CN112347410B - 一种基于智能手机传感器的婴儿车街道推行环境评价方法 - Google Patents

Abstract

本发明涉及一种基于智能手机传感器的婴儿车街道推行环境评价方法，具体利用智能手机的GPS和加速度计等传感器采集婴儿车推行过程中的速度、振动、抬起等信息，建立了一种步行空间质量量化评价方法。本方法首先确定了婴儿车推行在快捷性、平顺性、行为复杂性三个方面的指标，采用智能手机的GPS和加速度计数据进行指标计算，建立层次结构模型，利用层次分析法，通过调查问卷确定判断矩阵，计算得到婴儿车指数。婴儿车指数从定量的角度实现对慢行环境，尤其是人行道等婴儿车推行环境的客观评价，可为城市的街道空间改善提供依据；居民也可以根据各街道的婴儿车出行指数规划出行路线。

Description

一种基于智能手机传感器的婴儿车街道推行环境评价方法

技术领域

本发明涉及一种步行空间质量量化评价方法，尤其是涉及一种基于智能手机传感器的婴儿车街道推行环境评价方法。

背景技术

人行道是城市慢行交通体系的重要组成部分，反映了城市交通的文明程度和 居民生活出行的便利程度。目前，国内城市人行道的建设水平参差不齐，且缺少相 应的评价标准。婴儿车作为一种为婴儿户外活动提供便利的工具车，使用率极高， 但至今对婴儿车舒适性的考量还没有被普遍纳入到城市步行空间建设规范中，为婴 儿车推行空间质量寻找定量评价方法，可为改善步行空间质量提供参考。

步行指数主要是通过对日常生活设施的种类和空间布局进行分析，综合考虑 道路交叉口密度、街区长度以及距离衰减规律等因素，对可步行性进行量化研究。 2007年，美国学者就已提出了“步行指数”的概念，它也慢慢成为许多国家测度 步行性的重要衡量指标。步行指数有较高的实用性，被广泛地应用于经济和社会研 究领域。但针对婴儿车步行评价指数的研究国内外尚为空白。本专利采用智能手机 传感器数据，构建了婴儿车指数，对步行空间质量进行量化评价，有助于街道步行 空间改善，也便于城市居民基于此选择合适的路线出行。

目前智能手机不仅拥有传统的计算机的多媒体能力、运算处理能力、信息共 享能力，还有可携带性的自身优势。更重要的是，智能手机还装有各种感知周围环 境的的传感器，常见的有加速度、重力、电子盘、方向、光线、温度传感器，以及 陀螺仪、磁力计、压力计、线性加速度、旋转矢量等传感器。针对婴儿车的步行环 境，可利用加速度计、陀螺仪、计步器、磁场计、气压计、GPS等运动相关的传 感器，以及环境光感应器、距离感应器等环境相关的传感器，收集相关数据进行处 理得到指标。

层次分析法是美国运筹学家萨蒂于20世纪70年代初应用网络系统理论和多 目标综合评价方法，提出的一种层次权重决策分析方法。该方法将一个复杂的多目 标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标的若 干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目 标(多指标)、多方案优化决策的系统方法。婴儿车指数中含有多个目标，正适合 使用此方法确定权重。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于智能手 机传感器的婴儿车街道推行环境评价方法，通过智能手机采集婴儿车行驶过程中的 平顺、转弯、爬坡、抬起等信息，进行快捷性、平顺性和行为复杂性分析，构建层 次结构模型，使用层次分析法(AHP)计算婴儿车指数，对婴儿车推行的街道空间 质量进行评价。

本发明的目的可以通过以下技术方案来实现：

一种基于智能手机传感器的婴儿车街道推行环境评价方法，该方法包括以下步骤：

步骤1：利用智能手机内置元件，实时采集得到对应的传感器数据；

步骤2：基于采集得到的传感器数据计算得到平顺性指标；

步骤3：基于采集得到的传感器数据计算得到快捷性指标；

步骤4：基于采集得到的传感器数据计算得到行为复杂性指标；

步骤5：基于平顺性指标、快捷性指标和行为复杂性指标采用AHP层级分析 法确定指标权重，最终合成计算得到婴儿车指数，得到婴儿车街道推行环境评价结 果。

进一步地，所述的步骤1中的内置元件包括GPS、加速度计和磁感应计，传 感器数据包括经纬度坐标、重力三轴分量、加速度三轴分量以及磁方向角。

进一步地，所述的步骤2包括以下分步骤：

步骤201：导入传感器数据中的三轴加速度数据及对应的时间数据；

步骤202：设置采样频率，筛选信号正频率，设置海明窗长度、傅里叶变换点 数为信号长度，窗函数在滑动过程中的重叠部分为0；利用Welch平均功率图法， 得到三轴加速度的功率谱密度。

