。

表1 加速度传感器数据及时间

表2 GPS数据及时间

二、数据处理方法：信息处理模块主要进行的是数据预处理、提取有效特征、进行类别判断的功能。信息处理从原始数据处开始，类别判断并返回结果给服务器为止。

S4、通过简易测试获取智能手机坐标系与小型轿车坐标系的对应关系：参考MOBISYS 2013年的一篇文章，对手机坐标和车辆坐标进行校正，具体步骤如下：

a、车辆静止时，手机在车上可以检测出此时的加速度情况并记录。这个时候获得的三轴加速度向量值就相当于车辆受大地的重力加速度。将得到的加速度向量归一化得到列向量

b、启动车辆，不调整方向盘，保证车辆沿直线前行。记录车辆向前加速的过程，对得到的加速度向量进行归一化，这个步骤相当于得到车辆坐标中的沿Y轴正方向的单位向量。我们记做列向量

c、根据右手法则，可以求出X轴正方向的单位列向量由这三个向量所组成的转换矩阵为：

$T=\left[\begin{array}{ccc}\hat{C}& \hat{B}& \hat{A}\end{array}\right]=\left(\begin{array}{ccc}x3& x2& x1\\ y3& y2& y1\\ z3& z2& z1\end{array}\right)---\left(2\right)$

将从加速度传感器上得到的数据右乘得到所需要的真实的车辆三维空间里的运动状态。

S5、对获取的加速度传感器数据进行校正，应用S4中校正方法对S3中所获的传感数据进行校正。

S6、对已标注和校正的加速度传感器数据进行训练并预测准确率，具体包括：

数据预处理，对数据进行去脏和去噪处理；

特征提取，提取数据的时域特征和频域特征；

采用动态时间归整的分类方法进行分类，在服务器端搭建数据库。

数据预处理：在得到车辆三维空间里的运动状态的过程中发现，手机传感器里获得的数据是存在噪声和一些随机错误的数据。为提高系统的精度，减少错误数据带来的误判，对这些数据需要进行减小噪声、数据清洗的预处理。

本实施方式中先剔除错误数据，再采用平滑滤波，减小数据的噪声。由于实测数据中错误率较低，本发明对数据采用排序，在总数据长度为150的数据中去除绝对值最大的M个值(本发明中M＝10)，由于加速度传感器的采样频率设置为50hz，每150个数据中剔除掉10个数据几乎不会对数据本身判断效果造成影响，但却能够把错误数据滤掉，避免了误判。此后，将得到的数据进行平均值滤波就可以达到期望的去噪去脏数据的效果。

可以对比处理后前后的效果，如图3和图4所示，处理前的数据包含吵杂的噪声和若干明显的错误数据(图中的虚线圈所示)。处理后的数据噪声明显减少，错误数据去除干净，并且几乎没有影响数据本身信息。

特征提取：包括时域特征和频域特征。时域特征包括：预处理后的加速度值，每个小段(本发明设置10～20个值为一个小段)里加速度值的均值和方差、整段数据的均值和方差；频域特征包括：预处理后的加速度值转换到频域的幅度值，幅度值的均值和方差。

本实施方式中征招了6个驾驶员，在深圳市多条道路上进行数据采集，共收集了上千条实验数据。对这些实验数据提取特征并标记为：直道明显、左弯道明显、右弯道明显、直路不明显、左弯道不明显、右弯道不明显六种模式。采用动态时间归整(DTW)的分类方法分类。在服务器端搭建数据库，实现查询功能。

S7、采集输入驾驶员的实际驾驶过程中的数据，判断驾驶员此时的驾驶行为是否属于弯道驾驶行为。

本实施方式可查询得到自身车辆驾驶方向、周边驾驶人员所处位置、驾驶方向以及驾驶行为类别，在上述数据库中实现查询功能，单个驾驶人员的驾驶行为类别判断精度普遍高于90％。

综上所述，本发明具有以下有益效果：

使用智能手机进行驾驶行为判别和安全提示，避免了大型昂贵的器材的使用，且传感器产生数据量小，便携、易商业推广；

结合弯道特性等，在客户端采用DTW方法判别效果好，计算简易、运算效率高。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种基于智能手机的弯道检测方法，其特征在于，所述方法包括以下步骤：

S1、在智能手机上安装具有数据采集功能的APP；

S2、将智能手机固定在车辆内，开启具有数据采集功能的APP；

S3、驾驶车辆行驶直路和弯道，并人工进行事件标注，获取加速度传感器数据；

S4、获取智能手机坐标系与车辆坐标系的对应关系；

S5、对获取的加速度传感器数据进行校正；

S6、对已标注和校正的加速度传感器数据进行训练并预测准确率；

S7、采集输入驾驶员的实际驾驶过程中的加速度传感器数据，判断驾驶员此时的驾驶行为是否属于弯道驾驶行为；

所述步骤S6包括：

数据预处理，对数据进行去脏和去噪处理；

特征提取，提取数据的时域特征和频域特征；

采用动态时间归整的分类方法进行分类，在服务器端搭建数据库。

2.根据权利要求1所述的方法，其特征在于，所述智能手机中的APP采集的数据包括GPS数据和加速度传感器数据。

3.根据权利要求2所述的方法，其特征在于，所述加速度传感器数据包括车辆行驶切线方向、水平切线方向、以及垂直于水平面向上方向三个方向上的线加速度。

4.根据权利要求2所述的方法，其特征在于，所述GPS数据包括海拔高度。

5.根据权利要求2所述的方法，其特征在于，所述GPS数据和加速度传感器数据还包括手机系统时间和手机从开始到数据获取的时间。

6.根据权利要求1所述的方法，其特征在于，所述时域特征包括预处理后的加速度值、每个小段里加速度值的均值和方差、整段数据的均值和方差；频域特征包括预处理后的加速度值转换到频域的幅度值、幅度值的均值和方差。

7.根据权利要求1所述的方法，其特征在于，所述“采用动态时间归整的分类方法进行分类”的类别包括直道明显、左弯道明显、右弯道明显、直路不明显、左弯道不明显、右弯道不明显。