进一步地，所述的步骤203中的各轴加权加速度均方根值，其计算公式为：

式中，a_xw、a_yw、a_zw为各轴加权加速度均方根值，Ga(f)为f频率下的功率谱 密度函数，ω(f)为f频率下的轴向加权频率函数；

总加权加速方根值，其计算公式为：

式中，a_w为总加权加速方根值。

进一步地，所述的步骤3中的快捷性指标采用将一段时间内对GPS速度序列 的平均值来表征，其对应的计算公式为：

式中，

为GPS速度序列的平均值，N和i为自然数，v_i为第i个时刻的GPS速 度值。

进一步地，所述的步骤4包括以下分步骤：

步骤401：针对传感器数据中的磁方向角进行转弯识别并进行数据分类，得到 作为行为复杂性指标组成部分的躲避障碍转弯数和道路线性转弯数；

步骤402：针对传感器数据中的经纬度坐标所对应的仰角数据进行识别并进行 数据分类，得到作为行为复杂性指标组成部分的抬起婴儿车次数；

步骤403：针对传感器数据中的重力三轴分量进行手机面与水平面之间的仰角 计算，得到作为行为复杂性指标组成部分的爬坡角度；

步骤404：结合躲避障碍转弯数、道路线性转弯数、抬起婴儿车次数以及爬坡 角度，组成行为复杂性指标。

进一步地，所述的步骤401包括以下分步骤：

步骤4011：针对传感器数据中的磁方向角所对应的手机朝向数据进行一阶差 分，得到各个时间段内手机朝向的变化量，其对某一连续时间段的积分即为该时间 段内车辆连续转弯的角度；

步骤4012：针对所有数据进行判断：当该时间段的时间长度大于设定时间且 该时间段内连续转弯的角度大于设定角度，则该数据对应为一次正常的车辆转弯；

步骤4013：针对视为一次正常的车辆转弯所对应的所有数据进行二次判断， 当对应时间段内转弯前后手机的朝向变化绝对值小于等于设定角度时，则该数据对 应为一次躲避障碍而进行的临时转弯，即躲避障碍转弯数，否则该数据对应为由于 道路线形变化引起的必要转弯，也即道路线性转弯数。

进一步地，所述的步骤402包括以下分步骤：

步骤4021：针对传感器数据中的经纬度坐标所对应的仰角数据进行小波变换 以达到降噪目的并保留关键的仰角突变；

步骤4022：针对经过小波变换后的仰角数据使用移动时间窗口法，对窗口内 的仰角数据进行线性回归处理，当满足斜率大于设定值以及与上一次抬起动作时间 差大于设定值的条件时计数为一次抬起，即为抬起婴儿车次数。

进一步地，所述的步骤403包括以下分步骤：

步骤4031：针对传感器数据中的重力三轴分量进行手机面与水平面之间的仰 角计算，所述仰角的计算公式为：

式中，θ为仰角，即手机的XOY面与水平面的夹角，x、y、z分别为手机采集 的重力加速度在手机XYZ三轴上的分量。

步骤4032：针对所有仰角数据进行校正并进行加权平均后得到爬坡角度。

进一步地，所述的步骤5包括以下步骤：

步骤501：基于平顺性指标、快捷性指标和行为复杂性指标构建层次结构模型， 所述层次结构模型的目标层为道路婴儿车指数，准则层的第一层为平顺性指标、快 捷性指标和行为复杂性指标，准则层的第二层为快捷性指标下的速度、平顺性指标 下的加速度加权均方根值以及行为复杂性指标下的抬起婴儿车次数、道路线性转弯 数、躲避障碍转弯数和爬坡角度；

步骤502：构造判断矩阵，通过计算得到各要素在单一准则下的相对权重，并 进一步合成计算得到婴儿车指数并进一步评价得到婴儿车街道推行环境评价结果。

与现有技术相比，本发明具有以下优点：

(1)使用目前运用广泛的智能手机作为道路信息采集的传感器，通过高效、 可行、准确的算法计算评价的相关指标，定量、客观地对街道推行空间质量进行评 价，具有很强的实用性，对城市步行空间建设和改善、母婴群体出行有重要的参考 意义。

(2)本发明涉及一种婴儿车街道推行环境的量化评价方法，步骤为：步骤1： 利用智能手机，采集GPS和加速度计的传感器数据；步骤2：计算快捷性指标；步 骤3：计算平顺性指标；步骤4：计算行为复杂性指标；步骤5：采用AHP层次分 析法确定指标权重，计算婴儿车指数，利用智能手机的GPS和加速度计数据，从 快捷性、平顺性、行为复杂性三个方面计算各项指标，通过层次分析法确定指标权 重，从而得到某路段的婴儿车指数，属于交通规划与管理领域。本发明对于改善街 道的婴儿车推行空间质量以及残障人士出行质量，具有很强的参考意义。

附图说明

图1为本发明实施例中手机朝向数据的一阶差分序列示意图；

图2为本发明的方法流程示意图；

图3为本发明实施例实际应用的豫园商城婴儿车指数地图。

具体实施方式

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，所描述的实施例是本发明的一部分实施例，而不是全部实施例。 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的前提下所获 得的所有其他实施例，都应属于本发明保护的范围。

一、具体实施例

本发明解决其技术问题所采用的技术方案如图2所示，具体流程包括：

首先，将智能手机固定于婴儿车上，在行进中采集GPS和加速度计传感器数 据。

然后，对数据进行校正。

接着，根据加速度数据计算加速度加权均方根值，得到平顺性指标；根据GPS 速度计算平均速度，得到快捷性指标；根据重力数据计算手机倾角和抬起婴儿车的 次数，将手机朝向数据进行一阶差分，根据转弯类型计算道路线形转弯和避障转弯 的个数，得到行为复杂性指标。

最后，根据以上三方面指标，采用层次分析法计算婴儿车指数，对街道推行空 间质量进行量化评价。

具体过程如下：

1、数据采集

调用智能手机开发API，采集来自GPS和加速度计的传感器数据，格式如下 表1所示。

表1智能手机传感器数据格式

2、平顺性指标计算

采用ISO2631:1997(E)国际振动标准，计算婴儿车的平顺性，具体步骤如下：

1)导入三轴加速度数据及对应时间数据。

2)采用离散傅立叶变换的FFT方法和修正周期图功率谱密度估计PWelch方 法，绘制功率谱密度图像并计算功率谱密度函数Ga。设置采样频率为100Hz；筛 选信号正频率，设置海明窗长度、傅里叶变换点数为信号长度，窗函数在滑动过程 中的重叠部分为0；利用Welch平均功率图法，计算三轴加速度的功率谱密度。

3)根据下式计算出各轴加权加速度均方根值：

式中，a_xw、a_yw、a_zw为各轴加权加速度均方根值，Ga(f)为f频率下的功率谱 密度函数，ω(f)为f频率下的轴向加权频率函数；

4)根据下式计算总加权加速度方根值a_w并对婴儿车平顺性进行评价：

式中，a_w为总加权加速方根值。

3、快捷性指标计算

快捷性指标：将一段时间内对GPS速度序列(含有N个时刻的速度)的平均 值表征婴儿车的快捷性，计算公式如下：

式中，

为GPS速度序列的平均值，N和i为自然数，v_i为第i个时刻的GPS速 度值。

4、行为复杂性指标计算

1)转弯识别与分类

对手机朝向数据H(t)进行一阶差分，得到新的时间序列，该序列含义为各个时 间段内手机朝向的变化量ΔH(t)，变化为正为朝向向右变化。如图1为新的序列。 在某一变化连续为正(或连续为负)的时间段t_i内，设备朝向变化对时间的积分 ∫_i ⁱ⁺¹ΔH(t)dt为该时间段内车辆连续转弯的角度A(t_i)。

正常车辆转弯：当手机朝向变化连续的时间长度t_i＞4s，且该时间长度内连续 转弯的角度A(t_i)>20°，视为一次正常的车辆转弯。

躲避障碍的车辆转弯：对某一转弯，时间段为t_i，该转弯前后手机的朝向变化 绝对值|H(t_i-3)-H(t_i+3)|<＝40°，视为一次躲避障碍而进行的临时转弯，否则视为 由于道路线形变化引起的必要转弯。

指标中，躲避障碍转弯数和道路线形转弯数为每百米的对应转弯个数。

2)抬起识别

抬起是根据手机传感器中的仰角数据进行识别。在推行过程中，婴儿车的震动会导致 手机位置发生变化，包括仰角在内的传感器数据会有不同程度的波动。处理步骤如下：

①对仰角数据进行小波变换，达到降噪目的并保留关键的仰角突变。

②使用移动时间窗口法，取时间窗口长度为1秒，对窗口内仰角数据进行线性回归处 理，满足两条件的计一次抬起：

a.斜率k>5度每秒，

b.与上一次抬起动作时间差Δt>20秒。

指标中，抬起婴儿车次数为每百米的抬起次数。

3)爬坡角度计算

根据手机采集的重力相对于手机XYZ三轴的分量，计算手机面与水平面之间 的仰角，从而计算爬坡的角度，仰角的计算公式为：

式中，θ为仰角，即手机的XOY面与水平面的夹角，x、y、z分别为手机采集 的重力加速度在手机XYZ三轴上的分量。

由于手机的固定方式不同，初始时刻手机的位置并不为严格的水平位置，因而 需要对其进行校正。使用前10个仰角的平均值对所有数据进行校正，令平均值为

某一时刻采集到的仰角数据为θ′_i，则校正后的数据：

平均仰角以时间长度为权，对仰角进行加权平均，使用如下公式计算：

5、指标标准化计算

对所有指标进行无量纲化、标准化处理，首先确定快捷性为正指标，平顺性和 行为复杂性为负指标，第二层次都按正指标处理。

对正指标x及其实例x′_i，标准化按下式进行：

式中，

——正指标x所有实例的平均值，S——正指标x所有实例的标准差； 对负指标y及其实例y′_i，标准化按下式进行：

式中，

——负指标y所有实例的平均值，S1——负指标y所有实例的标准差；

通过上式(2.1)、(2.2)得到的指标值均为无量纲的、与指数成正相关的指标。

6、婴儿车指数计算

采用AHP层次分析法，计算婴儿车指数，具体步骤如下：

1)建立层次结构模型

按照婴儿车指数结构，目标层为道路婴儿车指数；准则层第一层为快捷性、平 顺性、行为复杂性；第二层分为快捷性下的速度、平顺性下的加速度均方根值、行 为复杂性下的爬坡、道路线形带来的转弯、躲避障碍带来的转弯、抬起婴儿车次数。 层次结构模型，如下表2所示。

表2层次结构模型

2)构造判断(成对比较)矩阵

为了最大程度体现推行者的意志和乘坐者感受，研究向婴儿车推行用户发放问卷，在指数两个层次内进行指标的两两比较，得出个体对第一层次和第二层次的指 标排序，两个层次的判断矩阵如下表3和表4所示。

表3判断矩阵A(准则层1)

婴儿车指数	A	B	C
				A(快捷性)	α<sub>11</sub>	α<sub>12</sub>	α<sub>13</sub>
B(平顺性)	α<sub>21</sub>	α<sub>22</sub>	α<sub>23</sub>
				C(行为复杂性)	α<sub>31</sub>	α<sub>32</sub>	α<sub>33</sub>

表4判断矩阵B(准则层2)

行为复杂性	C1	C2	C3	C4
					C1(线形)	α<sub>11</sub>	α<sub>12</sub>	α<sub>13</sub>	α<sub>14</sub>
C2(避障)	α<sub>21</sub>	α<sub>22</sub>	α<sub>23</sub>	α<sub>24</sub>
					C3(爬坡)	α<sub>31</sub>	α<sub>32</sub>	α<sub>33</sub>	α<sub>34</sub>
C4(抬起)	α<sub>41</sub>	α<sub>42</sub>	α<sub>43</sub>	α<sub>44</sub>

对快捷性和平顺性，其第二层次指标只有一个，故权重均为1。

对每个n阶判断矩阵，都有

α_ii＝1，i＝1，2，...，n

3)层次单排序计算权重

计算判断矩阵每一行元素的乘积M_i，

计算M_i的n次方根，

得到各要素在单一准则下的相对权重w_i，

4)婴儿车指数合成

综上，使用下式合成婴儿车指数(BSI)：

BSI＝A*w_A+B*w_B+C*w_C

A＝A1*w_A1

B＝B1*w_B1

二、实际应用结果

对上海豫园商城附近的街道进行现场实验，得到实验数据如表5所示、婴儿车 指数结果如图3所示。

表5豫园商城实验数据

图3中，婴儿车指数越大表明该路段的婴儿车推行空间质量越好。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效 的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明 的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，该方法包括以下步骤：

步骤1：利用智能手机内置元件，实时采集得到对应的传感器数据；

步骤2：基于采集得到的传感器数据计算得到平顺性指标；

步骤3：基于采集得到的传感器数据计算得到快捷性指标；

步骤4：基于采集得到的传感器数据计算得到行为复杂性指标；

步骤5：基于平顺性指标、快捷性指标和行为复杂性指标采用AHP层级分析法确定指标权重，最终合成计算得到婴儿车指数，得到婴儿车街道推行环境评价结果；

所述的步骤2包括以下分步骤：

步骤201：导入传感器数据中的三轴加速度数据及对应的时间数据；

步骤202：设置采样频率，筛选信号正频率，设置海明窗长度、傅里叶变换点数为信号长度，窗函数在滑动过程中的重叠部分为0；利用Welch平均功率图法，得到三轴加速度的功率谱密度；

步骤203：基于三轴加速度的功率谱密度得到各轴加权加速度均方根值，并进一步最终得到总加权加速方根值，以作为平顺性指标对婴儿车进行评价。

2.根据权利要求1所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤1中的内置元件包括GPS、加速度计和磁感应计，传感器数据包括经纬度坐标、重力三轴分量、加速度三轴分量以及磁方向角。

3.根据权利要求1所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤203中的各轴加权加速度均方根值，其计算公式为：

式中，a_xw、a_yw、a_zw为各轴加权加速度均方根值，Ga(f)为f频率下的功率谱密度函数，ω(f)为f频率下的轴向加权频率函数；

总加权加速方根值，其计算公式为：

式中，a_w为总加权加速方根值。

4.根据权利要求1所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤3中的快捷性指标采用将一段时间内对GPS速度序列的平均值来表征，其对应的计算公式为：

式中，

为GPS速度序列的平均值，N和i为自然数，v_i为第i个时刻的GPS速度值。

5.根据权利要求1所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤4包括以下分步骤：

步骤401：针对传感器数据中的磁方向角进行转弯识别并进行数据分类，得到作为行为复杂性指标组成部分的躲避障碍转弯数和道路线性转弯数；

步骤402：针对传感器数据中的经纬度坐标所对应的仰角数据进行识别并进行数据分类，得到作为行为复杂性指标组成部分的抬起婴儿车次数；

步骤403：针对传感器数据中的重力三轴分量进行手机面与水平面之间的仰角计算，得到作为行为复杂性指标组成部分的爬坡角度；

步骤404：结合躲避障碍转弯数、道路线性转弯数、抬起婴儿车次数以及爬坡角度，组成行为复杂性指标。

6.根据权利要求5所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤401包括以下分步骤：

步骤4011：针对传感器数据中的磁方向角所对应的手机朝向数据进行一阶差分，得到各个时间段内手机朝向的变化量，其对某一连续时间段的积分即为该时间段内车辆连续转弯的角度；

步骤4012：针对所有数据进行判断：当该时间段的时间长度大于设定时间且该时间段内连续转弯的角度大于设定角度，则该数据对应为一次正常的车辆转弯；

步骤4013：针对视为一次正常的车辆转弯所对应的所有数据进行二次判断，当对应时间段内转弯前后手机的朝向变化绝对值小于等于设定角度时，则该数据对应为一次躲避障碍而进行的临时转弯，即躲避障碍转弯数，否则该数据对应为由于道路线形变化引起的必要转弯，也即道路线性转弯数。

7.根据权利要求5所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤402包括以下分步骤：

步骤4021：针对传感器数据中的经纬度坐标所对应的仰角数据进行小波变换以达到降噪目的并保留关键的仰角突变；

步骤4022：针对经过小波变换后的仰角数据使用移动时间窗口法，对窗口内的仰角数据进行线性回归处理，当满足斜率大于设定值以及与上一次抬起动作时间差大于设定值的条件时计数为一次抬起，即为抬起婴儿车次数。

8.根据权利要求5所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤403包括以下分步骤：

步骤4031：针对传感器数据中的重力三轴分量进行手机面与水平面之间的仰角计算，所述仰角的计算公式为：

式中，θ为仰角，即手机的XOY面与水平面的夹角，x、y、z分别为手机采集的重力加速度在手机XYZ三轴上的分量；

步骤4032：针对所有仰角数据进行校正并进行加权平均后得到爬坡角度。

9.根据权利要求1所述的一种基于智能手机传感器的婴儿车街道推行环境评价方法，其特征在于，所述的步骤5包括以下步骤：

步骤501：基于平顺性指标、快捷性指标和行为复杂性指标构建层次结构模型，所述层次结构模型的目标层为道路婴儿车指数，准则层的第一层为平顺性指标、快捷性指标和行为复杂性指标，准则层的第二层为快捷性指标下的速度、平顺性指标下的加速度加权均方根值以及行为复杂性指标下的抬起婴儿车次数、道路线性转弯数、躲避障碍转弯数和爬坡角度；

步骤502：构造判断矩阵，通过计算得到各要素在单一准则下的相对权重，并进一步合成计算得到婴儿车指数并进一步评价得到婴儿车街道推行环境评价结果。

Images